一个数字要能被引用,除了算得对,还得同时说清三件事:截至什么时候、按哪一版口径算的、出了问题找谁。缺任何一样,引用的人就要承担被问住的风险,宁可用自己熟悉的旧数。BI 真正交付的不是图表,是这三样附属信息。
不先挑工具。先把你现在每周开会要吵的那两三个数字列出来,看看它们各自在哪几个地方被算了多少遍。

提问
要回答什么问题
定标
按哪一版口径算
取数
业务自己能不能拖出来
看板
一屏回答哪几件事
送达
谁在什么时候收到
变更
改了怎么通知
同一套 BI,四种人
形态之争(看板还是自助、自建还是嵌进业务系统)往往只是没分清这几类人各自要什么。这四类人如果混在同一套设计里,最后通常谁都得不到自己那一份。
他要解决什么
每周例会上要能当场引用一个数
几张固定看板,只要总览与目标达成,手机上看得清
看板做得再全,只要缺截止时间或口径版本,会上就没人敢引用
他要解决什么
回答自己岗位上临时冒出来的问题
自助取数与分析模板,要的是能拆、能对比、能导出
自助算出来的数和正式报表不是一个,试两次就回去找分析师
他要解决什么
不再被取数淹没,把时间花在建模与治理上
指标注册、语义层、血缘与变更影响面
没有指标平台,同一段逻辑被复制到十几张报表里,改一次要挨个验证
他要解决什么
看自己那一份经营数据
嵌入式分析,权限跟着业务系统的登录态走
在 BI 里做一套权限、业务系统里再做一套,两边不一致就会越权
交付标准
算得对只是及格线。缺任何一样,引用的人都要承担被问住的风险,于是宁可用自己熟悉的旧数——这就是很多 BI 做完之后没人用的真正原因。
看板和平台后台差几分钟,复盘时不知道哪个数才是当天的。留了缓冲也没用——没人知道缓冲是多久。
每张图旁边固定显示「截至某月某日某时」,且这个时间来自真实的数据刷新记录。
三个月前口径改过,看板没标注,于是有人用新数、有人用旧数做同比,会上吵半天才发现吵的不是同一件事。
图上能点开口径说明,显示当前使用的版本与生效日期,历史版本可查。
数字明显不对,但没人知道该找谁确认,最后在群里问一圈,没人认领,就这么过去了。
每个指标登记责任人与变更记录,点得到人,也看得到前几次改了什么。
这三样东西的共同点是:它们都不是图表本身,但决定了图表能不能被当作依据。所以我们在项目里会把它们做成系统的强制项,而不是写在文档里的建议——没有截止时间的图不允许保存,没有责任人的指标不允许上线。
一块看板怎么排
把这三件事塞进一屏,结果是每一屏都看不清;只做第一屏,会开到一半就卡在「那是哪个部分拖的」。顺序比数量重要。
我们现在处在什么位置
四个以内的核心指标卡,每个带同比与目标达成,下方一条总趋势线
缺了会怎样
会议一开场就各说各的,因为没人先给出同一个起点。
差异出在哪里
按区域、渠道或品类拆开的对比图,异常项自动标红
缺了会怎样
知道整体下滑了,但没人能说出是哪个部分拖的。
为什么是这里
下钻到具体门店、活动或品类的明细表,可点回源记录
缺了会怎样
找到了问题部位,但讨论只能停在猜测层面。

最容易出事的一段
这是 BI 项目里最容易被跳过、也最容易被事后追责的一道选择题。没有绝对正确的答案,只有代价你能不能接受——所以要在立项时就定下来,而不是第一次改动时才临时决定。
代价
一段时间内两套数并存,业务会反复问「为什么同比用的是旧口径」。
代价
已经发出过的报表和历史结论会和现在对不上,需要能解释清楚。
哪些看板、报表、接口、下游派生指标会受影响?谁需要提前知道?做过一次就会发现,真正难的从来不是重算,而是要通知的人比想象中多。这一步依赖指标血缘——没有血缘,就只能靠人回忆,而人回忆一定会漏。
