企业的发展和信息化的建设密不可分，并且随着信息化的完善，信息化与业务的结合也越来越紧密，企业也逐渐开始重视流转在各个系统中的数据，数据作为企业重要的资产，直接反映了企业的运行状况，并能为业务的升级、优化提供有效的指导。而为了达到最大化利用数据的目的，开展企业数据治理、整合、分析，深度挖掘数据价值已经成为企业信息化建设的一个共识。
【资料图】
数据治理、整合、分析对于企业而言是一项复杂的工作，系统越多、数据量越大，实施建设的难度就越大，但是一旦建设完成，对于企业业务的提升非常明显。一般而言，这个过程包括数据整合和数据分析两部分， 数据整合是将分散于各个系统的数据进行归集、整合，汇聚到一处，数据分析是基于整合后的数据进行综合分析展现 ，以便分析企业的综合运营情况。数据整合实现数据统管，为复杂的多维度分析提供数据支持，而数据分析实现跨系统、跨业务的整体分析，充分发挥数据整合的价值，二者相辅相成，共同完成数据价值的分析、挖掘。
数据分析项目以数据整合和数据分析为基础 ，实现跨系统的综合集成，全面打通企业的应用系统，构建综合分析展现平台。在实施过程中除了需要对产品、系统等有比较全面的了解，更重要的是能和客户一起梳理业务、规划指标，让客户能直接参与到数据整合分析的过程，全面掌握实施流程，才能将数据分析的成果有效落地，并能最终交付给客户，保证最终项目的交付。
总体说明
数据分析方案主要是满足企业数据整合、数据分析的需求，实现跨系统的数据整合，并能基于整合后的数据实现可视化分析，涉及DAP、ESB以及各个业务系统，通过平台建设构建数据仓库、数据指标以及可视化分析。
1.方案说明
数据分析项目主要包括DAP、ESB产品，满足数仓建设和分析展现的需求，在具体实施过程中，可能还会包含MDM基础数据平台形成数据中台方案， 通过MDM实现基础数据治理 ，为数仓提供基础数据支持。
DAP数据分析平台作为数据分析的核心，完成数仓建设、数据分析两部分内容，数仓通过ODS、DW构建数仓模型，实现分层建设，并能进行数据集、立方体等分析模型的配置，从而支持基于业务主题和业务指标的可视化分析。ESB作为数据集成平台， 实现源头系统到ODS以及ODS到DW数据抽取、加工、转换 ，完成数据汇聚的过程。而MDM基础数据平台则实现基础数据治理，为数仓提供基础数据支撑，构建数仓维表。
2.数仓架构
数仓的建设是基于DAP平台配置的多层数仓体系，具体架构体系如下：
数仓的建设过程主要是将源头数据汇聚到数仓，并进行分析配置的过程，包括了贴源层ODS、数仓DW和应用层ADS，而 DW又分为数据明细层DWD和数据服务层DWS 。数仓数据加工汇聚的过程：
1.源头数据首先进入ODS，一般直接以原始数据的形式存储，支撑数仓的同时，为数仓一体、数据追溯提供原始数据；
2.ODS落地数据后，再基于ODS构建数仓中的基础事实表，形成DWD；
3.基于DWD根据实际需要进行进一步的数据汇总，构建数据宽表和模型，形成DWS；
4.数仓构建完成后，基于数仓模型，根据分析主题和分析指标的要求进行数据集、立方体、多维分析、业务报表的配置，为最终的展现效果提供分析模型。
3.能力要求
作为一名合格的数据分析项目经理，首先应该能够完成全生命周期的项目管理，能够协调各方资源，有效推进项目，把握项目进度和风险，达到项目的最终目的。由于数据分析项目需要从各个系统采集数据，不可避免需要和各个系统厂商进行沟通，但是和数据治理项目不同， 数据采集更多是面向数据库、服务接口等已有的内容 ，不会涉及大量的系统改造，所以一般而言系统厂商更容易配合，所以在项目过程中多沟通，协调提供相应的资源即可。
作为项目实施的负责人，需要对DAP、ESB等产品充分了解，了解产品的相关功能以及具体的使用场景，掌握实施过程中通过平台进行数据采集、加工、转换、汇总的全流程，以及ODS、数仓、分析模型、可视化看板的配置过程等，能够根据客户需要快速配置展现样例，直观地呈现实施效果，让客户充分了解平台、了解最终达到的效果。
