BI分析

分析指标体系：

在BI开发过程中只有20%指标是最重要的，设计可视化页面和梳理业务分析逻辑的时候，深入了解我们的业务、数据背后的逻辑，到底能反映出什么样的业务和管理问题。

 

BI开发能力：

1、基本的数据处理能力。sql查询、性能调优，存储过程开发、ETL工具使用和架构能力。

2、数据仓库建模能力。业务分析指标体系的梳理、维度建模设计、缓慢渐变维度、SCD设计处理、多数据源多层架构基本设计和开发能力。

3、原型建模能力。在项目开始之前通过一些可视化页面原型的设计，让用户感受到最终的一个可视化报表呈现的结果，这样可以充分把握分析需求，而不至于最后报表拿出来后用户说这不是我想要的，整个的开发就需要重新开始。（几天内拿出十几个页面供用户去感受和确认需求，再顺着这个方向进行开发，返工的可能性就比较小）

4、业务理解和沟通能力。需要充分了解客户的业务需求，了解每一个需求背后业务指标含义和使用场景和分析场景。对业务理解越深，整个底层的数据仓库建模和原型建模更加准确，所以说合理的分析模型才会支撑用户多变的分析需求。

5、项目管理能力。项目管理规范和管理流程，管理需求、管理进度、管理开发质量。

 

企业BI需求分析：

1、分析需求是由高层管理者提出。是站在企业管理角度更高层次，分析的全面性，全面性就会涉及到多业务系统多数据源多部门多组织的问题，在数据层面上打通各业务系统的数据，数据的范围比较全但是不会看过多的明细数据，通常需要看高度汇总的数据分析指标。在规划BI第一个阶段的项目时候重点把控高层领导关注的KPI指标，指标不须要多需要精，通常这些指标是可以固定下来的。

2、需求部门提出。重点解决部门分析的诉求，比如财务部门、销售部门、采购部门他们要看的分析报表。这些部门主要有两个诉求，一个是服务于部门的管理决策，二个是服务于日常的业务管理。比如说把日常的报表工作通过BI让它自动化程序化把人力成本和时间成本降下来，涉及到的业务系统就不会那么多。

3、高层和部门分析需求。数据全面性的问题和具体业务分析深度的问题，重点在于高层分析的指标，这些指标基本上来自日常各业务部门向企业高层汇报的重点业务指标。如果是业务部门分析需求就需要梳理他们日常工作当中excel表，这些表基本上是他们关注的重点业务和场景，需要深入理解其中的业务，提取有价值的分析模型，关注给上层领导汇报资料文档这里面也有很多重点的指标。 综合领导和部门的需求情况来订指标、订业务边界、订关注的重点。抓住核心的用户和重点的业务，针对性的对数据进行调研、业务场景调研。

 

BI管理单一视角到全面视角：

在企业的生产经营活动中，不同业务由不同部门负责，每个部门关注的业务也不一样。市场部门关心客户在什么地方有多大的市场投入，赢得多少有效的商机客户。销售部门关心今年的产品或者服务卖的怎么样了，多少订单，多少利润，完成率怎么样。生产部门更加关心如何排期生产多少东西出来，生产计划。采购部门关心供应商的管理和采购多少原材料，一年可以节省多少成本。每个业务环节的每个部门都是从单一的视角考虑问题。企业大、业务多、部门多，很难全面了解企业的业务经营现状，现在、过去、未来发生什么事情。商业智能BI可以全面打通各业务的数据、应收尽收、全面了解，不需要关注过程数据怎么来的谁录入的流程是怎么样的，是看各个系统统计的结果。商业智能BI是服务于企业的管理决策层全面视角，而一般的业务系统是服务于具体的业务单元。

 

BI中指标、维度、模型、数据仓库：

指标：具体要分析的对象分析的数据。例如：销售收入、销售毛利、采购成本等数指类型。

指标表：同一个业务分析主题下的指标的组合。例如：利润分析中营业利润、利润总额、净利润、净利润率。采购分析的采购到货分析中的订单金额、实际到货金额、预计到货金额、到货金额比率、预期到货金额比率。

维度：看数据的角度。例如：2021年北京地区华为手机销售量，销售量就是指标，维度就是时间维度、地区维度、产品维度。也可以看2021年湖北地区的销售量，这种分析就是多维度分析。

将分析指标和具体的分析维度组织起来形成分析模型。在数据库中表现出来就是一张事实表或者叫指标表，这些表关联到不同的维度表形成分析模型沉淀到数据仓库中。