合规与边界
BI 里存的是全公司最敏感的一批数据。下面几条在立项时就要确认,因为它们直接决定权限模型和日志怎么设计。
| 事项 | 规则 | 对你的影响 |
|---|---|---|
| 数据分类分级 | 规则《数据安全法》第 21 条建立数据分类分级保护制度;GB/T 43697—2024 将数据分为核心数据、重要数据、一般数据,并定义个人信息与敏感个人信息。 | 对你的影响BI 里的每一张表、每一个字段都应该有分级标签。看板与报表的访问控制不能只按部门做,要按数据级别做:重要数据字段默认脱敏、限制导出、单独审批。字段级分级没做完就上自助分析,等于把敏感字段直接开放给全员拖拽。 |
| 个人信息与去标识化 | 规则《个人信息保护法》第 4 条将匿名化处理后的信息排除在个人信息之外;第 73 条区分去标识化与匿名化——去标识化后的信息在不借助额外信息的情况下无法识别特定自然人,但仍属于个人信息;只有无法识别且不能复原的匿名化才脱离个人信息范畴。 | 对你的影响报表中的手机号、身份证号要默认脱敏,需要明文时走申请并留痕。聚合报表看起来已经匿名,但如果颗粒度细到「某门店某天只有一个客户」,仍可能通过交叉比对识别到个人,这类小样本单元格要做抑制或合并。 |
| 数据出境 | 规则《促进和规范数据跨境流动规定》(国家网信办令第 16 号)规定:非关键信息基础设施运营者累计向境外提供不满 10 万人非敏感个人信息的可免予申报;10 万至 100 万人需订立标准合同或通过保护认证;100 万人以上、或 1 万人以上敏感个人信息需申报安全评估。安全评估结果有效期 3 年。 | 对你的影响BI 用了境外工具、境外云数仓,或集团总部在境外要访问境内数据,都要先算清楚一年内涉及多少人。注意「境外主体可访问」也算出境,不只是把文件传出去——查询日志、导出记录、订阅推送都可能构成出境通道。 |
| 委托处理与留存 | 规则《网络数据安全管理条例》(国务院令第 790 号,2025 年 1 月 1 日施行)第 12 条要求,向其他处理者提供、委托处理个人信息和重要数据,应通过合同约定处理目的、方式、范围与安全保护义务,并监督接收方;相关处理情况记录至少保存 3 年。第 33 条要求重要数据处理者每年开展风险评估并报送。 | 对你的影响BI 项目通常会把数据交给实施方、云服务商或外包开发。合同要写清数据用途、可访问范围、是否可留存副本、项目结束后的删除义务;谁在什么时间访问了哪些数据,要能导出并保存三年以上。系统的操作日志不只是排障用,也是合规证据。 |
| 等保与日志 | 规则等保 2.0(GB/T 22239—2019)将大数据平台纳入保护对象,原则上不低于其承载系统的等级;三级系统要求审计覆盖到每个用户、审计记录受保护且定期备份、敏感数据加密、每年至少测评一次。《网络安全法》第 21 条要求网络日志留存不少于六个月。 | 对你的影响BI 要满足的不是「能登录」:谁查了哪张表、导出了多少行都要可审计,日志表要与业务表分离、只追加不修改。很多项目在上线后才补等保,代价是把权限模型和日志重新做一遍。 |
| GMV 这类指标没有法定定义 | 规则GMV 是平台自行定义的非标准化指标,常见口径包含取消、拒收、退货订单;而国家统计局的「网上零售额」有严格统计标准,且自 2026 年起调整为「网上商品和服务零售额」,并明确新旧指标数据不可比。 | 对你的影响连国家统计口径都会调整并声明不可比,企业内部更是如此。GMV、销售额、营收、回款往往是四套数,不在指标字典里写清分子分母、时间归属和排除规则,跨部门对不上是必然。对外披露用哪个口径,必须由财务与法务共同确认。 |
