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。
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!
赞5
添加新评论17 条评论
2010-07-22 09:37
2010-07-21 17:07
2010-07-20 14:33
2010-07-20 14:32
2010-07-14 11:51
2010-07-12 12:26
2010-06-30 13:02
2010-06-30 09:31
2010-06-28 22:46
2010-06-24 23:15
2010-06-24 08:49
2010-06-24 00:59
2010-06-24 00:58
2010-06-24 00:57
2010-06-23 15:58
2010-06-23 08:35
2010-06-23 08:09