呂品：一張圖看 BI 的思維框架和若干個問題

呂品

+ 關注

2022-02-16 10:22

1499次閱讀

關于 BI 的大部分問題都可以組織在這張圖中，是一個思維框架，能把每個環(huán)節(jié)和環(huán)節(jié)之間的關系給弄明白了，對于 BI 的理解基本上就達到一個很深的層次了。

呂品：一張圖看 BI 的思維框架和若干個問題

這個框架可以延申出很多知識點：需求分析、原型產品設計、指標梳理、數(shù)據(jù)倉庫模型的構建、分層設計的原理、ETL 的實現(xiàn)、業(yè)務管理思維、業(yè)務分析、業(yè)務與 BI 的關聯(lián)關系、業(yè)務邏輯與數(shù)據(jù)邏輯的關系、BI 的建模方法論（ Kimball、3NF ) 、BI 對業(yè)務系統(tǒng)的反推作用、BI 對管理的反推作用等等。

主要就是以下這些點：

1. BI 用戶的定位與選擇，誰是最終用戶，需求拍板的人是誰，如何減少需求調研投入快速確認需求拍板人避免需求的反復調研。

2. 不同用戶層次關注點是什么？管理決策視角、業(yè)務分析視角、業(yè)務執(zhí)行視角的差異，部門上下游業(yè)務視角的差異。

3. 維度和指標到底代表什么？用戶需求到底要確認哪些東西？

4. 可視分析化的表象是什么，深層次的背景是什么？

5. 從可視化分析能否研究出管理決策者背后的思維邏輯，換句話說，設計可視化分析的時候如何體現(xiàn)用戶的業(yè)務管理思維。

6. 用戶為什么從 BI 報表中把數(shù)據(jù)導出來再重新用 EXCEL 做圖，那要 BI 干什么？第5點處理不好就是這樣的。

7. BI 的本質是業(yè)務管理決策思維的落地，但不是只有管理決策者才是 BI 的用戶。

8. 數(shù)據(jù)倉庫建模之前要干什么？沒有搞明白就不要搭數(shù)據(jù)倉庫，一搭就廢。

9. Kimball 3NF 中間庫臨時表這各種建模方式的差異僅僅就體現(xiàn)在網(wǎng)絡上講解的自上而下或者自下而上嗎？本質差別是什么。

10. 不要迷信各種數(shù)據(jù)倉庫分層理論，把 ODS、DW、DM 搞明白可以解決絕大多數(shù)項目的問題，其它的分層都是它們的變形和特定場景的解決方式。

11. 把業(yè)務過程模型組織管理到分析模型組織管理這句話理解透徹了，說明同時做過系統(tǒng)軟件設計開發(fā)、系統(tǒng)數(shù)據(jù)庫設計、BI 數(shù)據(jù)分析和數(shù)據(jù)倉庫設計，同時經(jīng)歷過程序開發(fā)和 BI 開發(fā)。

12. ETL 到底是什么？不能孤立的看，要把它放在需求到模型、模型到數(shù)據(jù)這兩個層次貫穿去看，就能把 ETL 給看的透透的。

13. BI一上來就盯著數(shù)據(jù)看翻數(shù)據(jù)庫，這是剛入行的干法，小項目的做法，50個業(yè)務系統(tǒng)上來就不能這么干了，得從需求往下捋。還有一種上來就翻數(shù)據(jù)庫，做標準化的這是超級大的項目，周期兩年以上并且還到不了數(shù)據(jù)集市、可視化分析。

14. 天天喊取數(shù)難的，數(shù)據(jù)質量差動不動就來搞數(shù)據(jù)治理的這是本末倒置，根源性的問題解決不了，治標不治本，技術不是萬能的，這類項目成功幾率很小，或者就不是一個正常立項的項目。

15. 碰到取數(shù)的問題是消滅中間的模糊地帶，要么能取標綠，要么作為已知項標紅，集中精力解決的是不紅不綠的指標，出現(xiàn)的原因有很多：業(yè)務講不清楚、口徑不一致、系統(tǒng)就不用、用了亂填數(shù)、系統(tǒng) BUG....有多少問題就可以有多少手段來解決，但必須得到客戶管理層支持拿到尚方寶劍，否則這種項目就死在里面。

16. 對大部分企業(yè)而言，做好一個 BI 項目不需要過于炫技，講各種 AI、算法、預測模型、大數(shù)據(jù)、數(shù)據(jù)中臺，迷信這些而不愿意在基礎建設下功夫、從根上捋清楚問題并解決的都是白搭，對于勸不動的客戶就不要勸了吧。要么從了他，反正是他的錢。要么不從，堅守專業(yè)的底線。

17. 做 BI 的同學有炒股票的，如果能把時間多放在那些年報、行業(yè)研報的研究上，就非常的好，既能積累 BI 業(yè)務知識，又能少虧一點。

本文經(jīng)授權轉載自微信公眾號：呂品聊數(shù)據(jù) 作者：呂品

呂品：企業(yè)數(shù)字化轉型的本質