在《大数据与BI的建设方法》平台建设第一步中，我们首先要做好需求调研。 然而通常情况下，通过需求调研收集到的客户需求，往往属于“描述性需求”或“表层需求”，而大多数企业对于自身需求其实并不明确，或是没有十足的把握，真正的潜在需求、核心需求藏在难以察觉的更深层次，正如只在水面上露出一角的冰山，主体部分其实都在水下。所以同样的BI，同样的分析技术，在不同的需求认知下，会让数据分析的价值天差地别。因此，如何挖掘出真实、完整的需求，成为大数据与BI建设的重要环节之一。

小王的难题

小王是国内某金融服务企业的IT部门员工，最近接到了领导交办的任务，要帮助业务部门搭建一套业务BI分析体系。从项目启动到需求调研阶段，小王都非常积极；但在经过一段时间的了解后，小王发现这事做起来，并不像看上去那么简单，在以下几个方面频频出现问题： 1.进行业务部门需求调研时，小王发现对接的业务人员表达不出明确的思路与需求，让IT团队“看着办”，或者只是要求帮着“做做现有的报表”“调调样式”等等； 2. 进行IT内部需求调研时，IT需要对现有数据进行ETL，需要建立数据仓库，需要建立多维分析模型，但IT没有行业数据模型基础，不了解业务，如何开展是个问题； 3. 小王向企业领导确认需求时，得到的反馈是：一线人员的需求就是本次BI项目需求，能辅助一线人员工作开展、提高效率就是本次项目成功的目标。 这让小王犯了难：需求好像很明确，但实际上又很不明确，不知道该从何下手。 其实通过数据分析产品进行协助支持，再次深入调研时可能会分析出以下问题： 1.企业业务人员对BI期望过低，缺乏方向感，并不了解数据系统系统能够带来哪些便利； 2. IT人员偏重技术，缺乏行业数据模型积累，只能跟着业务人员的方向走，无法展现BI的真正价值； 3. 领导层缺乏整体规划，不了解业务具体需求，导致没有明确目标和方向。 4. 对于需求的理解不足、不准确，成为多个环节存在的问题，也成为企业BI项目落地的最大障碍之一。

需求挖掘五部曲

解决像“小王们”的难题，得从“需求挖掘五步曲”入手。 步骤一：场景假设 首先，按照金融BI类项目的常规需求进行细分，按照即席查询需求、数据报告需求、安全性需求、性能需求、可维护性需求等维度进行需求分类，在各种分类下进行场景假设。 步骤二：数据匹配   金融服务企业内部不同业务体系有不同的风险关注视角，使用人员需要能够按照自己的维度进行分析。因此接下来，要收集各业务体系的分析维度，汇总后建立起整体的数据模型，让使用人员能够通过灵活筛选不同维度、动态展示分析报告，在同一数据平台、同一分析报告中匹配不同的数据关注需求。另外，对于不同的用户层级，数据权限不同，关注的数据颗粒度也有所不同，因此在需求挖掘过程中需要按用户角色设计列权限、行权限的数据过滤规则，建立不同的报表展现层次和数据展现层次，以满足不同岗位人员、数据关注层次不同的需求，同时能够通过下钻和上卷进行互动分析。 步骤三：深度挖掘   数据权限、数据层次、分析主题的问题基本虽解决了，不过，这些都是为了查看以往的数据，或是分析当前的数据。如果能够在这一基础上预测未来的数据走向，并进行针对性的策略调整，将会带来丰厚的价值。这就需要进行深度分析需求的挖掘，按照行业发展趋势、企业战略规划分解、深度预测等维度进行更层次的需求挖掘，针对公司所在的金融行业研究生成了行业发展趋势报告，通过外部数据源采集获取行业Top 5和同级企业的核心金融指标数据，并与公司自身数据进行对比，实时了解到自身与行业发展状况，为决策进行数据支撑。同时近10年业务数据建立业务数据模型，在大幅度上实现未来三年内收支数据的预测。 步骤四：价值评估   通过大数据平台优化，从数据出现异常到到系统检测到再到管理层收到预警邮件的时间大大减少。相较传统BI分析中“业务——IT——业务”的模式转变为由业务人员独立完成，大幅提高业务人员的工作效率；同时也让以往忙于处理繁杂业务需求收集的IT人员，可以将更多精力用于数据治理和系统运维上；管理层也能够从靠经验进行决策，转变为依托数据分析报告进行科学决策。 步骤五：闭环验证 启动项目试运行后，需要定期进行各需求落地效果监测，包括监测报告应用的深度、覆盖范围、应用频率等，对用户体验感受进行访谈，实地了解是否实现了敏捷式的数据分析目标，进一步验证前期价值评估效果，进一步对各类需求实现进行优化、完善；同时根据试运行过程中呈现的新需求制定新的应用场景，让整个需求挖掘过程形成闭环，保证了项目从调研到实施始终与客户真正需求保持一致。 总结   需求挖掘的过程，就是站在用户价值实现的立场，利用专业的挖掘方式在个人、部门、企业核心需求方面打开缺口，找出“水下”潜在的需求“冰山”，从而为客户创造独特的价值。