由于 数据分析项目的重点在于业务主题与指标的分析规划，以及数仓模型的假设 ，所以作为项目经理，需要充分了解客户的业务，明确各业务系统的业务以及包含的数据，能够根据实际业务规划主题和指标，能够根据数据指标明确数据来源，从而完成数据的抽取与汇聚。并在实施过程中，加强培训与输出的工作，协调客户方参与到指标梳理规划、数仓建设的过程中，保证项目成果的同时，能让客户更加全面得了解建设过程。
产品方案
数据分析方案是由DAP、ESB产品组合的解决方案，在实际项目中，有可能还会加入MDM进行主数据的治理与统一，为了保证数据分析的效果，项目人员需要充分 掌握数仓体系、建设过程、指标分析体系的建设过程 。
而对于项目人员的培养，则需要从产品、方案等方面进行强化，通过学习DAP产品掌握基础功能的使用，包括 数仓模型、数据调度、分析模型、页面配置 等，再通过样例了解数据采集、加工、转换、汇总的过程，通过POC的需求深入了解业务场景，以及在实际项目中的应用模式，通过不断学习、操作、项目，不断提升个人能力。
1.掌握产品
对于项目经理而言，需要充分了解自己所负责项目涉及的相关产品，需要熟练使用产品，了解产品的各个功能模块如何配置使用，如何和其他系统交互，实现数据的采集与加工转换。
DAP数据分析平台：
1. ODS配置 ：通过数据源的配置，将源头系统注册到DAP平台，并根据数仓建设的需要将源头系统表同步到ODS中；
2. 数仓建设 ：建立主题分组，配置数仓的维表、事实表，建立数仓模型；
3. 数据调度 ：基于ODS、数仓的配置，通过ESB设计器生成数据采集流程，实现源头数据到ODS、ODS到数仓的数据同步；
4. 分析模型 ：根据分析展现需要配置数据集、立方体、多维分析以及业务报表；
5. 数据服务 ：基于数仓数据配置数据服务和分析指标，通过数仓对外提供数据，实现业务系统与数仓的集合，强化数仓价值；通过配置分析指标，设置指标阈值，实现指标预警；
6. 展现配置 ：根据展现效果需要，配置分析主题、分析看板，结合分析模型的数据，构建动态的可视化数据展现效果，完成基于大屏、Web端、移动端的数据展现。
ESB企业服务总线：
1.需要掌握ESB平台的基础功能和使用方式，了解ESB产品在实际项目中可以满足的具体业务，以及和业务系统集成交互的具体方式；
2.在数据分析方案中，ESB主要作为数据总线，支撑DAP数据分析平台的数据采集与加工汇总；
3.ESB作为数据总线进行数据采集和加工汇总时，主要是根据DAP平台配置的模型，通过ESB设计器生成采集流程，再在DAP中配置相关的调度流程；
4.由于数据分析经常和MDM结合构建数据中台方案，所以如果涉及到MDM产品，ESB还需要支持MDM进行主数据的同步分发，以及业务单据等相关需求，所以对于ESB的 API管理、应用集成、安全机制 等也需要充分了解。
2.预置样例
对产品的了解和掌握，不仅仅是通过学习各个产品，同时要掌握具体的业务场景，为了加强产品的业务特性，降低上手难度，在ESB产品中预置了数据分析的样例，通过样例学习，可以更加快速地掌握DAP产品的实际应用。
DAP预置样例中包含了DAP和ESB两个产品，主要是通过ESB进行数据抽取、加工、转换、汇聚，实现源头到ODS、ODS到数仓，以及数仓中基础事实表到汇总事实表的数据整合。
3.内部POC
内部POC又包括iPOC、dPOC，是数通畅联基于实际项目的业务场景和最佳实践，同时结合 主数据治理、业务集成、统一身份、数据分析 等样例组合构建的综合性方案。其中dPOC作为数据中台方案，是数据分析方案的进一步深化，包括了DAP、MDM、ESB三个产品，在满足数据分析的需求之外，同时实现了主数据治理，并通过MDM为数仓提供维表数据，再结合业务系统的事实表数据，构建完整的数仓模型，实现基于人事、财务、成本、地产、旅游等主题的可视化分析效果。
