需求挖掘五步曲，快速建设大数据项目

在《大数据与BI的建设方法》平台建设第一步中，我们探讨了如何做好需求调研，然而通常情况下，通过需求调研收集到的客户需求，往往属于“描述性需求”或“表层需求”，而大多数企业对于自身需求其实并不明确，或是没有十足的把握，真正的潜在需求、核心需求藏在难以察觉的更深层次，正如只在水面上露出一角的冰山，主体部分其实都在水下。所以同样的BI，同样的分析技术，在不同的需求认知下，会让数据分析的价值天差地别。因此，如何挖掘出真实、完整的需求，成为大数据与BI建设的重要环节之一。

小王的难题

小王是国内某金融服务企业的IT部门员工，最近接到了领导交办的任务，要帮助业务部门搭建一套业务BI分析体系。从项目启动到需求调研阶段，小王都非常积极；但在经过一段时间的了解后，小王发现这事做起来，并不像看上去那么简单，在几个方面频频出现问题：

1、进行业务部门需求调研时，小王发现对接的业务人员表达不出明确的思路与需求，让IT团队“看着办”，或者只是要求帮着“做做现有的报表”“调调样式”等等；

2、进行IT内部需求调研时，IT需要对现有数据进行ETL，需要建立数据仓库，需要建立多维分析模型，但IT没有行业数据模型基础，不了解业务，如何开展是个问题；

3、小王向企业领导确认需求时，得到的反馈是：一线人员的需求就是本次BI项目需求，能辅助一线人员工作开展、提高效率就是本次项目成功的目标。

这让小王犯了难：需求好像很明确，但实际上又很不明确，不知道该从何下手。无奈之下，小王联络了数据分析产品供应商永洪科技进行协助支持，进行了再次深入调研。调研结果显示，这家企业业务人员对BI期望过低，缺乏方向感，并不了解数据系统系统能够带来哪些便利；IT人员偏重技术，缺乏行业数据模型积累，只能跟着业务人员的方向走，无法展现BI的真正价值；领导层缺乏整体规划，不了解业务具体需求，导致没有明确目标和方向。对于需求的理解不足、不准确，成为多个环节存在的问题，也成为企业BI项目落地的最大障碍之一。

为解决小王的难题，永洪团队从“需求挖掘五步曲”入手，与小王共同展开了深入的需求挖掘。

需求挖掘五部曲

步骤一：场景假设

首先，永洪按照金融BI类项目的常规需求进行细分，按照即席查询需求、数据报告需求、安全性需求、性能需求、可维护性需求等维度进行需求分类，在各种分类下进行场景假设。业务人员小张提到，公司近年的战略正在从业务驱动向数据驱动的转变，业务人员对数据的分析需求逐步增加，于是永洪在场景假设环节，专门设计了业务人员自助式分析类应用场景，让业务人员能够在该场景下进行自助式数据处理、自定义组合分析维度，从而探索式分析数据规律和变量因子的关系。小张还提到，日常业务处理分析过程中得到大量数据后，通常需要整合、处理后再进行分析，如果发现异常再层层汇报、预警，从源数据提取到提交预警给管理层通常要三天，常常因为这种延迟受到批评。因此除了自助式分析场景，永洪又假设了业务预警推送类场景、跨部门交流类使用类、大屏类应用场景等；围绕如何提高业务层、管理层、决策层工作效率、智能化工作方式等主题完善各类需求场景的假设。

步骤二：数据匹配

根据小王的反馈，金融服务企业内部不同业务体系有不同的风险关注视角，使用人员需要能够按照自己的维度进行分析。因此接下来，永洪收集了各业务体系的分析维度，汇总后建立起整体的数据模型，让使用人员能够通过灵活筛选不同维度、动态展示分析报告，在同一数据平台、同一分析报告中匹配不同的数据关注需求。另外，对于不同的用户层级，数据权限不同，关注的数据颗粒度也有所不同，因此在需求挖掘过程中需要按用户角色设计列权限、行权限的数据过滤规则，建立不同的报表展现层次和数据展现层次，以满足不同岗位人员、数据关注层次不同的需求，同时能够通过下钻和上卷进行互动分析。

步骤三：深度挖掘

数据权限、数据层次、分析主题的问题基本解决了，小王终于松了口气。不过，这些都是为了查看以往的数据，或是分析当前的数据。如果能够在这一基础上预测未来的数据走向，并进行针对性的策略调整，将会带来丰厚的价值。在永洪的建议下，双方团队开始着手进行深度分析需求的挖掘，按照行业发展趋势、企业战略规划分解、深度预测等维度进行更层次的需求挖掘，针对公司所在的金融行业研究生成了行业发展趋势报告，通过外部数据源采集获取行业Top 5和同级企业的核心金融指标数据，并与公司自身数据进行对比，实时了解到自身与行业发展状况，为决策进行数据支撑。同时近10年业务数据建立业务数据模型，在大幅度上实现未来三年内收支数据的预测。

步骤四：价值评估

针对假设场景和深度挖掘成果，结合永洪产品进行场景模拟和需求落地，就可以对各类场景需求实现价值进行评估。在项目正式启动前，小王对比了制作传统汇报材料需要的时长和通过BI自动生成报告需要的时长：往常数据出现异常时，需要在3天后才能发现并汇报；通过大数据平台优化，从数据出现异常到到系统检测到再到管理层收到预警邮件，仅需20s时间。这种情况下，传统BI分析中“业务——IT——业务”的模式转变为由业务人员独立完成，大幅提高业务人员的工作效率；同时也让以往忙于处理繁杂业务需求收集的IT人员，可以将更多精力用于数据治理和系统运维上；管理层也能够从靠经验进行决策，转变为依托数据分析报告进行科学决策。领导对这一项目方案表示非常认可，也对小王的工作频频点赞。

步骤五：闭环验证

启动项目试运行后，小王定期进行各需求落地效果监测，包括监测报告应用的深度、覆盖范围、应用频率等，对用户体验感受进行访谈，实地了解是否实现了敏捷式的数据分析目标，进一步验证前期价值评估效果，进一步对各类需求实现进行优化、完善；同时根据试运行过程中呈现的新需求制定新的应用场景，让整个需求挖掘过程形成闭环，保证了项目从调研到实施始终与客户真正需求保持一致。

总结

需求挖掘的过程，就是站在用户价值实现的立场，利用专业的挖掘方式在个人、部门、企业核心需求方面打开缺口，找出“水下”潜在的需求“冰山”，从而为客户创造独特的价值。而永洪科技也正是秉承着一贯的“以卓越的数据技术为客户创造价值，实现客户成功”的价值观，成为大数据技术在各行各业的普及推广与项目落地的有力推手。