4. 维度体系设计：时间维度、产品线维度、团队维度、优先级分段维度

维度是看板数据的骨架。没有维度的指标只是孤立数字，只有将 RICE 评分挂接到时间、产品线、团队、优先级分段四个核心维度上，才能从不同粒度回答“什么功能、由谁、在什么时候、处于何种优先级”这四个关键问题。本章详细拆解每个维度的定义、数据口径与业务映射关系。

4.1 维度定义与数据口径总览

4.2 时间维度拆解

时间维度是看板中最基础的筛选器。所有 RICE 评分的趋势分析、周期性对比都依赖准确的时间标签。

• 最小粒度：需求“创建日期”不可为空，作为时间维度的主键。
• 衍生字段：建议同步记录“预计上线日期”和“实际上线日期”，用于评估交付偏差。
• 同环比计算：看板中常见的“本月 vs 上月”（环比）和“本月 vs 去年同月”（同比）均依赖时间维度做日期偏移。

4.3 产品线维度拆解

产品线维度帮助识别哪个业务模块需求堆积最严重、哪个模块平均 RICE 评分最高，是资源调配的重要依据。

• 层级结构：建议采用两级分类：一级为业务线（如“电商”、“内容”），二级为子模块（如“购物车”、“商品详情”）。
• 数据清洗：不同系统间产品线名称可能不一致（如“OA系统” vs “办公自动化”），需建立统一映射表。
• 看板作用：通过产品线维度下钻，可以快速定位“高评分但低排期”的瓶颈模块。

4.4 团队维度拆解

团队维度与人力资源分配直接挂钩。看板应能回答：“每个团队当前承载了多少高优先级需求？团队间的 RICE 评分分布是否均衡？”

1. 负责人 vs 责任团队：需求同时关联“提出团队”和“执行团队”，两者在分析侧重点不同：前者衡量需求来源，后者衡量工作量。
2. 跨团队需求标注：如果需求需要两个以上团队协作，应在数据表中使用数组或关联表记录多个团队名称。
3. 产能关联：将团队维度与 Sprint/迭代日历关联，可以计算出团队的“需求吞吐量／平均 RICE 评分”比率。

4.5 优先级分段维度

优先级分段维度是 RICE 评分的落地输出。它将连续数值转化为离散的、可直接指导排期的等级。

• 分段逻辑：通常按照 RICE 总分从高到低排序，采用百分位或绝对阈值划分。推荐模板如下：

分段阈值动态调整：业务进入不同阶段（如大促季 vs 日常期）时，P0 的阈值可以临时调整，但必须在看板中注明“当前阈值版本”。

4.6 四维交叉分析：看板结构示例

下图展示了四个维度如何围绕“RICE 总分”构建核心看板结构。实际看板中，用户可以通过下拉筛选器选择任意维度的值，后台 SQL 自动拼接 WHERE 条件进行动态过滤。

4.7 异常解释与业务动作

维度体系设计不完整或数据口径不一致，会直接导致看板数据失真。以下是几种常见异常场景及对应排查动作：

SELECT 
    product_line,
    COUNT(DISTINCT demand_id) AS demand_count,
    AVG(rice_score) AS avg_score
FROM fact_demand
WHERE created_at >= '2025-01-01'
GROUP BY product_line
ORDER BY demand_count DESC;

4.8 复盘分析：维度设计的核心逻辑

维度体系的优劣决定了看板分析深度的上限。复盘时建议从以下三个维度（元维度）评估当前设计是否合理：

• 完备性：是否覆盖了决策者所有常用的筛选条件？如果业务方经常问“为什么只看到这个月的数据？”，说明时间维度粒度不够细。
• 一致性：各维度的枚举值与业务系统中的定义是否完全对齐？任何不匹配都会导致看板里的“空切片”。
• 可扩展性：当新增一条业务线或成立一个新虚拟团队时，维度体系是否能在不重构看板的前提下容纳新值？