上述规定与统计口径都可能调整。具体分类分级结果、出境申报义务与定级要求以主管部门当期口径为准;涉及对外披露口径的判断,建议同时咨询你的财务与法务。
一个指标的一生
最后一段「变更」是最少被设计、也最容易出事的一段,因为改一个公式的影响面往往超出预期。
「这个月卖得怎么样」不是问题,「华东区线上渠道本月 GMV 比上月下降多少、主要由哪几个品类贡献」才是。一个问题要变成指标,必须补齐业务定义、计算口径、可用维度、能不能相加、谁负责这几件事。缺哪一件,后面都会在某个会上被重新问一遍。
业务说「华东区」,系统必须知道对应哪些编码、包不包含「上海直营」这类特殊组织。维度要有层级:国家、大区、省、城市、门店,层级不定清楚,下钻就会出错。还要显式声明哪些词可以互换、哪些不能——「销售额」和「营收」在有些公司是一个意思,在另一些公司差着退款和返利。
找得到指标、拖得动维度、算得对结果,三者缺一,业务就会退回「帮我拉个数」。查询本身要有边界:时间范围上限、返回行数上限、导出权限。这不是限制业务,是防止一次误操作拖垮整个查询队列。常用的分析(同比环比、目标达成、Top N、构成占比、漏斗、留存)应该做成模板,不需要从零搭。
第一屏回答整体怎么样,第二屏回答哪里不一样,第三屏回答为什么。图表要服从问题:趋势用折线,构成用堆叠,对比用条形,分布用直方,相关性才用散点。饼图别超过五类。阈值和预警做成可配置,靠人眼盯红绿两色迟早会看漏。移动端要单独设计——管理层大多在手机上看。
一张每天早上八点要送到两百个门店店长手里的日报,晚到一小时就有人打电话。调度要能配置依赖与重试:上游没完成不能发,失败了自动重试,仍失败要告警到责任人而不是静默。接收人按组织架构自动匹配,人调岗后跟着变,不靠手工维护名单。同一张模板,不同的人看到不同的数据范围。
改一个指标定义,可能影响几十张报表、几个对外接口,甚至已经披露过的对外数字。所以变更要走申请、评估、批准、发布四步,不能直接在系统里改公式。影响面分析依赖血缘——没有血缘,这一步只能靠人回忆。变更后要通知所有使用方,并在看板上标注口径自某日起变更。
系统里有什么
指标与自助是业务天天要用的部分,权限与治理决定它能不能长期可信,对外输出决定它能不能嵌进别的系统。
把业务语言翻译成查询,是所有自助能力的地基。
给业务一只手,同时给系统一道闸。
一屏能回答几件事,取决于顺序,不取决于图表数量。
同样的看板,不同的人看到不同的行。
没有退出机制的治理,只是在制造新的混乱。
把分析能力嵌进别的系统,权限必须跟着走。
隐性支出
下面这些是客户事后最常提起的。它们不会出现在任何一份 BI 报价里。
财务的营收、运营的 GMV、销售的签约额,三个数都拿得出依据。会开到一半,话题从「为什么没达标」变成「到底哪个数是对的」,原本要讨论的下季度策略往后推了一周。下个月,同样的事再来一遍。
上午给区域经理拉一份门店对比,中午给市场部导一份活动名单,下午业务在群里问「昨天那个数能不能按渠道再拆一下」。真正该做的指标体系设计,永远排在「先把这个数给我」之后。月底回头看,这个月没有产出任何可以复用的东西。
订单状态判断、退款口径、客户去重规则,被写进了十二张不同的报表。某天口径调整,要挨个找出来改,改完还要逐张验证。漏了一张,那张报表就成了唯一一个还在用旧口径的地方,而且没人知道。