POC的学习是在数据分析样例基础上的进一步深化，通过POC了解DAP更全面的应用。对于项目人员而言，熟悉POC的内容，一方面可以了解DAP具体的应用场景，同时也能了解DAP与MDM产品的结合点。在项目实施过程中能够更好地向客户方介绍方案的价值，以及后续信息化建设过程中数据的集成整合，也有利于项目的最终交付。
项目调研
对于数据分析项目的项目经理，项目管理的能力是必要的基础能力之一，了解并掌握项目的具体实施流程，并根据项目进度把控项目计划和质量，把控项目实施交付过程中的进度、风险。
1.调研内容
因为数据分析项目主要的内容就是数仓的建设与可视化分析，所以在调研过程中主要围绕数据主题和数据指标展开，了解数据分析的内容、范围、数据来源等。
1. 关键用户 ：在调研前首先要明确关键的用户和人员，包括客户方领导、技术人员、业务人员等，明确人员职责以及和项目的交集，同时也对其他系统厂商等相关人员进行确认；
2. 系统调研 ：主要对已建以及在建系统进行调研，明确有哪些系统，使用情况如何，哪些人员使用，包括哪些业务、哪些数据等；
3. 业务调研 ：主要对项目的核心业务进行梳理和调研，了解具体业务场景，并基于业务场景分析业务主题和数据指标，为后续数仓建设和展现配置提供依据；
4. 数据调研 ：根据系统、业务以及客户方的需求，确认本期项目需要分析的主题与指标，并针对每个主题和指标确认数据来源，包括来源系统、提供方式、来源表或接口、数据计算方式等。
2.需求分析
基于调研的结果进行梳理分析，对相关需求和要点进行梳理归纳，并在梳理的过程中加深对业务的理解，同时了解客户的关注点，另外对于客户的特殊或定制化需求，确认产品是否能够有效支撑，如果不能满足，具体的解决方案是什么。
1.根据调研的结果，结合DAP平台进行梳理归纳，确认 业务主题、业务指标、分析主题 等；
2.根据客户需求确认需要建设的多维分析、综合业务报表等复杂模型和报表展现；
3.分析各个系统所提供的数据结构，确认ESB是否可以正常进行数据抽取与加工汇总，指标的计算方式如何进行实现等；
4.如果客户提出的需求产品无法满足，及时和研发人员沟通反馈，确认产品是否可以扩展，如何可以扩展，明确具体的实现方式，如果不能扩展，也要提出适当的替代方案。
3.沟通明确
在进行需求梳理的过程中，对于不明确的内容需要反复进行沟通确认，明确具体的需求点和业务点，保证最后完成的需求符合客户的预期，才能保证最终项目落地的效果。在需求调研的过程中，需要输出需求规格说明书，并且作为蓝图阶段等交付材料，在蓝图阶段需要对需求进行确认，并且需要客户方关键用户进行签字确认，保证双方达成一致，避免后续出现实施效果无法满足需求的情况。
作为实施方项目经理，沟通交互是一项非常重要的工作，需要高频和客户方、系统厂商进行沟通交互， 对项目需求、业务、场景等内容进行确认 ，以及实际业务进行需求的梳理，同时将需求和产品功能匹配，对于不满足的功能进行反馈优化。对于数据分析项目，在项目实施的过程中，要尽量协调客户方人员参与到项目中，通过参与项目一方面了解项目的进度、协调相关资源，另一方面也是学习产品的过程，保证后续客户方可以根据业务需要，自行配置平台功能，实现数据加工汇聚与可视化分析。
项目实施
项目实施阶段主要是根据前期需求和蓝图确认的内容，推进项目内容的实施落地，在实施过程中，除了需要把握项目的进度和风险，还需要关注实施内容和边界。
1.明确边界
在项目蓝图阶段，需要根据需求制定明确的实施计划，并且进行计划分解，分解到具体人天，在实施过程中需要按照计划进行实施推进，进行过程中严格监控项目进度，如果出现计划偏差，要及时确认原因，进行问题处理，保证项目进度。在确认需求的过程中，要对数据分析的主题、指标、报表等内容进行明确，实施过程中按照前期规划进行推进，控制实施边界，避免计划外的工作，如果明确需要进行计划外工作，要及时进行变更确认。
2.标准建立
对于数据分析项目，为了保证项目的顺利推进，提高交付效率，同时也为了便于后续交付给客户，在前期规划以及实施过程中，要形成一套统一的标准，这个标准包括了数据标准和实施标准。
