來源：一個(gè)數(shù)據(jù)人的自留地
作者：薄荷點(diǎn)點(diǎn)

談到BI系統(tǒng)，大家第一印象多半是數(shù)據(jù)指標(biāo)看板、可視化、大屏。今天我們暫時(shí)拋開可視化、數(shù)據(jù)指標(biāo)等等元素，談一談在一個(gè)BI看板或者BI報(bào)表系統(tǒng)中引入數(shù)據(jù)決策的模塊（功能）。

設(shè)想一下，你的業(yè)務(wù)用戶，經(jīng)常拉著你，不再是要求看這個(gè)指標(biāo)，或者新增某個(gè)趨勢(shì)圖，而是希望和你討論業(yè)務(wù)數(shù)據(jù)背后的原因。

他們?cè)噲D與你討論通過數(shù)據(jù)自動(dòng)化的分層、計(jì)算、處理等方式，得到一些更加聚合的“內(nèi)容”，這些“內(nèi)容”可能不是數(shù)據(jù)本身，有可能是定性的，有些甚至看起來是無法通過數(shù)據(jù)直接就能獲得的。

當(dāng)你遇到這些情況的時(shí)候，可能你的BI需要引入數(shù)據(jù)決策模塊了。有人會(huì)問，現(xiàn)在業(yè)務(wù)系統(tǒng)本身就要會(huì)做很多決策支持，數(shù)據(jù)BI系統(tǒng)來做決策支持，有什么區(qū)別和優(yōu)勢(shì)嗎？

我給大家舉個(gè)例子：

通過監(jiān)控業(yè)務(wù)流的時(shí)間周期進(jìn)行告警，主要是對(duì)于那些應(yīng)發(fā)生而未發(fā)生的業(yè)務(wù)操作/狀態(tài)進(jìn)行告警，一般是監(jiān)控延遲。比如，制造生產(chǎn)流程，物料是否按時(shí)到達(dá)某個(gè)指定環(huán)節(jié)了，物流流程，包裹是否按時(shí)到達(dá)某個(gè)中轉(zhuǎn)點(diǎn)了，打車流程，司機(jī)是否按時(shí)到達(dá)乘客上車點(diǎn)。

一般來說，業(yè)務(wù)系統(tǒng)傳統(tǒng)的做法是這樣：先定義好每個(gè)流程節(jié)點(diǎn)應(yīng)該完成的最晚時(shí)間，達(dá)到這個(gè)最晚時(shí)間了，動(dòng)作還未發(fā)生/狀態(tài)還未改變就告警。

事實(shí)上，業(yè)務(wù)流程上約定的最晚時(shí)間，會(huì)考慮很多的因素，一般是部門之間、上下游之間妥協(xié)的結(jié)果。業(yè)務(wù)流程也會(huì)盡量去動(dòng)態(tài)制定最晚時(shí)間，比如會(huì)綜合考慮上一個(gè)操作已完成的時(shí)刻、考慮人員班次輪換等。

我們使用數(shù)據(jù)來做的話，可以更加適應(yīng)實(shí)際情況，可以利用數(shù)據(jù)反饋出來的規(guī)律，將現(xiàn)有流程與同期或者同水平條件（相同業(yè)務(wù)環(huán)境）下完成時(shí)間點(diǎn)水平進(jìn)行比較，確定基準(zhǔn)時(shí)間（注意數(shù)據(jù)找的就不是最晚時(shí)間了），如果沒到達(dá)這個(gè)時(shí)間點(diǎn)就進(jìn)行報(bào)警。

這里我描述得比較簡單，基準(zhǔn)時(shí)間需要根據(jù)不同現(xiàn)實(shí)環(huán)境與歷史水平之間的關(guān)系來得到，這可以通過數(shù)據(jù)分析、數(shù)據(jù)挖掘的方法來做。

