商业智能之“道、法、器”——企业级BI能力构建指南
一个企业级BI项目看似简单，但实际建设难度却远超想象。如何从0到1搭建BI项目，有没有详细的实施步骤，有没有合适的BI工具推荐，这是很多企业在上BI系统前心中的疑问。因此，本文会详细探讨企业BI能力构建，到底需要哪些能力。
01
商业智能不等于报表
商业智能BI一般指在构建好数仓后，为业务人员提供数据查询 、分析报表的功能，对数据进行可视化并从数据中获取有效的信息，从而支持业务分析，管理风险、支撑高层面的决策分析。
有不少伙伴认为商业智能就是做表，其实不然，它不仅仅是做表，他里面融合了一系列的技术，包括：数仓技术、联机分析处理、数据可视化等技术来实现企业的商业价值，帮助企业进行知识转化，从而进行更科学和精准的决策。
当然 ，建设BI系统我们不是一上来直接干的，我们会定一个目标，这个目标就是通过数据采集、集中管控、数据应用的建设，来挖掘数据价值，促进决策管理能力提升：
● 在数据采集中，我们的目标是企业组的数据统一存储
● 在集中管控中，我们的目标是构建统一数据视图，实现数据统一共享
● 在数据应用中，我们目标是灵活分析应用，挖掘出数据的价值
商业智能并不是一个功能，也不是一个产品，而是一套完整的解决方案，其核心部分就是数据源的收集，数据的整合处理，以及数据分析的应用。
亿信华辰经过多年项目经验，把它融入到了这张图中：
我们可以把来自企业不同业务系统的有用数据通过抽取、转换、加载等操作入仓，从而对这些数据进行各类分析应用，最后发布给用户使用，为企业提供决策支持。
02
商业智能之“道、法、器”
亿信华辰从三个方面进行了总结，一个是完善的流程、一个是如何落地、还有一个助力快速高效落地的工具。我们称之这为商业智能构建的：道、法、器。
*
商业智能之道
在商业智能构建之道上，亿信华辰针对不同的工作和环节进行了总结了分道，包括项目建设、数仓建设、数据分析、上线维护等等。我们着重了解一下项目建设、商业智能、数仓建设。
1.项目建设之道
我们商业智能都是作为项目进行管理的，也是作为项目生命周期进行管理的，主要分为五个活动：
第一步是项目规划，包括：组件团队（找到项目的关键人）、项目启动、明确目标，项目计划等。
第二步是设计，包括需求的调研、需求说明书的立定及评审，原型设计及评审，功能详细设计。
第三步是项目建设：系统环境搭建、按照需求说明书及原型建设数仓、进行数据分析应用的开发及测试（按照即定的进行流程测试、功能测试、压力测试）。
第四步是上线：上线之前一定要试运营，组织beta用户进行试用提建议后进行优化确认，之后进行培训交付。
最后就是迭代和优化，在使用的过程中用户会提出需求和增强，企业在发展进步，也会有架构的优化，分析模型的优化等。
2.数据分析之道
项目建设中最为重要的是数据分析，我们把数据分析细化出了数据分析分道。作为对数据进行研究的过程而言，数据分析将经历明确目标和分析需求把控、分析指标体系梳 理、数据源整合、数据仓库架构设计、分析报表设计这几个步骤。
第一个明确目标和需求把控，首先要考虑业务目标和业务战略，确定业务目标并框定范围，不宜把范弄得特别大。需求把控是一个非常重要的环节，需求把控并不是说控制哪些需求不做，而是用最优的方式还原用户的场景，根据需求进行指标体系的梳理，也就是要实现这个分析需要哪些指标和数据，这些指标的口径是什么，来源于哪些系统 ，其粒度如何能否满足我的需求，满足不了的我们是否要进行补录等等，基于这些数据我们要进行数仓建设并入仓，最后才是可视化报表的分析环节。
3.数仓建之道
数仓建设，也有分道：
基于前面的业务需求，我们要进行数仓分层的设计，设计和落地：概念模型，逻辑模型、物理模型：
概念模型：根据实际业务进行对比分析，而进行剪裁、合并、扩充的一个模型框架
逻辑模型：即根据分析需求，为概念模型赋予属性
物理模型：就是数据库中的表对象，然后进行数据映射和ETL开发测试
*
商业智能之法
我们一般采用自上而下法，或者自下而上法：
自上而下顾名思义就是根据企业的管控出发提炼的KPI指标，根据不同行业，不同目标和发展策略和阶段来定，有的企业激进，关注投入、产出、利润，有的企业保守关注人员、成本等等。根据企业的需求来设计指标，从上而下的步骤就是根据指标来驱动，提炼客户的运营KPI，根据KPI驱动相关人员参与建设。
自下而上，就是根据用户的角色和场景提供，分为不同角色，如使用的对象主要是生产人员、人力资源 ，就围绕生产和人力角色的场景去研究，寻找指标，满足这些角色的日常工作。
*
商业智能之器
