1. 数据仓库平台需求分析与规划
数据仓库平台建设失败，多数不是败在技术选型，而是败在需求阶段。业务方说“我要看报表”，IT方理解为“建几张宽表”，双方在项目验收时才发现对“实时”“口径”“明细粒度”的理解完全不同。因此，本章的核心任务不是写文档，而是把模糊的业务诉求转化为可度量、可验证、可排期的工程约束。需求分析与规划要回答五个问题：业务要什么、数据从哪来、平台要做到什么程度、需要多少资源、先做什么后做什么。
一、业务需求调研：从“要报表”到“要决策”
业务调研的目标是识别决策场景，而非收集报表清单。建议采用“业务域—决策问题—指标—维度—粒度”五层拆解法。以某零售企业为例，销售域的业务诉求是“控制缺货与滞销”，拆解后得到决策问题：哪些门店、哪些SKU在未来7天可能缺货？对应指标为库存周转天数、缺货率、动销率；维度包括门店、商品类目、时间、渠道；粒度要求为“门店×SKU×日”。
调研时需重点确认三类信息：一是指标口径，例如“销售额”是否含税、是否扣除退货、按订单日期还是发货日期归属；二是时效要求，是T+1、小时级还是分钟级；三是历史深度，通常财务与合规要求保留3～5年，而行为日志可能只需13个月。建议用一张“需求登记表”记录：需求编号、业务域、决策问题、指标、维度、粒度、时效、历史深度、优先级、提出人。这张表是后续范围与里程碑规划的直接输入。
二、数据源梳理：摸清家底与质量
数据源梳理要形成“源系统清单+数据画像”。源系统清单记录系统名称、数据库类型与版本、数据量、更新频率、抽取方式（CDC、时间戳增量、全量）、网络可达性、负责人。数据画像则针对关键表记录：表名、行数、主键、字段类型、空值率、枚举值分布、是否存在重复、是否有敏感字段。
以订单表为例，梳理时可能发现：订单主表与订单明细表通过order_id关联，但存在约0.3%的明细无对应主表记录（脏数据）；订单状态字段有“已支付”“支付完成”两种写法，需在ETL中统一。这些发现直接决定后续清洗规则与数据质量校验点。数据源梳理的产出应是一份可执行的“源到仓映射表”，标明每个目标表的数据来源、抽取方式、增量字段与更新频率。
三、平台目标定义：用可验证的指标描述
平台目标不能写成“建设统一数据仓库”这类口号，而应转化为可验证的指标。建议从四个维度定义：
- 覆盖度：首批接入6个源系统、覆盖销售/库存/财务3个业务域，支撑20个核心指标。
- 时效性：核心报表T+1上午8:00前可用；库存看板小时级刷新。
- 质量：关键指标与源系统对账差异率≤0.1%；主键唯一率100%。
- 可用性：ETL任务成功率≥99%，查询平均响应时间≤5秒。
这些指标既是验收标准，也是容量与性能预估的输入。目标定义阶段还需明确“不做什么”，例如首期不建设实时数仓、不接入非结构化日志，以避免范围蔓延。
四、容量与性能预估：用数据说话
容量预估从源数据量出发。假设订单明细表当前1200万行，日均新增8万行，每行约0.5KB，历史保留3年。则三年后行数约为1200万+8万×365×3≈9960万行，原始数据量约47.6GB。数仓通常保留多份（ODS、DWD、DWS），并考虑索引与压缩，可按原始数据的2.5～3倍估算存储，即约120～145GB。若再叠加10个类似规模的事实表，首期存储需求约1.5TB，建议按2TB规划并预留30%增长空间。
性能预估关注两个指标：ETL窗口与查询响应。若日增数据80万行、单行处理耗时0.1ms，则纯计算约80秒，加上抽取、加载与索引维护，单任务窗口约5～10分钟。若夜间有50个任务串行，总窗口约4～8小时，需在凌晨0:00至6:00内完成，因此必须并行化或错峰调度。查询响应则取决于并发数与数据量，建议首期按20并发、单表千万级、响应≤5秒设计，并通过聚集索引与分区表控制扫描量。
五、项目范围与里程碑规划
范围规划的核心是“首期做窄、做深”。建议按业务域分批：首期聚焦销售与库存两个域，覆盖6个源系统、20个核心指标；财务与会员域放入二期。范围界定需明确边界：哪些报表纳入、哪些不纳入；哪些源系统接入、哪些暂缓；数据保留多久、是否支持历史回溯。
里程碑规划应包含四个关键节点：需求确认、源系统接入完成、模型与ETL开发完成、测试与上线。以12周项目为例，W1-W2完成需求确认与源系统梳理，输出需求登记表与源到仓映射表；W3-W4完成源系统接入与数据质量校验；W5-W8完成维度建模、ETL开发与指标计算；W9-W12完成对账测试、性能调优与上线。每个节点需定义可验证的交付物，例如“需求确认”的交付物是经业务与IT双方签字的需求登记表，“源系统接入完成”的交付物是6个源系统均可稳定抽取且数据质量校验通过。
最后，需求与规划不是一次性活动。建议在项目启动后每两周做一次需求回顾，将新增需求放入待办池并重新评估优先级，避免范围在开发阶段无序膨胀。规划的价值不在于预测未来，而在于当变化发生时，团队知道哪些可以调整、哪些必须坚守。