|
2020年，刚从软件工程专业毕业的我，或许是出于对校园的“不舍”，选择入职高校后勤部门，负责信息化建设工作。原以为这份工作会契合课本里的程序员角色——专注于系统开发、代码编写，可真正上手后才发现，岗位更像“全能技术岗”：上到服务器运维、项目规划，下到电脑维修、软件测试，凡是涉及技术保障的工作，几乎都要参与其中。而随着后勤对服务精细化的要求越来越高，对数据驱动业务发展的需求也愈发迫切，这让我这个“传统IT人”开始涉足完全陌生的数据分析领域。
看到这次比赛通知时，我纠结了许久。翻看着论坛里“番薯”分享的亮眼经历，不是行业大牛的深度实践，就是数据专家的创新突破，反观自己，只是后勤系统里一名普通的技术人员，能拿出手的，不过是近三年跌跌撞撞的真实实践。但转念一想，这三年里的迷茫、挣扎、碰壁与微小突破，都是我最珍贵的成长印记，即便不够耀眼，也值得我去回顾梳理。
过去——初识数据分析
起步：从“光鲜项目”到“数据痛点”的觉醒
回首2023年初春，疫情刚告平息，后勤部门刚从三年的紧张防控中缓过劲，新的挑战便接踵而至。后勤社会化改革进入收尾阶段，管理人员精简，不少职能移交社会企业，监管难度陡增：既需要高效管理手段支撑，又得摸索全新的监管模式。
彼时，部门刚完成基于数字孪生的调度指挥中心项目建设。本以为这个“高大上”的项目能解决监管难题——通过大屏集中展示各业务系统数据，实现监控、分析、预警一体化。可上线后才发现，他虽然外表“光鲜”但内在却不够充实，大屏数虽然能全方位多角度展示各业态实时数据，但面对定制化需求，比如想要某段时间某餐厅营业额靠前的档口数据，却无能为力，没有完全实现项目预期。
调度指挥中心效果图
调度指挥中心实景
更致命的是数据本身的短板：不同系统的数据口径不统一、部分数据缺失不全、甚至存在误差，导致展示结果与实际情况偏差明显，项目的实用价值大打折扣。那段时间，我常常反思：为什么花费那么多时间和成本的驾驶舱，用起来却像个花瓶？为什么工厂里那些指挥大屏却能产生实际效益？也是从那时起，我才真正觉醒：数据是所有应用的根基，根基不牢，再花哨的系统也只是空中楼阁。
探索之路：从“数据中台”到“轻量化方案”的纠结与转折
意识到问题核心后，我开始沉下心琢磨数据治理。一开始，我想当然地认为“搞个数据中台就行”，能一站式搞定数据采集、清洗、建模的全流程。可调研了一圈市场上的产品后，我陷入了两难：这些数据中台功能虽强，但过于复杂臃肿，实施周期长、成本高，还需要专人维护。对于高校后勤这种业务场景相对聚焦、人手和预算都有限的单位来说，硬上无疑是“水土不服”，大概率会半途而废。
那段时间，我格外焦虑。一边是新项目需要马上申报，一边是现实条件的诸多限制，好几次对着电脑里的调研资料一筹莫展，甚至萌生了“要不先凑活推进，后续再优化”的念头。但转念一想，数据基础要是打不好，后续只会留下更多隐患，便又打消了这个想法。就在我一筹莫展时，偶然接触到了帆软的系列产品。与帆软团队深入沟通后，我突然豁然开朗：我们缺的不是“数据中台”这个名头，而是能打通“数据采集-加工-应用”的闭环能力。帆软的FineDataLink、FineBI与FineReport，恰好提供了一套完整且轻量化的解决方案，这不正是我们需要的吗？
关键一跃：汇报现场的“惊险破局”
想法虽好，却得先过领导这关。后勤部门没人接触过BI工具，大家对“数据分析”的概念十分陌生，领导更是充满疑虑。汇报那天，帆软团队将技术逻辑、产品优势逐一讲解，可领导始终皱着眉，神情严肃，没有丝毫松动。
眼看汇报就要陷入僵局，我开始焦急起来，心想难得争取的机会又要浪费了吗。这时，我想起领导之前提出过他更关心这个东西怎么能用到实际业务上，于是，我打断了汇报，试着提出现场演示如何应用。在得到领导同意后，我立刻打开FineBI，以食堂档口营业额为例子，快速搭建动态分析模型，将近一个月的营业额变化趋势、靠前档口排名直观呈现在屏幕上。领导见状，身体微微前倾，凑近屏幕仔细查看，紧锁的眉头慢慢舒展开，眼神里多了几分认可，欣然感慨：“这就是你们说的数据分析啊，这么看确实能有作用”。看到领导的态度转变，我悬着的心总算落了地，项目也顺利获得了认可。那一刻我深刻体会到：再先进的技术，也得用实际场景说话，才能让人信服。
