实施人员眼中的商业智能

字数 1217阅读 1504评论 17赞 5

从事实施工作三年多了，一直在做BI相关的项目，虽然项目涉及各行各业实现方式也各不相同，软件选型也不尽相同。但是总感觉有很多相通的地方，能总结出一些典型模式的东西，思考了一段时间之后把自己体会写出来和大家分享一下。我自己认为一个典型的模型应该包含以下几个部分。

图（1）BI实现典型理论模型

把这个典型模型从逻辑上分成数据源、ETL层、数据仓库集市层、数据模型层和BI展现层这五个层次。

作为一个实施人员，我可能不关心源数据后台的结构和设计，如果是一个新的项目可能会涉及到前期的需求调研，对于源数据层面也只需要知道有哪些业务数据来源，涉及到与业务相关的各项指标数据；若是一个成熟的项目，在源数据层方面，只需知道业务数据的出处或于此相关的表有哪些就足够了。但是如果要是对技术比较热衷，也有兴趣一头扎进去，那也可以对源数据深入研究。

源数据因所处行业的信息化程度不同、业务系统普及不同，后台数据构成也五花八门，可能有SqlServer数据库、oracle、DB2抑或是MySQL，还有最原始也是最普及的excel数据。不同来源的数据，按照业务的条理性和统计分析需要而有整合的可能性，这时ETL作为一个桥梁解决整合技术问题。使得不同数据能够整合到一起，整合的数据如何存放，就能顺其自然联想到数据仓库数据集市的概念。

在这个过程中ETL起到了巨大的作用，不管采用何种etl工具。小到一个存储过程对数据表对表抽取，大到informatica对多个数据库etl。我接触到的项目几乎是，开发工程师把程序做好，只需要按照步骤操作即可，不知道别的实施项目也是这样要求实施人员的吗？对实施人员来说，数据仓库数据集市理解要求更是微乎其微。只要知道有这个概念即可，至于什么结构的数据仓库，采用什么样的模型建立数据仓库，甚至有些项目都验收完了还不知道这些基本概念。

在数据仓库集市基础上的，分析方法分析模型，更是与实施人员遥不可及。至于采用什么样的分析工具，实施人员只需能导入导出相关报表模型即可。

实施人员可能最能发表建议的地方就是展现方式了，呵呵。结合业务知识能向客户讲解报表查询能给业务带来多大的方便；红绿预警能业务指标变得多么一目了然；仪表盘能让指标监控变得依稀可辨；柱状图和折线图的完美结合能反映何种业务趋势等等。

在以后的时间里我想按照以下思路留下自己的经历：

1，实施人员眼中的商业智能之源数据---前期需求分析感想；

2，实施人员眼中的商业智能之ETL过程--不同etl工具的部署实施；

3，实施人员眼中的商业智能之数据仓库数据集市---现场实施需要对数据仓库数据集市的理解有多深；

4，实施人员眼中的商业智能之分析方法---现场实施需要对数据建模有多少了解；

5，实施人员眼中的商业智能之展现形式---如何结合业务知识对客户培训BI系统。

实施商业智能

著作权归作者所有

如果觉得我的文章对您有用，请点赞。您的支持将鼓励我继续创作！