我们知道工欲善其事，必先利其器，就是这个意思，前面的道法需要器的加持。
如果我们手上有一款先进的一站式的数据处理分析平台，集合了数仓技术，数据挖掘展现、联机分析处理技术的这样一个平台，一定可以让我们事半功倍。
就像亿信ABI，可以对数据进行有效的整合，然后方便地进行数据的建设，并可以进行指标的建设和维护，基于统一建设的指标进行各种数据的展现应用，包括报表分析、敏捷分析、报告应用、大屏展示等，最后能通过PC、移动端、大屏的方式展现给客户，同时也可以方便地集成于第三方应用，包括各类APP和微集以及客户的业务系统。
03
商业智能落地五大核心步骤
根据近二十年来的商业智能项目经验，我们把商业智能的落地总结出来五大通用步骤，分别是：明确目标和分析需求把控、分析指标体系梳理、数据源整合、数据仓库架构设计、可视化分析报表设计。
接下来我们一一分解一下：
第一步，明确目标和分析需求把控
我们在业务需求梳理的过程中，往往会碰到如下问题：
1. 业务部门往往提不出具体的分析需求，貌似这也想要，那也想要
2. IT部门对业务需求不了解 ，也提不出有效的业务需求
3. BI项目需求分析涉及到很多部门，这就造成了跨部门沟通的问题
基于此情况，我们一般采用提供方案的原型，这样可以激发业务人员说出需求的欲望，简化沟通，减少偏差。
另外，业务需求应该考虑到企业的发展阶段以及业务目标，来确定BI建设的关键指标，关键指标不应过多，过多会造成精力分散，重点缺失。
明确目标和分析需求把控可以分为四步：明确用户场景，确定核心流程和信息架构图、确定业务流程和页面流程图、最后绘制原型
第二步，数据分析指标体系的梳理
指标体系的梳理会确定KPI指标，一定需要企业业务人员和BI厂商一起进行，绝对不能单打独斗，业务人员提供业务，技术人员提供思路、方法、技术，一起将业务指标和数据对应起来，确定抽取的数据，确定计算口径和方式。
主要是将KPI指标和具体数据对应起来，确定计算KPI指标需要抽取的数据。有些指标由多个数据计算得来，需要明确计算方式，为数据准备提供依据。
步骤如下：首先明确指标，明确分析模型、明确指标存储、明确指标取数和质量、建设指标体系平台、落地宣贯。
第三步，数据源的整合
数据源可能来自外部比如统计局公开数据、也能来自于内部多个业务系统，也可能是需要用户补录，还可能 是excel表格，这些都是源数据，我们要将这些数据通过ETL抽取后形成面向应用的数据集市 。
第四步，数据仓库的架构设计
在商业智能中，数仓建设也是核心之一，起到一个承上启下的作用，往下承接各类数据源中的数据，往上支撑各类可视化分析报表，数仓的构建水平直接影响到商业智能BI的整体质量。
最后的步骤，就是可视化分析报表的设计
其中包括：可视化表的结构设计、逻辑设计、UI效果、用户体验等也是一门学问。
可视化分析表报根据前面搭建的指标体系而定，根据关键指标来确定排版，一般主要指标放C位，根据指标特性设计其分析形式，比如周期性的分析指标使用线状图，指标的结构分析采用堆积图或者饼图。常用的可视化分析我们分为五类：数据模板、固定报表、指标多维查询分析、明细数据、决策仪表盘。
● 数据模板：其优势是快速响应需求、不需要技术人员开发，不受上线时间限制，用户可自定义数据模板，通过与相关用户共享并运行数据模板，满足业务需求。
● 固定报表 ：其特点是格式固定，需求固定，选择不同的参数即可运行，可长期使用。
● 指标多维查询：统一定义口径，统一进行数据加工，业务人员灵活自主用数，可下钻切片查看明细数据，并支持各种统计方法，可迅速响应需求，提高报数效率。
● 明细数据：支持明细数据查询，可支持二次分析，即基于查询结果进一步统计分析，比如分组、筛选、排序等等，明细数据展示方式也多种多样，包括图表、交叉表等
● 仪表盘：也就是领导驾驶舱或者决策驾驶舱，将KPI指标展示出来，比如经营管理、风险动态等，作用是支持管理层经营管理决策 。
04
小结
在本文，主要讲明了BI的定义，以及商业智能的道法器，也浅讲了商业智能满地的五大核心步骤。
而亿信华辰作为国内最早的BI厂商之一，已在商业智能领域深耕了17年，亿信ABI是融合了数据源适配、数据仓库、数据建模、数据分析、 数据填报、工作流、门户、移动应用等核心功能而打造的一站式数据处理分析平台。既可以为实施人员提供面向数据仓库的数据分析展现，也可以为业务人员提供自助式数据分析能 力，全方位满足用户的数据应用场景。
我们一直保持初心，旨在为企业用户提供真正有价值的数据服务，踏踏实实打磨产品，因此如果有BI相关方面的问题，也欢迎大家私信或者在评论区留言。