落地攻坚：与“乱数据”死磕的挣扎与坚持
项目获批后，真正的硬仗才刚刚开始。为了保障建设效果，我结合业务需求设计了104项技术指标作为实施标准，但推进过程中，最大的拦路虎还是数据本身。
后勤业务繁杂，包含了20多个业务系统，数据量大且分散，光能源管理平台就有超2万张数据表；各系统间数据关系错综复杂，单单总用电数据就得汇总大量设备表、通过复杂公式计算得出；更麻烦的是数据标准不统一，同一个“房间名称”，在不同系统里就有多种叫法，整合起来格外费劲。
那段时间，我天天跟这些“乱数据”死磕，频繁与能源、餐饮等业务部门沟通，梳理数据标准、核对字段映射关系。有时候对着一堆重复错乱的字段，越看越烦躁，甚至想过“就这样吧，差不多就行”，但一想到数据基础的重要性，又咬牙坚持下来。好在有帆软团队的技术支持，我们按业务门类对数据分类梳理，将数据仓库划分为ODS层-DW层-DM层三层，还把统一后的标准固化成维度表，总算打通了20余个系统的58个数据接口，构建出168张业务指标表。
数据仓库架构
有了数据基础，我开始搭建数据分析看板。作为初次接触BI产品的新手，我还踩了个小坑：一开始选了浅色系界面，上线后却收到反馈“数据看得费劲”，对比测试后，最终换成深色系，清晰度才明显提升。
现在——成长与突破
成长之路：从“技术自嗨”到“业务落地”的蜕变
本以为看板上线后会迎来“一片好评”，结果现实却泼了我一盆冷水：业务部门同事对BI并不感冒，觉得看板“不如Excel灵活”，使用率远低于预期。这让我格外失落，甚至开始怀疑自己的工作价值，反思是不是太执着于技术实现，而忽略了业务场景的实际需求。数据赋能，终究不是做几个好看的看板就行，而是要真正解决同事们的工作痛点。
我知道闭门造车永远不会有突破，在得知帆软社区有丰富的培训课程后，我报名参加了FR报表学习班、BI数据分析实战班。课程内容虽然有一定门槛，但好在“科班”出身的我有一定基础，课程初期的内容并不是很难理解，但随着课程的逐步深入，难度也在逐步提升，完成作业需要的时间也在逐渐增加，有时为了能够及时完成作业经常需要熬夜奋战，期间我也想过放弃，想过是不是在没事找事。但转念一想，既然已经迈出第一步，就没有半途而废的道理。于是每天挤出时间刷视频，遇到不懂的就泡在社区里寻找答案，逐渐我开始被帆软的产品设计吸引，特别是FR里层次坐标这一设计，初次了解时会感到难以理解，让我有种重学数据结构的感觉，但理解后不得感叹设计的巧妙，很好的解决了坐标拓展的问题。课程结束时，我也顺利通过了FCP商业数据分析师、报表开发工程师等资格认证。
在经历了充分的学习后，我也注意到我以前忽视的点——仍停留在纸质办公的业务流程，这些业务如果能够数字化无疑能够极大地推进大家对BI的关注，于是我开始用简道云将业务流程线上化，比如师生热线问题处理——以前都是手动复制反馈内容分给各部门，操作繁琐还容易出错。我初次设计表单时，直接照搬了系统字段，结果收到反馈使用不便。我没有气馁，而是沉下心与同事们沟通，了解他们的使用需求，发现同时希望能够复制粘贴后一键填充内容，通过研究我发现师生热线系统中复制的内容格式相对固定，便想利用正则完成自动提取，可简道云原生不支持正则，我便翻遍帮助文档，尝试用文本编辑公式组合，经过无数次调试，总算实现了文本自动解析与字段填充，大幅降低了操作成本。
表单上线后，大家不仅用得顺手，还主动提出添加新字段、优化流程，流程前后经历了7个版本的调整。如今，师生热线处理平均时长从25小时降至18小时，数据汇总也无需手动统计，效率大幅提升。这之后，在部门组织的数据分析培训中，越来越多的老师加入进来。去年举办的数据分析看板制作比赛，大家热情高涨，我常常在各个办公室之间奔波，这个老师的问题还没解答完，下个老师就找上门了。他们或许不懂复杂的函数运算，但能从自身工作出发，用数据挖掘痛点，这让我突然明白：数据分析的价值，不在于技术多高深，而在于能否真正解决实际问题。
