1.不同阶段企业数据分析应用特点

当前国内大多数企业都处于 起步企业及发展企业，一个好的BI项目能够释放大量的人力，节约时间成本，促进企业数据落地。

(相关资料图)

2.BI项目价值链

3.框架设计

这一部分的重点在于 业务主体分析 ，即一个项目的着重点在于能否结合现有的业务，解决业务难点及痛点，让数据可视化，便于各分支进行业务管理。

4.项目核心要素归纳

项目的核心要素有三个：

①过程： 各部门梳理各自所需的业务指标，搭建指标库。

②输入 ：有BI工程师进行数据治理，包括ETL、数据仓库搭建、数仓建模等。

③输出 ：针对现有的数据仓库分层，实现报表输出，只要指标搭建完善，能够实现很好的驾驶舱展示及报表数据展示、数据预警及监控。

5.BI项目调研步骤

项目开展时，业务指标的梳理是一个重点，但 各部门的配合 也尤为关键，需要分析出各自部门的主题思想，这样企业级驾驶舱才能构成。

6.数据治理思想（数据仓库分层）

（离线）数据仓库的数据与原始数据是分离的，（离线）数据仓库的数据变动不会影响原始数据。

在这里需要了解数据仓库的分层目的：

· 空间换时间 。通过建设多层次的数据模型供用户使用，避免用户直接使用操作型数据，可以更高效的访问数据。

· 把复杂问题简单化 。讲一个复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。而且便于维护数据的准确性，当数据出现问题之后，可以不用修复所有的数据，只需要从有问题的步骤开始修复。

· 便于处理业务的变化 。随着业务的变化，只需要调整底层的数据，对应用层对业务的调整零感知.

7.BI项目金字塔模型

8.分析全景图

体系梳理设计企业业务的方方面面，销售体系和财务体系可能具有相似处。

9.BI项目技术架构

技术实现的架构：

当前主流的架构基于企业已上线的系统数据量，数据量不是特别大的，数据仓库会使用关系型数据库作为数据仓库（oracle、sqlserver等），ETL使用Kettle等开源工具。另一种是数据量大的，会使用MPP架构，Hadoop+hive+sqoop 进行整体实现。

10.项目带来的效益

1. 建设数据仓库 ，推动数据资产共享

打通从数据源到场景应用、数据挖掘的转化通道，以数字化方式解决经营、项目业务开展过程中的诸多难题，并将经营数据资产应用到集团全体。在此过程中，通过积累系统建设方法论、管理流程、人才队伍、项目实施等经验，为未来逐步深化应用到集团的各个业务板块，实现集团各业务的健康发展夯实基础

2. 减少人工统计数据，降本提效

利用数据分析系统，实现绩效KPI和管理方法的全面实时管控与信息传递，增加服务的质量与可控性，同时减少人工处理的工作，缩短信息统计分析周期，快速响应快速分析问题和绩效结果。

3. 提升业务数字化管理能力，建立数据分析能力

提供面向集团管理层、业务领导、业务人员的多层级的数字化信息看板，利用标准的指标描述，统一的数据口径，在发现问题，追溯问题，定位问题，解决问题过程中，各层级始终以数字化描述，提升集团整体业务数字化管理能力，也将提高业务人员数据处理效率和数据多维度分析能力，增强主管部门的数据应用与分析能力，从而为经营决策提供新的手段。

4. 基于数据进行科学决策

通过数据整合、统一口径等手段，将有效提升数据准确度、完善度、标准度，利用各业务系统数据关联后的二次开发，将实现经营状况数字化分析，通过多终端、多场景的数据应用，提升指挥调度、应急响应能力。

同时数据的统一管理，将有效加强集团管控力度，通过建立“用数据说话、用数据管理、用数据决策”的管理机制，有效防范业务运行风险，为推进经营过程、项目管理业务治理能力数字化进程提供有力支撑。