算法工程师陈默的选型笔记：为什么我们把决策终端换成了PG直营站

自建看板的第三年，维护成本超过了开发成本

陈默在一家中型物流科技公司带算法团队，公司服务的客户以区域连锁商超和制造企业为主。三年前，团队为了满足客户对运输时效和仓储周转的实时查看需求，自建了一套数据看板。最初很轻，几张报表加一个定时任务就够用。但随着客户数量增加，看板变成了一个需要专人维护的系统：数据源接入要改代码，指标口径变更要发版，客户提出新的对比维度又要重新排期。

他算过一笔账，团队每年花在维护这套看板上的工时，已经接近开发一个新模块的成本。更麻烦的是，客户开始问一些自建看板回答不了的问题，比如“这个月的异常订单集中在哪些线路”“哪些客户的周转率在连续下滑”。这些问题需要的不只是报表，而是一个能承载分析逻辑的决策终端。

选型时他列了四个硬指标

陈默没有直接找供应商，而是先写了一份评估清单。他把团队和客户的需求归纳成四个硬指标，再用这份清单去对照PG直营站产品中心里的产品说明。他提到，产品中心把云端业务中枢和大数据决策终端的定位区分得比较清楚，这让他在评估时少走了弯路。

• 数据接入的灵活性：能否在不改代码的前提下接入新的数据源，尤其是客户侧的业务系统。
• 指标口径的统一性：总部和客户看到的是不是同一套口径，避免对账时各说各话。
• 部署与运维成本：团队规模有限，不希望再增加专职运维岗位。
• 终端覆盖：总部同事多用Windows电脑版，他自己和部分客户习惯Mac电脑版，两端体验要一致。

他用这四条逐一打分，自建方案在数据接入和终端覆盖上勉强及格，在运维成本上直接不及格；而PG直营站的方案在指标口径统一这一项上给出了比较明确的机制说明，这是他最看重的一点。

迁移过程中踩过的两个坑

迁移并不是一帆风顺。第一个坑是历史数据的清洗。团队过去三年积累的订单数据里，线路命名规则改过两次，直接导入会导致同一线路被拆成三条。陈默的解决办法是先做一层映射表，把旧命名统一到新口径，再接入决策终端。他建议后来者在迁移前一定先做这一步，否则后面的分析全是错的。

第二个坑是权限设计。最初团队把客户账号和内部账号放在同一层级，结果客户能看到不属于自己的数据范围。后来借助云端业务中枢的权限模型重新划分，按客户、按区域、按角色三层设置，问题才解决。他说，这类细节在产品中心的说明里不会写得特别细，但部署方式选择云端开通后，调整权限的响应速度比自建系统快很多。

换完之后，团队终于能回到算法本身

迁移完成后的第一个季度，陈默的团队把原本用于维护看板的工时，转投到了运输路径优化的模型迭代上。客户侧的变化也很直接：过去要等团队排期才能看到的分析维度，现在客户自己就能在决策终端里组合查看。他提到，PG直营站的产品中心提供参数对比和选型建议，对技术团队来说省去了大量前期调研时间。

他最后总结了两条经验：一是选型前先把内部需求写成可打分的清单，避免被演示效果带偏；二是迁移时优先处理数据口径，工具本身反而没那么难。至于终端，他的团队现在统一用Windows电脑版做日常查看，Mac电脑版留给需要长时间做分析的同事，两端数据实时同步，没有再出现口径不一致的争论。