亿信ABI

一站式数据分析平台

ABI(ALL in one BI)是亿信华辰历经17年匠心打造的国产化BI工具,技术自主可控。它打通从数据接入、到数据建模与处理、再到数据分析与挖掘整个数据应用全链路,可满足企业经营中各类复杂的分析需求,帮助企业实现高效数字化转型。

亿信ABI

一站式数据分析平台

亿信华辰深耕商业智能十多年,
打造一体化的填报、处理、可视化平台。

企业BI能力构建及落地实施步骤

时间:2023-06-08来源:小亿浏览数:138

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。
(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询