BI看板的“刷新焦虑”：数据多久更新一次才够用

刷新频率的隐性成本

BI看板上的数据不是实时产生的。从业务发生到数据出现在看板上，中间隔着若干个环节。业务系统产生数据，ETL抽取、清洗、转换，数据仓库加载，看板查询刷新。每个环节都有延迟。延迟累积起来，可能是几分钟，也可能是几小时，甚至是一天。

用户对数据延迟的容忍度是不一样的。销售总监看当日业绩，能接受半小时的延迟。工厂看生产线实时产量，延迟超过一分钟就无法接受。市场部看昨日渠道投放效果，第二天早上看到数据就可以。不区分场景、统一设定刷新频率，要么资源浪费，要么用户不满意。

高频刷新有成本。数据库查询压力大，ETL作业频繁触发，看板响应变慢。用户每次刷新页面，系统都在重新跑查询。如果100个用户每人每小时刷新10次，一天的查询量就是几万次。大部分查询返回的是没有变化的数据。高频刷新浪费了计算资源，但用户感知不到数据变化。

低频刷新也有成本。用户打开看板，看到的是昨天的数据。他做了决策，执行了动作，事后发现数据更新了，结论完全不同。决策错误的机会成本，远高于刷新消耗的计算资源。刷新频率设低了，短期看节省了服务器资源，长期看可能导致错误决策。

不同场景的刷新策略

实时监控类场景需要秒级刷新。生产车间看板、物流追踪看板、交易风控看板。这些看板用于监控正在发生的过程，延迟会导致监控失效。刷新策略是主动推送，后端数据变化时前端自动更新，不需要用户手动刷新。刷新频率根据数据源的变化频率设置，变化快的秒级刷新，变化慢的分钟级刷新。

当日运营类场景需要分钟到小时级刷新。销售当日业绩、库存实时水位、客服接单量。这些看板用于当天的运营管理，不需要秒级精准，但需要比日更精细。午休时看到的数据应该是上午的真实情况。刷新策略是定时刷新，每15分钟或30分钟触发一次，或者每天固定时间点刷新。用户打开看板时看到的是最近一次刷新的快照，不需要等待实时查询。

趋势分析类场景每天刷新就够了。月度销售趋势、季度成本分析、年度客户流失率。这些看板用于观察长期趋势，对时效性要求低。前一天的数据第二天看到完全可接受。刷新策略是每日凌晨刷新，用户在上班时看到的是最新数据。批量查询在业务低谷期执行，对生产系统影响小。

战略决策类场景的刷新频率更低。年度经营分析、三年战略复盘、行业对标分析。这些看板的数据可能按月、按季度更新，甚至按年更新。刷新策略是手动触发，数据源更新后由管理员执行刷新，不需要自动任务。

刷新频率的折中方案

不是所有用户都需要同样的刷新频率。销售总监需要实时业绩，一线销售员看的是个人完成率，每天看一次就够了。同一块看板，不同角色的数据时效性要求不同。折中方案是分层设计，高层级汇总数据高频刷新，明细数据低频刷新。销售总监看的是团队总业绩，实时刷新。一线销售员看的是自己的订单明细，每日更新。

按数据热度区分。热数据高频刷新，温数据中频刷新，冷数据低频刷新。最近三天的订单数据高频刷新，三个月以前的订单数据按需刷新。数据量大的看板，这种分层设计可以显著降低系统负载。

按时间段区分。工作时间内高频刷新，非工作时间低频刷新。上午9点到晚上6点是业务高峰期，刷新频率加密。晚上6点以后业务量下降，刷新频率降低。凌晨批量处理历史数据，不占用白天资源。这种策略需要系统支持按时间段配置刷新计划。

刷新频率与用户体验的平衡

用户对“数据旧”的感知和对“系统慢”的感知，需要平衡。实时刷新但每次查询要等5秒，用户会觉得系统慢。每小时刷新但查询瞬间返回，用户觉得系统快。在大多数非监控场景中，用户更在意响应速度。

主动刷新用户当前关注的数据是一种优化方向。用户在看板上下钻到某个区域的明细，系统可以针对这个区域的数据触发一次后台刷新，确保用户看到的是最新状态。用户没有关注的区域继续使用缓存数据。按需刷新机制可以在保证数据新鲜度的同时控制系统负载。

缓存策略也能改善体验。高频使用的查询结果写入缓存，下次同样的查询直接从缓存读取，不需要重新跑数据库。缓存的过期时间根据数据的更新频率设定。数据变化快，缓存过期时间短；数据稳定，缓存过期时间长。缓存命中率高了，系统响应就快了。

告诉用户数据是什么时候的也很重要。看板右上角显示“数据更新于10:23”，用户知道数据的基准时间，不会拿着10点的数据在11点做决策。数据时效的透明度可以降低用户的“刷新焦虑”，用户确认数据时间后再判断是否需要等待更新。

新易编码与BI看板刷新的关系

BI看板的刷新频率受数据源更新频率的影响。物料编码改了，ERP里的物料主数据更新了，BI看板上的物料分类报表才能刷新。编码变更到看板可见之间的延迟，是多个环节延迟的累加。

新易编码在编码变更时主动推送变更消息到消息队列，订阅系统可以实时收到变更通知。BI系统订阅了编码变更消息，收到通知后触发相关看板的增量刷新，不需要等待定时任务。编码变更到看板可见的延迟从小时级降到分钟级。

编码版本管理也可以支撑历史数据的稳定查询。编码变更后，BI看板可以选择查询当前有效的编码，也可以选择查询历史某个时点的编码快照。版本管理让BI看板在数据更新和历史回溯之间有了选择权。

BI看板的刷新频率不是越高越好，也不是越低越好。不同场景有不同的要求，不同角色有不同的需求。刷新频率的设计需要在数据新鲜度和系统性能之间找到平衡点。

高频刷新适合监控场景，中频刷新适合运营场景，低频刷新适合分析场景。定时刷新、按需刷新、主动推送，多种策略组合使用。刷新频率的数据新鲜度决策依靠用户自己对时效性的判断。

新易编码在BI看板刷新中的角色是缩短编码变更到数据可见的延迟。编码变了，看板能尽快看到变化。编码稳定了，看板的缓存策略可以更激进。编码管理和BI看板刷新之间的关系，是数据治理体系中上下游协同的一个具体案例。上游的数据治理效率，决定了下游的数据应用体验。
 

如果您有物料编码相关的问题，欢迎咨询新易物料编码