現(xiàn)實(shí)情況之所以特別依靠人腦的決策，就是因?yàn)橛绊懍F(xiàn)實(shí)世界的因素有很多，因素越多，靠越剛性的辦法去解決就越做不好。而數(shù)據(jù)去驅(qū)動(dòng)決策、去輔助決策支持的好處是：利用數(shù)據(jù)挖掘發(fā)現(xiàn)各個(gè)因素之間的關(guān)系，可以考慮更多影響因素，可以通過數(shù)據(jù)去覆蓋更廣泛的情況。

我自己目前遇到以下3種數(shù)據(jù)決策的場景情況比較多：

• 風(fēng)險(xiǎn)告警

談到風(fēng)險(xiǎn)，大家可能覺得金融場景用的多，但事實(shí)上，風(fēng)險(xiǎn)告警可以說是最接近數(shù)據(jù)的一種應(yīng)用，只要有數(shù)據(jù)都可以用到這個(gè)場景。風(fēng)險(xiǎn)告警在BI上的典型例子就是指標(biāo)波動(dòng)告警。

當(dāng)數(shù)據(jù)指標(biāo)出現(xiàn)波動(dòng)的時(shí)候，根據(jù)波動(dòng)幅度大小，會(huì)有不同的通知方案，小波動(dòng)，可能發(fā)個(gè)郵件通知到收件人，比較大幅度的波動(dòng)，需要短信，更嚴(yán)重的需要短信+電話呼出。這種場景可以通過是規(guī)則來實(shí)現(xiàn)，產(chǎn)品經(jīng)理定義好波動(dòng)的幅度和對(duì)應(yīng)的通知策略，系統(tǒng)計(jì)算波動(dòng)指標(biāo)，到達(dá)對(duì)應(yīng)閾值范圍，觸發(fā)通知指令。

• 問題診斷

某些數(shù)據(jù)指標(biāo)出現(xiàn)了波動(dòng)，那么是什么原因造成的波動(dòng)呢；訂單生產(chǎn)的速度變慢了，是哪個(gè)環(huán)節(jié)造成的呢。這些都屬于問題診斷。問題診斷是風(fēng)險(xiǎn)告警的下一步，需要先對(duì)整個(gè)流程上各個(gè)環(huán)節(jié)進(jìn)行數(shù)據(jù)監(jiān)控，能夠發(fā)現(xiàn)異常（數(shù)據(jù)波動(dòng)），問題診斷是回答：造成現(xiàn)狀異常的環(huán)節(jié)在哪里發(fā)生，或者原因是什么。類似與數(shù)據(jù)分析里面的歸因分析。

傳統(tǒng)的做法，是將專家經(jīng)驗(yàn)轉(zhuǎn)化為一個(gè)個(gè)有層級(jí)的條件，通過查看數(shù)據(jù)符合哪些條件分支，最終來定位到異常環(huán)節(jié)或者原因，類比的話很像決策樹的處理方法。

如果使用數(shù)據(jù)的方法，可以考慮將專家經(jīng)驗(yàn)轉(zhuǎn)化為知識(shí)圖譜（注意這里就不是再使用策略了），知識(shí)圖譜可以擴(kuò)展專家經(jīng)驗(yàn)，能夠挖掘事物之間的聯(lián)系并且可以進(jìn)行推理，對(duì)于一些新出現(xiàn)的問題，在擴(kuò)展性和覆蓋面上會(huì)比專家經(jīng)驗(yàn)要高。

舉個(gè)例子：

數(shù)據(jù)庫運(yùn)維，如果使用專家經(jīng)驗(yàn)策略的話，一般是根據(jù)固定的排錯(cuò)路徑，依次查看CPU、內(nèi)存、IO等各項(xiàng)指標(biāo)，先看這里有沒有問題，沒有問題再看下一處。

