关于 BI 的大部分问题都可以组织在这张图中,是一个思维框架,能把每个环节和环节之间的关系给弄明白了,对于 BI 的理解基本上就达到一个很深的层次了。这个框架可以延申出很多知识点:需求分析、原型产品设计、指标梳理、数据仓库模型的构建、分层设计的原理、ETL 的实现、业务管理思维、业务分析、业务与 BI 的关联关系、业务逻辑与数据逻辑的关系、BI 的建模方法论( Kimball、3NF ) 、BI 对业务系统的反推作用、BI 对管理的反推作用等等。1. BI 用户的定位与选择,谁是最终用户,需求拍板的人是谁,如何减少需求调研投入快速确认需求拍板人避免需求的反复调研。2. 不同用户层次关注点是什么?管理决策视角、业务分析视角、业务执行视角的差异,部门上下游业务视角的差异。3. 维度和指标到底代表什么?用户需求到底要确认哪些东西?4. 可视分析化的表象是什么,深层次的背景是什么?5. 从可视化分析能否研究出管理决策者背后的思维逻辑,换句话说,设计可视化分析的时候如何体现用户的业务管理思维。6. 用户为什么从 BI 报表中把数据导出来再重新用 EXCEL 做图,那要 BI 干什么?第5点处理不好就是这样的。7. BI 的本质是业务管理决策思维的落地,但不是只有管理决策者才是 BI 的用户。8. 数据仓库建模之前要干什么?没有搞明白就不要搭数据仓库,一搭就废。9. Kimball 3NF 中间库临时表 这各种建模方式的差异仅仅就体现在网络上讲解的自上而下或者自下而上吗?本质差别是什么。10. 不要迷信各种数据仓库分层理论,把 ODS、DW、DM 搞明白可以解决绝大多数项目的问题,其它的分层都是它们的变形和特定场景的解决方式。11. 把业务过程模型组织管理到分析模型组织管理这句话理解透彻了,说明同时做过系统软件设计开发、系统数据库设计、BI 数据分析和数据仓库设计,同时经历过程序开发和 BI 开发。12. ETL 到底是什么?不能孤立的看,要把它放在需求到模型、模型到数据这两个层次贯穿去看,就能把 ETL 给看的透透的。13. BI一上来就盯着数据看翻数据库,这是刚入行的干法,小项目的做法,50个业务系统上来就不能这么干了,得从需求往下捋。还有一种上来就翻数据库,做标准化的这是超级大的项目,周期两年以上并且还到不了数据集市、可视化分析。14. 天天喊取数难的,数据质量差动不动就来搞数据治理的这是本末倒置,根源性的问题解决不了,治标不治本,技术不是万能的,这类项目成功几率很小,或者就不是一个正常立项的项目。15. 碰到取数的问题是消灭中间的模糊地带,要么能取标绿,要么作为已知项标红,集中精力解决的是不红不绿的指标,出现的原因有很多:业务讲不清楚、口径不一致、系统就不用、用了乱填数、系统 BUG....有多少问题就可以有多少手段来解决,但必须得到客户管理层支持拿到尚方宝剑,否则这种项目就死在里面。16. 对大部分企业而言,做好一个 BI 项目不需要过于炫技,讲各种 AI、算法、预测模型、大数据、数据中台,迷信这些而不愿意在基础建设下功夫、从根上捋清楚问题并解决的都是白搭,对于劝不动的客户就不要劝了吧。要么从了他,反正是他的钱。要么不从,坚守专业的底线。17. 做 BI 的同学有炒股票的,如果能把时间多放在那些年报、行业研报的研究上,就非常的好,既能积累 BI 业务知识,又能少亏一点。关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/