各行各业都在做仪表盘,但它们根本不是一种东西
最近因为做一个研发效能看板,我顺着这条线研究了一圈别的行业的仪表盘——电商的、医院的、数据中心的、智慧城市的、公安的。
越看越觉得一件事:大家都在做”仪表盘”,但做出来的根本不是一种东西。
表面看都是图表、卡片、排行榜,技术栈也差不多。但只要往里走一步就会发现,它们的核心使命完全不同,踩的坑完全不同,甚至连”什么算成功”都不一样。
很多人做看板翻车,不是技术不行,是一开始就把一种仪表盘当成了另一种来做。
这篇文章,我把见过的几类仪表盘摊开,讲清楚它们各自的侧重点、难在哪、要注意什么。
先找到一个底层视角
要看懂不同行业的仪表盘,最快的方法不是看行业,而是看一个更底层的东西——这张看板做出来,是为了让人干什么?
我把它叫”核心动作”。核心动作不一样,整张看板的骨头就不一样。我见过的大概有五种。
一、监控告警型:出事了,得立刻让人知道
代表是数据中心机房监控、服务器监控、价格异动监控。
看板上长什么样:一堆实时数字、几条折线、某个值红了就弹报警。
侧重点就三个字:快、准、不漏。
做这种看板要注意:
- 数据得是秒级新鲜的,昨天的数据放上来没人看。
- 告警要有阈值,但不能太敏感。天天报警,几天后人就麻了,真出事反而看不到——这叫”告警疲劳”,是这类系统最常见的死法。
- 不能漏报。机房温度爆了你没报出来,是要出事、要赔钱的。这条比”画得好看”重要一万倍。
- 图表反而不用花,关键是数据链路够不够快、够不够稳。
这类看板,价值全在”出事那一秒能抓住”,平时没人看它,反而是它最成功的时候。
二、度量考核型:事后算账,分蛋糕
代表是研发绩效、销售排行、各种 KPI 仪表盘。
看板上长什么样:完成率、排名、达标/未达标。
侧重点:口径权威、处处对得上账。
注意:
- 每一个数字背后都有一套”怎么算”的规则,行话叫”口径”。这套规则是开会吵出来的,不是技术定的。你说技术定不了,对不起,业务方也定不清楚,得一群人坐一起磨。
- 口径一定会变。 业务在跑,人在用,用着用着发现原来的定义不公平、不全、不对,就得改。
- 同一个数字出现在看板的好几个位置,必须保证处处一致。顶部大数和下面分组列表对不上,老板第一个找你。
- 这类看板,难的根本不是画图,是让每一个数字”可信”。
这块是我亲历的。我那张研发看板,图表三天画完了,口径改了半年。改到后面我都怀疑人生,但确实每一版改完,数字才真的”对得上账”。
三、调度协调型:当下怎么动,资源怎么分
代表是医院床位、仓储、运力调度。
看板上长什么样:每个科室还剩几张床、哪些车在跑、谁闲着。
侧重点:资源状态实时准确,能支持当下决策。
注意:
- 资源是有限的,有人占了别人就不能占。两个人同时抢一张床,系统不能把一张床分给两个人。
- 状态要绝对一致。看板上显示有空床,护士跑过去发现没有,这种事多发生几次,这套看板就没人信了。
- 往往还带预测:明天大概会有多少床空出来,后天呢?
- 这类看板,背后是一个状态机。图表只是状态机的一张脸。
它的核心是”现在”,不是”过去”(那是考核型),也不是”未来”(那是预测)。每一秒的数字都得是真的。
四、分析洞察型:找规律,做决策
代表是电商品类分析、市场趋势、用户分群。
看板上长什么样:多维交叉表、能钻取、能对比。
侧重点:能自由探索,查询够快,数据够干净。
注意:
- 用户会疯狂钻取。从这个品类点到那个地区,再点到那个时间段,一层层往下问。查询性能扛不住,体验直接崩。
- 维度一多,口径更多。钻着钻着发现两个数对不上,是常态。
- 这类看板,本质不是给人”看”的,是给人”玩”的。它是个自助分析工具,用户想问什么就能问什么。
做这种看板,最大的错觉是以为把图画出来就完了。不是,你交付的是”用户能问到多深”,画图只是最外面那层。
五、流程驱动型:推着业务一步步往前走
代表是电商订单全流程(咨询→下单→付款→发货→物流→签收)、工单系统。
看板上长什么样:每个订单现在卡在哪一步、有多少积压、哪个环节是瓶颈。
侧重点:全生命周期状态机,一步都不能丢。
注意:
- 状态流转是核心。从”待付款”到”已签收”,中间每一步都不能跳、不能丢、不能回不去。
- 异常补偿特别难。付了款没发货怎么办?发了货要退款怎么办?每一个异常分支都得有交代。
- 幂等性:同一个动作来两次,不能造出两个订单。涉钱的事,这点是天条。
- 这类看板,看的是流程的脉搏。图表展示的是分布和瓶颈,帮人看出”哪一步堵了”。
它跟调度型容易混。区别是:调度型管的是”资源此刻在哪”,流程型管的是”一件事走到了哪一步”。
六、指挥展示型:它根本不是给人用的
这一类我犹豫了很久要不要单列,因为它的逻辑跟前面五种完全不一样。
代表是智慧城市大脑、应急指挥中心、领导驾驶舱。
看板上长什么样:整面墙的大屏、3D 数字孪生(一个能转的虚拟城市)、满屏滚动的数字和轨迹,科幻感拉满。
它的核心动作是什么?说实话,很多时候它的核心动作是”被看”——被领导看、被视察组看、被新闻镜头看。
