一、浅坑：易察觉，却最常踩

这类问题通常源于需求分析师经验的缺乏和沟通的草率，虽不致命，但会显著降低BI成果的可信度和用户体验。

1.        指标计算口径问题：该剔除的没剔除

“毛利率 = (销售收入 - 销售成本) / 销售收入”。直接按此计算，可能将退货、赠品、员工购买等非正常销售订单也计入其中，导致报表中的毛利率与客户手工计算的不一致，为后面的测试对数埋下风险。

2.        设计不考虑使用人，追求大而全

试图用单一报表或仪表盘满足所有角色的需求，界面元素堆砌，重点迷失，导致“人人都不满意”。销售总监看业绩达成，要求能穿透省区经理追踪到销售主管即可，无需看一线销售员和每个客户的销售数据。而一线销售员必须能追踪到每个客户的销售偏差。

二、深坑：难察觉，杀伤力巨大

这类问题涉及数据架构、业务逻辑和项目管理的核心，需要需求分析师具备深厚的技术理解和业务洞察力。

1.      数据的粒度问题

某项目中考核经销商的经销商采购金额指标是每个季度填报一次数据，结果很多经销商考核的看板、报表设计中无意放的是“年月”筛选器，则直接导致项目人天浪费在“是季度向月度拆解还是把分析重点从达成率改成完成率”的多次讨论会议中。

2.      指标的时间问题

考核销售部门的考核销售数量，往往是具体产品名称的销售数量乘以一个系数，然后相加得出。但是每年系数都不一样。需要和客户沟通清楚是用当年的系数对历史数据重新计算，便于统一计算口径让同比变得有意义，还是维持历史数据。不同的计算方式，对用户数据分析结果产生重要影响。

3.      客户的期望管理问题

客户认为上马一套价值不菲的BI项目，自然对项目寄予厚望，却忽视了BI软件也有缺陷与不足。某质量主题的BI项目，甲方的项目经理在需求说明书中把实现“人机料法环测”、数理统计等理想化的质量归因都写进去了，却罔顾企业没有现成的ERP系统、HR系统老旧无法提取数据等一系列问题。数据底座不支持，自以为上了BI就能解决一切质量归因问题。对客户期望管理中，大量的时间投入引导、纠正中……

三、最后寄语

BI项目的坑有很多，不管深坑、浅坑，良好的客户关系、平等频繁的坦诚交流、专业而丰富的需求分析，最终会让BI项目完善交付。