数据团队说数据已经清洗过了,但业务在明细里看到重复的客户、缺失的区域、明显异常的订单金额。没有人能说清哪一份准,于是看板照看、决策照拍——不是不想用数据,是不敢在老板面前引用一个自己都不确定的数。
客户成功团队按系统导出的数据做季度复盘,客户拿自己的后台一核对,差了 8%。追下去发现:一边按支付时间、一边按下单时间;一边剔除了退款、一边没剔。数字本身不大,但客户从此对每一份报告都要自己再算一遍。
工具买了、培训做了、账号开了。三个月后统计,真正在用的只有数据团队自己。业务给的理由很直接:我自己拖出来的数和周报上的不一样,我不敢用。于是回到老路,只是这次多了一套没人用的工具。
连库出图就够的情形
定制的价值来自多源整合、口径治理和复杂权限。这三样都不占时,买工具几周就能上线。
直接用成熟 BI 工具连库出图,几周就能上线。定制开发的价值来自多源整合、口径治理和复杂权限,这三样都不占,就是过度建设。
源系统里大量重复、缺失、口径不明时,先做数据接入与清洗,把底层数据整理成可信的明细。在脏数据上盖一层漂亮的看板,只会让错误更有说服力。
指标统一本质是组织问题。各部门都不肯让步、也没有人能定标准,做出来的指标平台只会变成又一个版本的数,争议一个没少。
指标要有人维护、口径变更要有人确认、新需求要有人接。至少要有半个人到一个人长期负责,否则半年后指标字典就和实际算法脱节了。
口径先于图表
BI 项目的顺序颠倒过一次,后面就全乱。先做看板再定口径,等于先把争议画成图,然后每个月改一次图。
产出:指标清单与争议清单、指标字典初稿、第一期范围
产出:语义模型、维度层级、权限模型、看板信息架构与原型
产出:指标计算、看板与自助分析、报表分发、接口集成
产出:新旧口径对照表与差异说明、权限测试报告、上线版本
产出:使用报表、口径变更记录、僵尸报表下线清单、迭代排期
周期与范围会随实际情况变化,上面是常见区间而非承诺。范围、变更与付款节奏在合作方式页有逐条说明。

你拿到的文件
看板做几张
BI 上线后最常见的误判是看访问量——访问多可能只是在找数,不代表找到了。下面几项更能说明问题。
同一个指标在不同会议上被质疑「怎么和我的不一样」的次数。这是最直接的效果指标,比任何技术参数都说明问题。
业务自助完成的取数请求占总请求的比例。这个数不涨,说明语义层没做到业务能听懂,或者自助结果不被信任。
关键报表在约定时间前成功送达的比例。日报晚一小时,早会就得推迟,这比算法精不精更影响信任。
管理层、中层、一线分别统计。只看总数会被管理层的高频访问掩盖——一线使用率长期接近零,说明 BI 只是高管专属工具。
95% 的查询在多少秒内返回。超过十秒,业务就会放弃自助、转去找人。
连续几个月无人访问的报表数量,以及订阅推送的实际打开率。报表只发不看,等于每天在制造噪音。

常见问题
工具解决的是怎么画图、怎么查数,指标平台解决的是这个数是什么、谁定的、改了会影响谁。判断标准有两个:现在同一个指标在不同报表里有几种算法?口径变更时能不能列出受影响的报表?有一个答不上来,就说明缺的不是工具,是治理层。
开始沟通
填下面的表单,我们在一个工作日内回复。也可以直接邮件联系。
描述越具体,判断越准。下面几项信息对我们帮助最大:
暂时说不清也没关系。把最近一次「两套数对不上」的会讲一遍——谁和谁吵、用的什么口径、最后怎么收场,往往比一份指标清单更能说明问题。
不用先写需求文档。说明这几个数分别从哪来、谁在维护、开会时各自怎么算,我们判断问题出在数据层、指标层还是分发环节。
也可以直接发邮件:hello@xinghai.dev