《京东物流面向一线业务的敏捷BI实践》.pdf

1、DataFunSummitDataFunSummit#20232023UData-京东物流面向一线京东物流面向一线业务的敏捷业务的敏捷BIBI实践实践京东物流 技术与数据智能部 刘凤京东物流一线业务数据应用现状UData以自助分析为核心的敏捷BI解决方案应用场景及案例目录 CONTENTDataFunSummitDataFunSummit#2023202301京东物流一线业务数据应用现状京东物流一线业务数据应用现状什么是“中国式报表”中国式报表的特点及挑战建设平台工具解决实际业务问题新老流程对比DataFunSummitDataFunSummit#2023202302UData以自助分析为核心

2、的敏捷BI解决方案UData自助式敏捷BI产品架构UData敏捷BI工具 产品特性UData敏捷BI工具 产品特性UData敏捷BI工具 核心技术UData敏捷BI工具 遇到问题查询慢异常多体验差性能有瓶颈系统不稳定学习成本高三大难题UData敏捷BI工具 性能专项(STAR法则)性能诊断物化数据缓存策略 数据接入增加准入规则：符合标准可接入平台；数据集增加性能诊断，并给用户优化配置建议；数据报表增加发布规则和产品设计边界；性能专项数据分析(S)定位问题(T)解决问题(A)定期复盘(R)确定热度数据源进行物化；大表拆小表；数据治理：保证数据资产质量；主动缓存 被动缓存 个性化配置策略UData

3、敏捷BI工具 性能专项 页面设计&效果 数据集&报表增加性能诊断，给出不同的优化建议；不符合性能要求的报表控制分享范围，降低性能风险；UData敏捷BI工具 数据流程架构优化UData敏捷BI工具 数据流程架构优化UData敏捷BI工具 架构优化后成效UData敏捷BI工具 稳定性专项衡量指标可用性问题分类和具体举措稳定性专项用户反馈问题定位解决问题定期复盘故障率 查询失败：引擎升级；报错信息友好；报表打开失败：受性能影响，转性能专项；监控完善：完善各环节监控日志，后端重构；数据问题数据接入自动化：及时响应用户数据需要；数据同步更新自动化：保证数据准确性；数据共享问题成立专项，优化当前共享过程

4、中的问题；实现更多的共享方式，满足用户需要；操作问题产品对接，通过产品设计提升产品易用性；（STAR+5W1H方法）UData敏捷BI工具 产品易用性产品不易用用户学习成本高系统多耦合操作有断层展示形式单一 用户组权限和协同能力有依赖；数据集配置和数据分析强耦合；设计不简洁 缺少合理的引导性操作流程；用户碰到卡点无法及时解决；页面内容太多，缺乏重点；不符合用户操作习惯；基于excel展现报表形式；数据获取成本高；产品框架升级旧版存在问题新版整体框架升级 权限体系和协同能力解耦；模块能力解耦；增加操作步骤引导；各环节增加操作教学指引；页面设计改版，简化设计；交互设计更符合用户习惯；增加驾驶舱设计

5、功能；实现问答式交互设计；UData敏捷BI工具 产品易用性 整体框架升级VS旧版新版席克定律（Hicks Law）概念：面临的选择越多，所需要的反应时间就越长。改造点：根据用户的使用习惯和流程对菜单重新排列，减少或者隐藏一些非常用功能，减少对用户的干扰。UData敏捷BI工具 产品易用性 数据准备VS旧版新版菲茨定律（Fitts Law）概念：目标越大且距离越近，便越快到达，并比到达更小的更远的目标出错几率更低。改造点：缩短用户到达路径，提供更合理的引导流程，提高用户转化效率。UData敏捷BI工具 产品易用性 数据准备VS旧版新版泰斯勒定律（Teslers Law、复杂度守恒）概念：一个系

6、统中有一定程度的复杂性是无法被降低的，只能去设法平衡和转移。改造点：把系统无法降低的复杂度从用户转移到研发侧，给用户带来更好的操作体验。UData敏捷BI工具 产品易用性 数据分析相似原则（Law of Similarity）概念：在某一方面相似的元素趋于组成一个整体。改造点：数据准备和数据分析都增加了列表管理功能，让整个系统更和谐，符合用户的操作习惯。DataFunSummitDataFunSummit#2023202303应用场景及案例结合PTC插件，实现业务报表的线上化