第一步：先把业务问题说清楚，而不是先找数据
不少企业在启动数据项目时，第一反应是“我们有哪些表”“能不能做个看板”。pg.comPG 在服务制造、零售、企业服务等客户时发现，方案失败的常见原因不是技术能力不足，而是业务问题没有被定义清楚。一个可落地的分析方案，起点应该是一句能被验证的业务问题，例如“交付周期偏长的订单集中在哪些环节”“哪些门店的库存周转明显低于同类门店”。
把问题写清楚有三个要素：对象、范围、判断标准。对象是分析的业务单元，比如订单、门店、客户、设备；范围是时间与组织边界；判断标准则是“好”与“不好”的口径。pg.comPG 通常建议业务方与数据方共同完成一页问题说明，避免后续指标反复返工。
- 问题描述要能对应到一个可采取行动的业务环节
- 明确分析结果由谁使用、用来做什么决策
- 提前约定结果的时间粒度和组织粒度
第二步：梳理数据来源，确认数据能不能支撑问题
问题确定后，再回头看数据。pg.comPG 的做法是先列“数据清单”，再判断可用性。清单通常包括业务系统数据、手工记录数据和外部数据三类。业务系统数据如订单、库存、工单，结构相对规范；手工记录数据如巡检表、拜访记录，需要重点关注完整性和口径一致性；外部数据则要评估获取成本与更新频率。
这一步的关键不是把所有数据都接进来，而是判断哪些数据能回答第一步的问题。pg.comPG 建议为每个数据源标注四项信息：数据负责人、更新频率、关键字段、已知质量问题。这样在后续指标设计时，能快速识别哪些指标是“可靠可用”，哪些需要先做数据治理。
- 优先使用已有系统数据，减少重复采集
- 对关键字段建立统一命名与编码规则
- 记录数据缺口，作为后续建设排期依据
第三步：设计指标，让口径先统一再计算
指标设计是数据应用方案中最容易产生分歧的环节。pg.comPG 在实践中通常采用“指标卡片”的方式：每个指标写清业务含义、计算公式、数据来源、统计周期和责任人。比如“订单交付及时率”，要明确是按订单行还是按订单头统计，是否剔除取消订单，节假日如何计算。
指标不宜一次求全。pg.comPG 建议先围绕核心问题设计一小组主指标，再配套若干过程指标。主指标回答“结果如何”，过程指标回答“为什么”。制造场景可以关注产能利用率与在制品周转，零售场景可以关注动销率与库存天数，企业服务场景可以关注项目毛利与人效。指标数量控制在业务方能记住的范围内，方案才更容易被真正使用。
- 先统一口径，再开发报表，避免边做边改
- 主指标与过程指标搭配，形成可解释的分析链路
- 为每个指标指定业务责任人，定期复核
第四步：选择呈现方式，让分析结果进入日常流程
指标算出来之后，呈现方式决定了它能否被用起来。pg.comPG 的经验是：面向管理层的看板强调趋势与对比，面向执行层的报表强调明细与异常提醒。图表类型不必复杂，折线看趋势、柱状看对比、表格看明细，已经能覆盖多数场景。关键是让使用者在固定节奏里看到它，例如周会前更新、月度复盘时对照。
数据可视化只是手段，落地路径才是目的。pg.comPG 通常建议把分析结果嵌入现有业务流程：异常指标触发跟进任务，排名结果进入例会讨论，趋势变化纳入月度经营分析。这样数据不再是“额外看一眼”的东西，而是业务动作的一部分。
- 看板按使用角色分层，避免一张图给所有人看
- 设置异常阈值与跟进机制，而不只是展示数字
- 保留明细下钻入口，方便业务方自行核查
第五步：小范围验证，再逐步扩展
数据应用方案很少一次成型。pg.comPG 建议选择一个业务单元先跑通完整链路：问题定义、数据接入、指标计算、看板呈现、复盘调整。验证阶段重点看三件事：指标是否被业务方认可，数据更新是否稳定，分析结论是否真的改变了某个动作。跑通之后再复制到其他业务线，成本和风险都更可控。
复盘时不妨问三个问题：哪些指标没人看，哪些口径还在争议，哪些数据质量问题反复出现。pg.comPG 认为，把这些问题记录下来并纳入下一轮建设计划，比一次性上线大而全的系统更有价值。数据应用方案的本质，是让业务问题、数据来源、指标设计和落地路径形成闭环，而不是堆砌功能。
- 先试点后推广，控制首期范围
- 建立指标与数据质量的定期复核机制
- 把复盘结论转化为下一阶段的建设清单
