数据看板与 BI 选型设计指南
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-bi-dashboard-design-guide。
技能介绍
要解决什么问题
团队在建设或迭代数据看板时,常见卡点不是「会不会拖拽图表」,而是:BI 工具怎么选、看板指标与数据源如何对齐、方案里怎么写清背景与风险、以及相关代码或配置变更没人按统一标准评审。资料零散、口头拍板,交接后很难复现当时的取舍理由。
技能如何工作
本技能把通用工程化能力套在「数据看板与 BI 选型设计」语境下:你说清人群、场景与约束,对应能力会产出可直接套用的结构化交付物。
- 架构权衡:在「场景 + 规模」输入下,得到选型对比表(利弊、适用边界、成本),适合回答「用 A 还是 B」类 BI/数仓/可视化栈问题。
- 技术方案设计:按背景 / 目标 / 选型 / 风险模板整理方案,而不是堆功能清单。
- 代码评审:对含看板查询、ETL 或前端图表改动的
diff/PR,按正确性、安全、可维护性分级(阻断 / 建议 / 可选)。 - 调试排错:用报错与上下文走「复现 → 隔离变量 → 证据 → 假设验证」定位树。
- API 设计与工程规范:在指标接口、字段契约与团队规范场景下给出 REST 契约与反模式清单。
听到如 选型、方案、review、debug 等触发词即可进入对应能力;多诉求可组合使用。
适用边界与注意点
技能提供方法论、模板与检查清单,不替代合规或采购决策,不接入付费 BI 账号,也不处理真实密钥或凭证(仅脱敏示例)。评审与方案输出供负责人拍板参考,最终合并与上线责任仍在团队侧。
使用场景
- 业务要上新经营看板,需在两款 BI 与自建方案间写清利弊、适用规模与长期成本
- 数据团队提交含指标 SQL 与权限改动的 PR,需要按阻断/建议分级做评审再合并
- 看板接口字段与错误码未定,前后端要对齐 REST 契约与幂等、鉴权约定
- 线上指标对不上或看板报错,只有告警片段,需要最小复现与证据链再定位根因
适合人员
- 负责数据平台或增长指标的后端/全栈工程师,要在方案里写清 BI 选型与数据源边界
- 技术负责人权衡 Metabase、Superset 等与客户数仓组合,需要结构化选型表而非口头对比
- 数据工程维护 ETL 与看板查询,遇到线上对数问题需要复现步骤与回归验证清单
- 前端或全栈实现看板页,要与后端对齐接口契约并避免联调阶段的字段扯皮