这话有点刻薄,但反映了一个真实情况:这类大屏,展示价值常常大于实用价值。设计的时候,“好不好看、像不像科幻片”的优先级,可能比”数据准不准”还高。我也见过一些城市的车流量、人口热力图,数据是有美化成分的——这是行业里公开的秘密,toG 项目自带政治属性。
但你要说它纯花瓶,也不公平。它真正的技术难度在这两点:
- 数据打通:一个城市大脑要接交警、消防、卫健委、环保、城管几十个委办局的系统。每个系统一个厂家,一套标准,谁也不愿意把数据共享出来。把这群数据捏到一块儿,才是这个项目最吃人的地方。技术不难,难在协调。
- 渲染:一个能流畅转动的 3D 城市,加载整个城市的建筑模型,这背后是真功夫(不是图表库能搞定的,得用游戏引擎那套)。
造价常常是千万级。但这钱大部分花在硬件(摄像头、大屏、指挥中心装修)和集成上,软件本身占比很小。
如果你接到这类活,记住一条:别被那个转来转去的 3D 城市唬住,真正的功夫在数据治理和系统打通,不在那个壳。
七、强权限和保密型:公安这类
公安系统(案件管理、治安态势、结案率大屏)骨子里是度量考核 + 流程驱动,前五种就覆盖了。我单拎出来,是因为它有几个独有属性,你做的时候不注意会出大事。
- 保密是红线。数据脱敏、传输加密、不落明文,这些不是”可选优化”,是及格线。涉案信息泄露,不是 bug,是事故。
- 权限分级极严。一个民警能看到的数据范围,和他警种、级别、是否主办人强绑定。你不能让一个基层民警一打开系统看到全国数据。权限模型设计错一步,就是泄密。
- 跨系统协查:一个案子可能要查户籍、车辆、住宿、通讯,这些系统分散在不同部门。查询链路的复杂度远超普通看板。
- 结案率、破案率这种口径,也会朝令夕改——政策导向一变,考核口径跟着变。这点和我做的研发绩效看板一模一样,谁也别笑谁。
做这类看板,数据安全和权限模型,优先级在所有东西之上,包括图表好不好看。
还有一根轴,解释了很多误会
讲完这几种,还有一个维度特别重要,它能解释一件事——为什么有的看板数据量很大但不难,有的数据量很小却要命。
这根轴是:数据是硬的,还是软的。
硬数据:传感器读数、金额、数量。机房温度就是温度,订单金额就是金额,全世界只有一个值。
软数据:人填的、口径模糊的。任务完成度、满意度、工作质量。
硬数据看板(机房、电商交易),难点在规模和实时——几万个传感器每秒一个点,怎么存、怎么算、怎么秒级刷出来,这是技术硬骨头。
软数据看板(研发绩效、考核),难点在口径治理——数据可能就那么点,但”怎么算”这件事,能吵半年、改半年。
很多人会觉得”我的看板简单,因为数据量小”。但你做的如果是软数据看板,数据量再小,口径这条线上的难度,可能比一个硬数据看板还高。
我那张研发看板就是典型:数据量小到单文件数据库就够装,但口径改了半年。反过来看一个机房监控,数据量是我这的几万倍,但每个数字是死的、是客观的,反而不用扯皮。
复杂度不是一根轴,是好几根。数据量只是其中一根。
仪表盘还藏在哪些行业
上面七种只是”主力”。仪表盘其实无处不在,每个行业都有自己的变种,我快速点几个:
- 金融交易:股票看盘、交易风控。把”监控告警”和”分析洞察”推到极致——毫秒级实时,错了直接赔钱,是实时和准确的天花板。
- 工业制造和能源:工厂车间 MES、电网调度。和机房监控一类,但更狠:看了数据,系统还要自动去调设备(加大电流、关阀门)。这不只是看,是闭环控制,出错了会炸设备、会停电。
- 交通:红绿灯调控、地铁客流、航班调度。调度协调 + 城市级规模,一个城市几万个路口。
- 物流:双十一物流大屏、快递轨迹。流程驱动的代表,一个包裹从揽收到签收的全生命周期。
- 互联网运营:DAU、留存、实时在线人数。分析洞察的高频版,全靠埋点喂出来的。
你看,每一种都能对回到前面那几个核心动作上,只是每个行业把它推到了不同的极致。
回到开头
所以你明白我为什么说”它们根本不是一种东西”了。
下次做仪表盘之前,先问自己几件事:
- 这张看板的核心动作是什么? 是出事要报警,还是事后要考核,还是当下要调度,还是给人探索,还是推流程走,还是只是给人看?核心动作不同,整个架构的骨头就不同。
- 我的数据是硬的还是软的? 硬的,把力气花在规模和实时上;软的,把力气花在口径和一致性上。别使错劲。
- 我最怕的失败是什么? 是漏报?对不上数?状态错乱?查询超时?丢步?泄密?怕的不一样,防守的重点就不一样。
- 这是不是个 toG / 强展示场景? 如果是,把力气分一份给”数据打通”和”看起来像回事”;如果涉及保密,权限和安全是地基,不是装饰。
这几件事想清楚再动手,能省掉后来很多”为什么这么简单的东西,改了半年还没完”的痛苦。
各行各业的仪表盘,长得像,是因为图表那层皮长得像。皮下面,它们是好几种完全不同的生物。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!







