“物流大促期间出库单量积压场景下，不同仓的生产操作人员需要在统一数据源基础上进行基于自身仓情况的个性化查询分析，从而能够实时监控客单情况，防止积压。要想实现这样的功能，对数据分析平台的要求就非常高。在引入SpreadJS之后，Udata平台可以为客户提供更高效的数据查询方案。”

—— 京东物流 技术与数据智能部

一、公司简介

京东物流是中国领先的综合物流解决方案提供商，隶属于京东集团。作为电商行业的龙头企业之一，京东物流拥有全球最大的自营物流网络，覆盖国内外超过300个城市。为了能够为客户提供更好地服务，京东物流致力于建设全球智能物流网络，其物流基础设施包括超过500个物流中心、数万辆专业车队和大量的自动化设备。同时，京东物流还与合作伙伴共享资源，通过开放平台模式吸纳第三方物流企业加入，形成全面布局、多层次的物流体系。与此同时，作为中国领先的技术驱动型供应链解决方案及物流服务商，京东物流以“技术驱动，全球高效流通和可持续发展”为使命，致力于成为全球最值得信赖的供应链基础设施服务商。

二、项目背景

数据是京东物流一线业务人员每天都要接触的，企业也需要通过数据进行业务竞争能力的考核，例如指标监控预警、指标为达成明细分析、会议复盘总结和报告等等，希望能够通过数据挖掘更多的客户价值，辅助使用人员进行各类的内外部决策。在数据应用的流程中，数据的收集、Excel做数、协同办公都是非常重要的环节，但在实际的工作中却往往面临着：重复性工作多、数据一致性差、数据时效性不良、性能体验差的问题。

通过对业务的观察可以看出，通过Excel做数仍然是数据使用人员目前非常主流的处理方式，中国式报表也是实际工作中非常常见的报表形式。但是中国式报表也有其独特的特点：

1. 受众多样化

报表中各个层次、各种角色的成员都是报表的使用者，不同角色的用户关心的信息内容不同、样式不同、使用方式也不同。

2. 报表样式复杂

中国式报表往往不追求图表式的直观可视化效果，而是体现信息的丰富度。因此在样式上使用了较多的数据透视、多层表头、不完全划分、分栏等，这些都导致了中国式报表样式的复杂。

3. 数据计算复杂

通常情况下，报表的查询、分析条件都非常复杂，且存在复杂的统计运算、如Sumif函数、汇总、同比、环比、达成状态等。对于参数页面布局、参数控制类型等都有较高要求。

4. 多数据源

中国式复杂报表的数据源往往比较分散，数据信息来自不同的业务系统，技术路线和数据结构都有很大的差异。

正是因为以上特点才导致中国式复杂报表：

1. 治理难度大

需要从数据源、数据指标体系两方面入手，且需要业务多层级联动共同拉齐数据认知。

2. 研发资源消耗大

面向分析场景个性化程度高、不固化、不明确、研发侧支持有资源瓶颈。

3. 大数据技术挑战大

大数据量、实时在线交互分析、系统执行复杂度不确定、响应时间和用户体验很难预判保证。

为了能够更好地解决上述问题，京东物流建设Udata自助式敏捷BI解决方案，从线上化Excel数据采集、自助式分析、中国式报表、开放协同等多个环节提升一线业务人员对数据价值的挖掘和应用能力。

三、系统介绍

在数据集采集环节，Udata自助式敏捷BI解决方案选择采用零门槛易上手的线上化Excel方式，在该环节中，通过解耦数据指标、明细数据模型等多种方式来构建数据地图；在数据分析环节，通过百万级自助取数、点选式自助分析等方法实现对数据的实时洞察。除此之外，平台通过电子表格、Excel图表、中国式报表实现数据的交互式分析。在开放协同部分，引入接口服务、数据预警、安全集成、办公协同等功能，增强业务人员协同效率，帮助企业实现从原有的“人找数据”转变为“数据找人”。

数据采集（线上化Excel）

数据的采集和录入是数据应用平台中非常重要的一个环节。为了降低使用者的操作门槛，方便其快速上手，京东物流在Udata自助式敏捷数据应用平台中引入了葡萄城的纯前端表格控件——SpreadJS。采用的该方案的好处主要包含：

1. 低门槛

SpreadJS能够提供类Excel的编辑风格，功能布局与交互方式都与传统的Excel高度类似，使用门槛低，迁移成本低。

2. 轻量级

SpreadJS无需借助后台代码和第三方组件，可直接基于浏览器提供轻量级操作，无需安装、即开即用。

3. 快集成

报表在线管理，可与工作台、邮箱、办公系统深度、快速集成共享，提升数据交互与协同效率、

数据处理

数据准备及数据清洗是数据应用中非常重要的一个环节。Udata自助式敏捷数据应用平台提供完整的数据准备及治理流程，帮助业务人员在线挖掘更多的数据价值。

具体包含：

1. 数据集成

平台能够支持多源异构、不同类型数据资源的统一接入，有效打破数据孤岛的现象。

2. 数据配置

可基于配置化的方式实现数据处理，业务端可自主完成数据采集工作，不再依赖数据开发者，提升业务端的数据应用效率。

3. 数据加速

平台底层查询引擎升级，能够支持联邦从查询加速，使得访问性能得到大幅提升。

数据应用

在物流大促期间出库单量积压场景下，不同仓的生产操作人员需在统一数据源的基础上进行基于自身仓情况的个性化查询，从而帮助使用人员实时监控客单情况，防止积压。为了能够解决该问题，Udata自助式敏捷数据应用平台以独立报表形式提供即席查询能力，用户可在他人分享的报表链接基础上，经过数据透视第二次制作生成为自身的独立报表，进一步满足个性化分析的诉求。

四、平台及方案价值

在物流业务高速发展，不断变化的情况下，业务管理者对全链路标准化数据应用的诉求不断增加，需要研发部门快速响应需求，缩短交付周期。因此，对研发部门面临着平台性能要求高、可复用性低、研发资源投入大的难点。

为了能够应对上述挑战，京东物流引入新的技术和方案，进一步提升平台应用能力及响应速度。

1. 利用高复用性快速配置提高效率

接口开发，基于指标管理基础能力，解决重复开发的同时，摆脱代码化，采用点选式配置方式快速配置接口。

2. 性能优化一步到位

平台统一进行性能优化，避免因开发人员能力差异，导致性能优化时间长，效果差的情况。

通过Udata自助式敏捷数据应用平台，当日交付的快速响应，与传统方式相比，数据资产变现的效率提升5倍以上，开发成本降低80%以上，现已支撑了物流业务实时监控，指挥调度等多个系统的场景需求。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005