导读随着京东物流一线业务人员取数用数需求的不断增长，传统的线下Excel为主导的数据分析共享模式在不断扩张的物流数据需求面前捉襟见肘。由此，京东搭建了以自助分析为核心的敏捷BI平台，提供面向异构数据源的一致性、数据分析水平参差、高并发查询时效性的完整解决方案。
今天的介绍会围绕下面三点展开：
1.京东物流一线业务数据应用现状
2.UData：以自助分析为核心的敏捷BI解决方案
3.应用场景及案例
编辑整理｜苏屿
内容校对｜李瑶
出品社区｜DataFun
01
京东物流一线业务数据应用现状
京东物流一线业务数据处理主要依靠线下Excel方式，各部门间相同报表需求的烟囱式开发存在重复性工作，数据一致性和时效性也无法保证。
1.中国式报表的特点及挑战
中国式报表在企业数据分析场景下普遍存在，报表受众多样、样式复杂、计算嵌套、数据结构各异，在数据治理、研发资源、大数据技术等层面造成了诸多挑战：
治理难度大：需要从数据源、数据指标体系两方面入手，且业务多层级联动拉齐数据认知；
研发资源消耗大：面向分析场景需求个性化程度高，研发侧排期资源有限；
2.建设平台工具解决实际业务问题
3.新老流程对比
02
UData：以自助分析为核心的敏捷BI解决方案
1.UData自助式敏捷BI——产品架构
UData基于HSAP(HybridServing&Analyticalprocessing)理念，是包括数据集成、数据管理、数据服务、数据分析在内的一体化数据应用平台。面向数据应用场景业务分析人员及研发人员，提供一站式解决方案，提升整体组织效率，快速高效盘活数据资产。
数据接入：平台支持各类异构数据源的接入，包括但不限于Hive、MySQL、Oracle等。
数据管理：提供对表、指标、标签、字典、维度、数据源等的统一管理。
数据地图：提供业务视角的数据查询、血缘分析能力。
权限管理：包括用户权限、用户组权限、行级权限、看板权限等。
数据分析：面向业务人员的低代码可视化自助查询分析、在线高效协同。
数据服务：面向技术人员提供低代码接口开发和平台监控，实现效率提升。
2.UData自助式敏捷BI——产品特性
低门槛：无论是点选式的数据集配置方式，还是在线Excel的编辑风格，都为一线业务人员即使没有代码能力也能上手平台提供了支持。
轻量级：平台可以直接在浏览器中操作，无需安装任何软件，随开随用。
数据集成：支持多元异构的不同类型数据资源的统一接入。
数据模型配置：业务人员直接选择数据，并通过部署、过滤、合并等操作即可快速完成数据模型的建设。
数据加速：查询引擎升级，支持联邦查询的提速，从而使性能得到了大幅提升。
3.UData自助式敏捷BI——遇到问题
在平台搭建与用户运营推广过程中，我们也面临三大核心挑战，这些问题在数据分析工具的产品设计中也具有普遍性：
首先，对于中国特色的复杂报表处理，查询性能的提升成为一大难题。
最后，平台设计若缺乏合理性，将导致用户学习成本增加，进而影响用户体验。因此，如何优化平台性能、提升用户体验，并降低用户的学习成本，是我们在持续创新与发展过程中必须解决的课题。
（1）UData自助式敏捷BI——性能专项
（2）UData自助式敏捷BI——稳定性专项
稳定性专项的衡量指标为可用性和故障率，可用性越高，故障率越低，系统的稳定性就越好，针对各种可用性或故障问题提供不同执行策略来保证指标的达成。
首先，对于数据问题，我们通过自动化数据接入和数据同步更新，提高数据获取速度和准确性；
最后，通过产品对接和设计，提升应用性。同时采取措施降低故障率并完善监控。
（3）UData自助式敏捷BI——易用性专项
通过新版整体框架的升级，解决了旧版系统的多方面问题，例如操作不连贯、设计繁杂以及展示方式单调等。
首先，在整体框架方面，旧版采用功能型设计，导致用户难以明确需求。新版则根据用户习惯和流程重新编排菜单，减少对用户的干扰；
其次，在数据准备模块流程方面，将配置步骤从11步简化为6步，大幅提高用户效率；
此外，在配置页面方面，采用开发算法降低系统复杂度，放大常用操作区域，提升操作流畅度；
最后，在数据准备和数据分析模块中，增加列表管理功能，提升系统和谐度，更符合用户习惯。
03
应用场景及案例
1.业务报表线上化、数据更新自动化
在618大促等重要节点，需要整点播报数据，而在旧的工作流程中，这一天可能需要刷新和制作数据十几次，每次刷新耗时半小时。UData平台报表效率提升80%；
在各省区日常运营监控场景下，其提效比例高达96%。
2.独立报表提升查询分析效率
针对仓库客单积压场景的独立报表分析平台解决方案。基于集团用户制作完成的看板，不同省区用户需要进行更深入的分析。因此，一线用户可以利用独立报表功能，根据自身需求进行个性化看板的配置，无需再经历从数据查询到数据配置的一系列流程，查询分析效率得到了显著提升。
3.数据服务场景
在研发层面的应用上，若业务需求涉及大型项目，研发团队需开发众多接口。通过UData平台，他们可以利用低代码配置方式，避免全部采用接口开发，从而在研发效率上实现显著提升。此外，数据资产的转换效率也能提高五倍以上，开发成本降低80%以上。
4.人人都是数据分析师
在推进平台运营宣传过程中，我们注意到一线业务人员在数据处理方面的能力各异，同时业务需求分散且多样。为提升业务人员的能力并满足其数据需求，我们与各业务部门协同开展了“人人都是数据分析师”的专项培训。
首先，我们与各业务部门达成一致，制定了适应不同业务线的培训计划，主要以专题培训形式开展，涵盖各类数据需求模块、客户投诉模块、时效分析模块等。我们邀请集团层面相应模块的负责人参与，引导用户构建高质量、可复用的数据集。
数据集建设完成后，我们通过用户组形式将其共享给省区、片区等不同层级的用户。在使用平台工具时，这些用户可以直接应用已创建的数据集，无需从零开始搭建，降低了学习成本。
此外，我们还设立了复盘和激励机制，以提升业务人员的学习积极性。目前，已成功于物流的运力、拣运和终端等业务部门开展培训。
5.BI到AI能力进阶
在实现从BI到AI能力跃进的过程中，如何更高程度地发挥数据资产的价值，是我们亟待解决的问题。我们希望更多的用户能够便捷地获取到所需的数据，从而充分利用数据资产。结合数据资产管理平台、大模型的技术及内部协同工具的经验，旨在为用户提供更丰富的数据获取途径。
用户可通过小助手机器人问答式交互方式获取数据。
INTRODUCTION
刘凤
京东物流
高级产品经理
京东物流产品专家，有10年B端产品经理经验，一直深耕物流行业，从传统物流、电商物流、众包物流到物流最后一公里，曾负责多个从0到1的系统产品设计，有着丰富的物流行业工作经验。现在是UData的产品经理，该平台是一个面向业务部门使用的一站式自助式灵活数据分析平台，解决业务部门找数难、做数难、用数难的问题。