市场调研

市场调研与需求界定初期，我们的用户目标群体定位摇摆不定，最终虽确定涵盖大连锁企业、配送中心及小型便利店等全零售范畴，但这意味着需满足各类规模企业的特定需求。鉴于这些企业在管理流程与规范上的显著差异，产品设计需高度兼容多样化的业务场景。然而，设计团队在未深入市场进行实地调研与业务理解的情况下，特别是缺乏零售行业进销存经验，为后续设计埋下了隐患，导致业务流程频繁变动与设计失误。

需求分析与业务分析

需求分析与业务逻辑构建过程中，暴露出产品经理对业务理解不足、自主分析能力欠缺以及业务整合能力薄弱的问题。诸如档案管理、采购、库存控制、配送及财务管理等功能模块间出现衔接不畅、流程梗阻甚至相互矛盾的情形。未能全局审视业务需求，未预先规划完整的业务流程框架，如同制造工业品前未绘制详尽蓝图，导致组件无法协同运作。例如，供应商信息删除引发的跨模块错误，商品档案因多单位、多规格处理不当导致的反复修正，以及需求导向过于依赖单一意见，导致解决方案偏离多数客户需求。

团队组织与协作

团队协作与管理层面，团队凝聚力缺失，内部沟通不畅，成员间时有责任推诿与消极态度，缺乏明确的目标管理和有效监督，面对困难时整体呈现出回避态度。

软硬件资源投入

资源配置上，大数据项目的高额投入占据了大部分资源，包括20万的机房建设费用，30万的生产环境费用，java应用性能问题，一直无法得到重视，导致性能问题频发，进一步加剧了生产业务的不稳定。

后端框架及设计

技术架构决策方面，项目起初对技术规模与复杂度预估过低，原计划组建约30人的Java技术团队，实则仅有6人，遭遇以下挑战：
1. 框架未提供基本的使用说明文档，无入门指南、API文档、示例代码和最佳实践demo，新人培训周期长，至少半月方能上手。
2. 框架稳定性欠佳，服务间通信出现无法找到服务的情况，频繁出现问题。
3. 服务三层之间报文交互规则严格，无法进行扩展，未进行参数，固定框架，接口属性验证
4. 异常处理与日志管理不善，问题排查周期长，用户体验受损。
5. 开发效率低下，中台设计未能简化流程反而增加负担。
6. 大数据技术的高额资源占用与战略犹豫，影响开发，测试环境稳定，长时间无法用于开发测试。
7. 基础功能如权限管理、数据权限等规划滞后，增加了后期实现难度。
8. 后期不当的分库分表策略与跨库事务处理，增加了技术债。
9. 用户界面体验差，用户无法通过相对少的操作获取到自己想要的业务数据。

技术选型与架构设计时，部分决策显得浮夸且脱离实际业务需求，陷入了过度设计的陷阱。


综上所述，项目在市场定位、需求分析、技术实施、团队协作及资源配置等多个维度均面临挑战，需全面审视并调整策略以促进项目健康发展。