UData -京東物流面向一線業(yè)務(wù)的敏捷BI實踐

業(yè)務(wù)的敏捷BI實踐京東物流–技術(shù)與數(shù)據(jù)智能部劉鳳DataFunSummit#2023CONTENT01京東物流一線業(yè)務(wù)數(shù)據(jù)應(yīng)用現(xiàn)狀02UData以自助分析為核心的敏捷BI解決方案03應(yīng)用場景及案例京東物流一線業(yè)務(wù)數(shù)據(jù)應(yīng)用現(xiàn)狀DataFunSummit#2023什么是“中國式報表”UData以自助分析為核心的敏捷DataFunSummit#2023查詢慢查詢慢異常多異常多體驗差體驗差 性能有瓶頸系統(tǒng)不穩(wěn)定學習成本高 三大難題性能專項 數(shù)據(jù)分析(S) 數(shù)據(jù)分析(S) 定位問題(T) 定位問題(T)解決問題(A)解決問題(A) 定期復(fù)盤(R) 定期復(fù)盤(R)性能診斷性能診斷物化數(shù)據(jù)物化數(shù)據(jù)緩存策略緩存策略>>數(shù)據(jù)接入增加準入規(guī)則：符合標準可接入平臺；>數(shù)據(jù)集增加性能診斷，并給用戶優(yōu)化配置建議；>數(shù)據(jù)報表增加發(fā)布規(guī)則和產(chǎn)品設(shè)計邊界；>確定熱度數(shù)據(jù)源進行物化；>數(shù)據(jù)治理：保證數(shù)據(jù)資產(chǎn)質(zhì)量；>個性化配置策略>>數(shù)據(jù)集&報表增加性能診斷，給出不同的優(yōu)化建議；>不符合性能要求的報表控制分享范圍，降低性能風險；穩(wěn)定性專項穩(wěn)定性專項 用戶反饋 問題定位解決問題 定期復(fù)盤衡量指標衡量指標可用性可用性故障率故障率問題分類和具體舉措問題分類和具體舉措>數(shù)據(jù)共享問題>>查詢失敗：引擎升級；報錯信息友好；>報表打開失敗：受性能影響，轉(zhuǎn)性能專項；>監(jiān)控完善：完善各環(huán)節(jié)監(jiān)控日志，后端重構(gòu)；舊版存在問題舊版存在問題新版整體框架升級新版整體框架升級>>權(quán)限體系和協(xié)同能力解耦；>模塊能力解耦；>>增加操作步驟引導(dǎo)；>各環(huán)節(jié)增加操作教學指引；>>頁面設(shè)計改版，簡化設(shè)計；>交互設(shè)計更符合用戶習慣；>>增加駕駛艙設(shè)計功能；>實現(xiàn)問答式交互設(shè)計；系統(tǒng)多耦合系統(tǒng)多耦合操作有斷層操作有斷層設(shè)計不簡潔設(shè)計不簡潔展示形式單一展示形式單一>>用戶組權(quán)限和協(xié)同能力有依賴；>數(shù)據(jù)集配置和數(shù)據(jù)分析強耦合；>>缺少合理的引導(dǎo)性操作流程；>用戶碰到卡點無法及時解決；>>頁面內(nèi)容太多，缺乏重點；>不符合用戶操作習慣；>>基于excel展現(xiàn)報表形式；>數(shù)據(jù)獲取成本高；新版VS席克定律（Hick’sLaw）概念：面臨的選擇越多，所需要的反應(yīng)時間就越長。改造點：根據(jù)用戶的使用習慣和流程對菜單重新排列，減少或者隱藏一些非常用功能，減少對用戶的干擾。新版VS菲茨定律（Fitts’Law）概念：目標越大且距離越近，便越快到達，并比到達更小的更遠的目標出錯幾率更低。改造點：縮短用戶到達路徑，提供更合理的引導(dǎo)流程，提高用戶轉(zhuǎn)化效率。新版VS泰斯勒定律（泰斯勒定律（Tesler'sLaw、復(fù)雜度守恒）概念：一個系統(tǒng)中有一定程度的復(fù)雜性是無法被降低的，只能去設(shè)法平衡和轉(zhuǎn)移。改造點：把系統(tǒng)無法降低的復(fù)雜度從用戶轉(zhuǎn)移到研發(fā)側(cè)，給用戶帶來更好的操作體驗。相似原則（LawofSimilarity）概念：在某一方面相似的元素趨于組成一個整體。改造點：數(shù)據(jù)準備和數(shù)據(jù)分析都增加了列表管理功能，讓整個系統(tǒng)更和諧，符合用戶的操作習慣。應(yīng)用場景及案例DataFunSummit#2023做數(shù)人員數(shù)據(jù)水平參差不齊;。業(yè)務(wù)數(shù)據(jù)需求分散且多樣;。提升業(yè)務(wù)做數(shù)人員的數(shù)據(jù)分析能力;。更高效支持各層級數(shù)據(jù)需求;。和各業(yè)務(wù)線達成共識;策策。引導(dǎo)集團完成高質(zhì)量可復(fù)用數(shù)據(jù)集建設(shè)，降低省區(qū)、片區(qū)的做數(shù)成本;。復(fù)盤和激勵機制，提高學習動力;數(shù)據(jù)資產(chǎn)集約管理數(shù)據(jù)生產(chǎn)能力，包括知識庫/標準指標體系/實時數(shù)倉模型，DataGPT作為數(shù)據(jù)資產(chǎn)價值釋放的輕量化窗口，以低使用門檻（京大模