数据标准主要是业务主题、业务指标、分析主题、分析看板等内容的标准 ，包括主题的规划、指标的规划、分析展现的方式等，并且需要保证这个具备通用性和扩展性，能支撑后续业务的变化和升级，能基于标准不断深化，增加更多的业务主题、指标的分析。
实施标准主要是指数据分析的建设过程，因为数据分析属于一项长期的、不断迭代的更新的工作，而对于实施团队而言数据分析项目具有周期性，所以项目结束后的工作一定要移交给客户方，所以需要一套标准的、行之有效的建设标准，包括源头系统、ODS库、数仓、集成流程、分析模型、展现配置等，保证客户方后续可以自行进行数仓的建设以及分析配置。
3.人员培训
培训工作是项目实施过程中一项非常重要的工作，培训不单单是将实施的内容介绍给客户，更要让客户理解、熟悉项目的内容，在培训过程中，项目团队成员可以对实施的内容进行不断地复盘梳理， 加强对业务、场景的了解 。同时通过培训让客户方人员可以掌握平台的日常使用与维护，能够真正通过平台支撑日常业务。
数据分析项目尤其强调培训，而且更多的是要让客户方参与到项目过程中，在实施过程中培训，在分析业务、主题、指标的过程中，也让客户更加了解自己的业务，掌握分析梳理的思路和方法，掌握平台功能的使用，这样后期客户方才能自行进行数仓的升级建设，以及分析主题、分析指标的建设，发挥数据分析的价值，支撑业务的不断升级。
总结分析
数据分析项目也是目前数通畅联的方案之一，但在实际项目中，为了保证数仓建设的完备性、数据的准确性，以及与业务的深度结合，往往会 结合基础数据平台形成数据中台方案 ，在数据分析的基础上，延展主数据治理、业务集成等场景。而对于实施项目经理而言，全面掌握综合性的解决方案，才能更好地带领团队完成项目建设。
1.培训方案
由于数据分析方案需要深入到业务中，所以对于项目经理的培训，除了需要结合产品、样例、POC等内容了解具体场景、建设模式外，也需要了解之前实施过的同类项目，通过项目的类比和分析，不断了解不同行业、不同业务的主题、指标体系建设方式，在后续项目实施、售前等过程中，可以结合客户的实际业务，快速为客户提供常用的主题指标，引导客户，体现产品方案和实施团队的专业性。
2.培训体系
培训体系的建立不可能一蹴而就，而是一个不断迭代、不断优化的过程，是许多人、团队、经验不断积累、不断磨合、去芜存菁的结果，一旦建立一套比较全面、精准的培训体系，不仅可以促进团队和人员的成长，同时可以将个人能力的提升和企业的发展相结合，相互促进、相互提升。项目经理、项目团队的培训，需要从 产品、方案、业务、管理 等多个层面出发，通过学习产品掌握产品的使用以及典型场景；通过产品组合形成方案，了解具体的业务，结合业务分析产品的应用和价值；再通过参与项目了解真实的业务逻辑，以及和产品、方案的结合，分析具体的落地效果；通过参与多个项目了解项目的管理过程，强化对项目的理解，提升管理能力。
3.意识形态
对于数据分析项目经理培养，方案和体系固然重要，但是个人的能力模型、意识形态也是非常重要的一部分，方案和体系只能保证将项目经理需要的技能和知识传递下去。但是对于个人而言，要有提升意识和想法，能够将方案和体系提供的知识真正转换为自身的技能，化为己用、推陈出新，才能真正成为一名合格的项目经理，才能带领团队实现项目的有效落地，为个人、为团队带来价值。
培养项目经理也好，培养团队也好，通过方案、体系将知识传递下去，更重要的是保证被培训人员能够真正吸收这些知识，而 最好的确认方式就是考核体系 ，所以在培训体系中一定要有考核机制，要对培训的内容进行考核，考核被培训人对相关相关的知识的掌握程度，根据考核结果再进一步安排培训计划，从而达到不断迭代、不断提升的目的，培养出合格的数据分析项目经理，保证数据分析项目的有效落地，真正为客户带来价值。
本文由 原创，欢迎转发，仅供学习交流使用，引用请注明出处！谢谢~