4. 需求调研与数据源梳理
工程分析数据平台的建设，其根基在于对业务需求的精准把握和对数据源头的透彻理解。本章聚焦于如何与工程团队高效沟通，系统性地识别并梳理CAD、CAE、PDM、ERP等关键数据源，并建立一套可落地的数据质量评估方法。
4.1 与工程团队的沟通策略
工程团队是数据平台的核心用户与数据生产者。沟通的目标不仅是收集需求，更是建立信任、对齐术语、明确边界。建议采用“三层访谈法”进行需求调研：
| 层级 | 访谈对象 | 核心关注点 | 产出物 |
|---|---|---|---|
| 战略层 | 技术总监、总工程师 | 业务目标、KPI、数据驱动决策方向、投资回报预期 | 项目愿景、高层级数据范围 |
| 执行层 | CAE/CAD主管、仿真经理 | 现有流程痛点、数据流转瓶颈、分析场景优先级 | 业务流程图、数据需求清单 |
| 操作层 | 一线工程师、设计师 | 日常工具使用习惯、数据录入规范、字段含义、异常处理 | 数据字典草稿、质量反馈记录 |
沟通技巧提示： 避免直接询问“你们有什么数据？”，而是引导式提问：“在完成一次结构强度分析时，您需要从哪些系统获取哪些参数？这些参数通常以什么格式存储？” 使用工程团队熟悉的术语（如“材料牌号”、“网格类型”、“装配约束”），而非数据领域的“主键”、“外键”。
4.2 关键数据源识别与特征分析
在工程分析领域，数据源通常分布在四个核心系统中。每个系统的数据模型、更新频率、访问方式差异显著，需要分别制定接入策略。
核心数据源矩阵：
| 数据源 | 典型数据内容 | 数据格式 | 更新频率 | 数据量级 | 关键字段示例 |
|---|---|---|---|---|---|
| CAD | 三维几何模型、装配树、尺寸公差、材料属性 | STEP, IGES, Parasolid, CATPart, SLDPRT | 高频（每日多次） | 大（单个文件可达GB） | PartNumber, MaterialID, Mass, Volume |
| CAE | 网格模型、边界条件、载荷工况、求解结果 | OP2, H5, RST, DAT, INP | 中频（项目周期内） | 极大（结果文件可达TB） | ElementID, Stress, Strain, Displacement |
| PDM | 产品结构BOM、版本历史、审批流程、文档关联 | 关系型数据库（Oracle, SQL Server） | 中频（版本发布时） | 中（结构化数据为主） | ItemID, Revision, LifecycleState, Owner |
| ERP | 物料主数据、成本信息、供应商、库存状态 | 关系型数据库（SAP HANA, Oracle EBS） | 低频（每日/每周批量） | 中（结构化数据） | MaterialNumber, Cost, SupplierCode |
4.3 数据质量评估方法
数据质量是数据平台能否产生可信分析结果的前提。针对工程数据的特点，建议从以下六个维度进行评估，并建立量化评分机制。
常见陷阱： 工程团队常认为“PDM中的数据是准确的”，但实际调研发现，由于历史数据迁移或手工录入错误，PDM中的物料编码与ERP中的编码不一致率可能高达5%-15%。必须通过交叉验证进行核实。
4.3.1 六维评估模型
| 维度 | 定义 | 工程数据典型问题 | 评估方法 |
|---|---|---|---|
| 完整性 | 数据是否缺失关键字段 | CAE模型缺少材料属性、CAD文件缺少版本号 | 字段空值率统计、必填项校验 |
| 一致性 | 同一数据在不同系统中是否一致 | PDM中的零件名称与ERP中的物料描述不匹配 | 跨系统字段比对、关联记录抽样 |
| 准确性 | 数据是否真实反映客观实体 | 仿真结果中的应力值超出物理极限、尺寸公差错误 | 与物理试验数据对比、专家审核 |
| 时效性 | 数据是否反映最新状态 | 使用了已过期的CAD版本进行仿真分析 | 时间戳比对、版本追溯 |
| 唯一性 | 实体是否被重复记录 | 同一零件在PDM中存在多个编码 | 主键重复检测、相似度算法 |
| 规范性 | 数据格式、单位、命名是否符合标准 | CAD文件中混用mm和inch、材料牌号命名不统一 | 正则表达式校验、枚举值检查 |
4.3.2 评估实施步骤
- 定义评估范围： 选择1-2个核心产品线或典型分析场景作为试点，避免一次性覆盖所有数据。
- 制定评分标准： 每个维度按0-100分打分，总分加权计算。例如：完整性30% + 一致性25% + 准确性20% + 时效性10% + 唯一性10% + 规范性5%。
- 工具辅助扫描： 使用脚本或ETL工具对数据源进行批量扫描，生成质量报告。
- 人工抽样复核： 对工具扫描结果进行人工确认，特别是准确性维度需要领域专家介入。
- 输出质量基线： 形成《数据质量评估报告》，作为后续数据治理的基线。
4.4 数据源梳理清单模板
在实际项目中，建议使用以下清单模板对每个数据源进行详细记录，确保不遗漏关键信息。
数据源梳理清单（示例：CAE仿真结果数据源）
--------------------------------------------------
数据源名称： Nastran 结构分析结果库
系统类型： CAE
数据存储位置： \\nas-server\cae_results\project_alpha
数据格式： .op2, .h5
数据量预估： 约 2.5 TB（历史累计）
更新频率： 每周新增约 50 GB
关键字段列表： [ElementID, NodeID, Stress_VonMises, Displacement_X, Displacement_Y, Displacement_Z, LoadCaseID]
数据负责人： 张工（结构分析组）
访问方式： FTP + 内部API
已知质量问题： 部分历史文件缺少LoadCaseID标签，需人工补录
数据质量评分： 完整性 85, 一致性 90, 准确性 95, 时效性 80, 唯一性 100, 规范性 70
备注： 需要与PDM中的版本号进行关联
实践建议： 在完成初步梳理后，组织一次“数据源确认会”，邀请各系统负责人和关键用户共同评审梳理结果。重点确认数据血缘关系（数据从哪里来、经过哪些转换、最终流向哪里），这是后续数据模型设计的重要输入。