如果使用知識(shí)圖譜，則可以同時(shí)去計(jì)算多個(gè)排查路徑中涉及到的指標(biāo)，對(duì)排查路徑進(jìn)行優(yōu)化和推薦，對(duì)于一些復(fù)雜的問題（有多項(xiàng)指標(biāo)出問題了）或者新的問題，會(huì)得到一些專家也未必能夠第一時(shí)間想到的排查路徑，適應(yīng)新會(huì)比較好。（但是知識(shí)圖譜也是在專家經(jīng)驗(yàn)基礎(chǔ)上進(jìn)行沉淀、轉(zhuǎn)化的，知識(shí)圖譜的質(zhì)量決定了數(shù)據(jù)決策應(yīng)用的效果，其核心在于對(duì)于所屬領(lǐng)域內(nèi)實(shí)體關(guān)系的理解）

• 決策建議

很多人都知道數(shù)據(jù)驅(qū)動(dòng)決策，最直觀的就是決策建議了。不過我們會(huì)發(fā)現(xiàn)能夠?qū)I(yè)務(wù)有效的建議十分少見的。這是因?yàn)闃I(yè)務(wù)的復(fù)雜性和數(shù)據(jù)的可得性決定的。但是我們也有應(yīng)對(duì)辦法——對(duì)于已經(jīng)超出現(xiàn)有能力的情況，還是由業(yè)務(wù)專家和數(shù)據(jù)專家們?nèi)ソ鉀Q，系統(tǒng)只做系統(tǒng)能做到的事。

情況一：業(yè)務(wù)框架穩(wěn)定，解決問題的策略已經(jīng)十分成熟。

常見的場景：電子商務(wù)品類運(yùn)營，對(duì)于各類反應(yīng)商品銷售、點(diǎn)擊的情況，指標(biāo)體系十分成熟，對(duì)于各類指標(biāo)反應(yīng)的情況，也有成熟的運(yùn)營策略。這樣的情況就十分適合進(jìn)行系統(tǒng)化，通過數(shù)據(jù)+策略聯(lián)動(dòng)，實(shí)現(xiàn)決策建議。

情況二：業(yè)務(wù)框架穩(wěn)定，有一定解決方法，但是出現(xiàn)的問題和解決方法不穩(wěn)定、難以定性。

常見的場景：自動(dòng)化生產(chǎn)車間在制造過程中的生產(chǎn)資源投入，比如機(jī)器人工作站的開啟與關(guān)閉，這種情況下，雖然業(yè)務(wù)流程很明確，解決方法也有（缺少資源就增加資源），但是對(duì)問題的判斷比較模糊（何時(shí)、何地、何種程度），對(duì)于出現(xiàn)問題之后的解決辦法難以定性，比如增加資源，增加多少合適呢？

如果需要解決的業(yè)務(wù)場景能做到目標(biāo)明確，就可以使用一些特定領(lǐng)域的建模方法（比如運(yùn)籌優(yōu)化），直接將問題轉(zhuǎn)化為算法問題。

但是大部分情況下，都難以做到目標(biāo)明確（無法收斂為一個(gè)目標(biāo)函數(shù)），這是因?yàn)闃I(yè)務(wù)目標(biāo)通常不是單一的。

比如自動(dòng)化車間生產(chǎn)過程中的資源調(diào)度問題，背后是效率和成本的平衡，這時(shí)候我們考慮用業(yè)務(wù)專家經(jīng)驗(yàn)轉(zhuǎn)化為策略，將場景拆分，對(duì)可以采取數(shù)據(jù)策略的辦法進(jìn)行決策建議的優(yōu)先處理，我們很難計(jì)算出定量的決策建議，就先給定性的方向，建議用戶應(yīng)該增加資源了（暫時(shí)不建議具體數(shù)量）。

這種情況下，決策建議的好壞，在于業(yè)務(wù)專家對(duì)數(shù)據(jù)及其背后代表的流程內(nèi)核的深刻理解。

做好數(shù)據(jù)決策很難，篇幅有限，本文先拋磚引玉，未來有機(jī)會(huì)還希望能和讀者們進(jìn)一步探討。畢竟，我們都知道，數(shù)據(jù)的價(jià)值最終還是在于業(yè)務(wù)。

關(guān)注我即刻了解更多數(shù)據(jù)分析知識(shí)

更多數(shù)據(jù)分析內(nèi)容

掃描碼即可了解