亟需突破：突发任务的“一波三折”
随着看板越做越多，领导和业务部门的需求也愈发精细。今年3月，校领导参观数字孪生智慧大屏时，对公寓门禁考勤数据很感兴趣，询问能否在PC上查看。可这个驾驶舱是专门适配大屏的，PC上无法正常显示，但任务还是要完成的，无疑，用FineBI制作学生在寝分析看板是最佳选择。
一开始我信心满满，觉得这事儿不难——以前做过类似看板，以为取出汇总好的指标表就行。可真正上手才发现，数据根本满足不了需求，想要得到在寝趋势变化数据，只能通过学生出入明细数据计算。那段时间，我绞尽脑汁梳理计算逻辑，最终决定把历史数据按小时拆分计算。
更麻烦的是，通行表数据量太大，计算耗时远超预期，预览都要等半天，这样根本无法继续制作，好在天无绝人之路，我发现ods层从业务系统取数速度不慢，赶紧调整数据源，耗时才降到可接受范围。好不容易熬了一个周末做出初稿，部门主任查看后指出数据存在偏差：早8期间本科生在寝率偏高，与实际情况不符。
我瞬间压力倍增，心想这几天的努力难道要白费？赶紧逐一排查，发现计算逻辑确实有瑕疵，没考虑到小时内多次通行的情况，但这没完更糟的是，业务系统还因单次取数太多宕机，导致数据丢失。没办法，我只能硬着头皮加班补采数据、调整逻辑，直到数据与实际基本一致，才算顺利交差。这次经历让我清醒地认识到，我们的平台远没有想象中强大，当初实施时很多细节考虑得不够周全，也让我开始认真思考平台的未来发展方向。
|
任务修改记录
|
数据修补任务
|
未来——困境与破局：从“被动响应”到“主动驱动”的探索
当我重新审视平台建设成果时，发现那些看似“光鲜”的看板下面，埋藏着一个个数据暗雷：通行记录数据量庞大导致的计算瓶颈、档口更换后未及时更新导致的统计口径偏差……这些被忽视的细节，最终都影响着数据的准确性。如果数据问题得不到解决，数据分析就是空中楼阁，数据赋能更是无从谈起。
在解决这些问题的过程中，我也遇到了不少阻力：争取资源支持难度大，跨部门核对数据时，业务部门难以全程投入，一个数据往往要反复核对，耗费大量时间。这些遭遇让我陷入迷茫，不知该如何破局。恰逢此时，帆软社区上新了《企业BI建设方法》课程，学习后我隐约找到了出路。
学习笔记
课程中提到的“IT自嗨，业务不理”“领导不认可”“资源不聚焦”等痛点，让我感同身受，其中提到的“业务提需求、IT来实现”的业务场景也与我们部门目前非常符合，领导和业务人员对数据战略的认知不够清晰，导致长远规划缺乏足够资源支撑，然而如何解决当前的问题绝非单纯依靠技术实现，核心是紧扣业务目标，避免与实际工作脱节，让大家真正看到数据分析的价值，让数据战略这一长远目标得到重视。
尽管推动部门数据战略落地任重道远，但我将“上下求索”。这三年的“治数”实践是我最好的武器，我将充分利用他们，形成可行数据战略落地方案，按照“长-中-短”三步走的规划，逐步推进。新年伊始，我的未来短期目标便是从源头重新抓起，筑牢数据根基，这次不再是单打独斗，而是联合全部力量参与其中，建立从上至下的数据治理委员会，每个数据都责任到人，避免再次出现为了一个数据“辗转反侧”而数仓的重构也是重中之重，“技术祛魅”后我会从业务出发，根据已经落地的应用来拆分每一个维度，制定每一个指标，同时在业务与技术间探索更加适合后勤部门的数仓架构。“好的开始是成功的一半”，虽然前路依然充满未知，但我相信有了稳定的数据基础，数据战略落地之路的前程必将是光明的。
最后：一点想说的
从2020年入职时对数据分析一窍不通的“技术小白”，到如今能独当一面的“治数人”，这三年的成长，藏在每一次迷茫后的反思里，藏在每一次碰壁后的坚持里，也藏在每一次突破后的喜悦里。
探索数据赋能的道路没有捷径，未来还会遇到更多挑战，但我愿意带着这份对技术的敬畏、对业务的敬畏，在这条路上继续深耕。我期待有一天，数据能真正融入后勤运营的每一个环节，让部门实现从“被动响应需求”到“主动驱动业务”的转型，让后勤服务更精准、更高效——这，就是我作为一名高校后勤IT人的“数据梦”，也是我未来始终不变的前行方向。 | 
