需求
导出匿名池指定职位、职级、管理级别、技能标签的员工侧数据
流程
先对一句话的需求进行了完善，确定了目标用户、时间范围、导出格式、目标。开始使用半自动化工具，先重现写了sql，减少目标用户范围，拿到全限制条件下的用户id。因为要求的数据格式和原来的Excel模型不完全相对，在数据分析后半段（用户聊天消息分析），使用了人工逐条分析，效率比较低。在三个小时后给出了一个版本的excel，但因技能标签有遗漏，大致扫描了下，发现“自然语言处理”就是“NLP”， 在和业务沟通后，又补充一个带有“自然语言处理”的excle。 这次手动改了下导入的Excel模型，结合半自动化分析流程，一个小时内，分析处理了比第一个excel更多的数据，最后将两个excel手动合并，交给了业务。
耗时：4小时，预计耗时1小时
分析
这次使用了专项的半自动化分析流程，提高了效率，但在使用过程中，为了避免前面分析全量数据的影响，把原来的数据备份后删掉。然后重新导入这个新专项的数据，数据之间的相互影响没有屏蔽掉，降低了效率。并且在确定目标用户范围的时候，没有去检查可能出问题的技能标签，导致漏掉了十几位用户，花了一个多小时导这些用户数据，还花了时间合并excel。导入的Excel模型前面没完善，因为每次导的数据都不一样。
问题
- 目标用户确认时，没有考虑完善，没注意到除了"nlp"外，有人会选“自然语言处理”，导致额外花了一个多小时。
- 导入的Excel模型前面没完善，可以自己手动用@ExcelProperty(value="")去指定，但是一开始没有，手动分析的数据，浪费时间。
- 专项数据和全量数据相互影响，导致重复删数据、导数据
- 没有优化代码或者注释，导致使用的过程中使用过错误的方法
- 手动修改原有的导入Excel模型，不够灵活，也是与旧的模型冲突，要找出一种动态的导入Excel模型
值得肯定的地方
- 专项的半自动化分析流程的确达到了提效的目标，从原来的一般一天，缩短到3小时
- 在最后还是查到了技能标签不全的问题
- 通过手动修改导入Excel模型，加快了第二次的数据分析处理
总结
- 半自动化流程要改进的地方现在是全量数据和专项数据的冲突，动态导入Excel、动态导出Excle
- 系统代码要整理下，避免代码越来越多，遗忘了代码的功能，尽量将相关方法聚合，争取做到一种业务对应一个控制器
- 仔细分析目标用户限定规则，能提效减少错误
改进措施
- 尝试python导入excel，java用grpc调，虽然变成了两个项目，看能否提高消息，后续又变动，只改python脚本
- 整理原有半自动化工具的代码
- 让专项使用单独数据库，即全量使用一个数据库、专项使用一个数据库。想办法在原有的@DS注解上，实现传参切换动态数据源。
