BI学习笔记：有关商业智能的基本分析与概述

BI是利用技术手段或方法，将数据转化为知识，用以支撑企业决策、发掘商业价值的一套解决方案。

BI分析是当今数据时代必不可少的能力之一，BI指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析，通过系统化产品化的方法，能够大幅降低数据的获取成本、提升数据使用效率，以实现商业价值。借助可视化、交互式的操作，可以高效支持业务的分析及发展。

一.BI分析的背景

1.BI的必要性与重要性

随着大数据，云计算，5G的发展，数据与信息的价值越来越被许多企业所重视。企业所处理的数据必须满足五大特性：干净性，一致性，全面性，及时性，同步性。企业可通过这些数据来了解他们的运营模式、客户需求、竞争对手、供应商等，从而有效地做出战略决策
具体来说：BI商业智能可以在以下4个方面发挥价值：
（1）理解业务。BI商业智能可以用来帮助理解业务的推动力量，认识是哪些趋势、哪些非正常情况和哪些行为正对业务产生影响。
（2）衡量绩效。BI商业智能可以用来确立对员工的期望，帮助他们跟踪并管理其绩效。
（3）改善关系。BI商业智能能为客户、员工、供应商、股东和大众提供关于企业及其业务状况的有用信息，从而提高企业的知名度，增强整个信息链的一致性
（4）创造获利机会。掌握各种商务信息的企业可以出售这些信息从而获取利润。但是，企业需要发现信息的买主并找到合适的传递方式。

2.制定BI的合理案例

对于许多BI项目来说，许多问题都源于未能从业务角度确定需要构建的内容，然后基于这些缺陷管理项目的范围和变更管理期望。因此BI团队需要制定业务和技术案例，以确定需求。建立案例后，BI团队需要评估范围、成本、进度和投资回报（ROI）。
1）制定BI的业务案例
在解决数据需求及业务优先级之前，首先BI团队需要了解企业的战略业务计划，基础数据需求及其当前的业务流程受到分析瓶颈的阻碍，之后可使用已制定的业务需求列表来寻找合适的赞助商以及相关的业务干系人。
2）制定BI的技术案例
一个BI项目将跨各种BI、数据集成、数据库和基础设施类别向企业引入新技术和产品，从而来完成一个BI产品的生命周期。

3.定义业务与数据需求

需求的定义包括计划构建的内容以及BI的解决方案，之后开发团队可利用这些需求来设计，开发与部署BI系统。
而对于需求的制定与描述将拆解为四个模块：

1）数据需求：需要研究数据用于标识详细数据内容的源，定义数据需求包括数据中的字段，表结构以及转换规则。
2）功能需求：需要分析数据维度的各个评估标准，从而制定业务流程与相关决策。
3）技术需求：需要考虑平台搭建的环境，所涉及的WEb服务以及访问数据库的规则。
4）法规与合规需求：需求制定中需要考虑企业对法律法规与各个规范的遵守程度。

二.BI架构与BI建模

1.BI架构

随着商务智能（BI）理论的不断发展，商务智能的系统架构已经从单一的理论衍生出多种架构，如分布式商务智能架构，联合商务智能架构等。BI架构用来建立商业智能（BI）系统的数据，系统管理和技术部件，其在BI项目中影响着项目的发展与决策实施。下面想介绍一下BI架构的四个层次

1）信息架构
信息架构使企业能对BI的不同流程进行执行分析，无论是销售产品、监控患者的生命统计数据、公布学生的成绩，还是跟踪财务账户的表现。其设计时关键区域为：数据集成框架；操作性商业智能及其作用与分析性商业智能与主数据管理（MDM）。
对于BI团队来说，设计信息架构时首先需要确定信息如何被展现及获取，及用户期望看到什么，以及内容与内容之间如何产生联系，从而去创建对应的信息架构层级。其次可以对所获取的元数据内容给予内容标签以及内容分类，可利用相关BI工具进行信息地图创建以及数据建模。
2）数据架构
数据在企业中无处不在，数据架构定义了数据以及模式、集成、转换、存储，以及实现信息体系结构分析需求所需的工作流。固体数据体系结构是一个蓝图，它有助于使公司的数据与其业务战略保持一致。
3）技术架构
技术架构能让企业更好地了解数据产品的范围和边界，知道技术能帮我们实现什么以及如何实现地更好。其中构成BI技术架构的4个技术层为：
·商业智能和分析
•信息访问和数据集成
•数据仓库
•数据源

4）产品架构
产品架构为在充分了解需求后，一个数据产品从0到1，包括数据层的数据库表、后台数据处理平台和运营维护平台、前后端数据交互体系，前端的基础产品框架等一整套系统的构造和运转逻辑。

2.BI建模

BI建模针对的是将要参与的BI团队的技术成员创建数据模型，这是构建BI应用程序的基础,下面来介绍一下BI建模的两个模块
1.数据建模
数据建模指的是将各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。 将经过系统分析后抽象出来的概念模型转化为物理模型后，在利用BI工具简历数据库实体以及各类实体之间关系的过程。
2.维度建模
维度建模是数据仓库建设中的一种数据建模方法，就是按照事实表、维度表来将数据结构化，构建数据仓库、数据集市。
下图为维度建模的具体应用：

三.BI项目的三大核心构建模块

对于企业来说，企业可以通过DI(Data integration)来集成统一和处理数据,DW(Data warehousing)来存储数据，BI(Business intelligence)来将数据处理成合理的方式呈现给决策者。其中数据集成是数据仓库的基础，反过来又是商业智能的基础。

1.数据集成

在企业中，往往有多个异构的，运行在不同的软硬件平台上的信息系统同时运行，这些系统的数据源彼此独立、相互封闭，使得数据难以在系统之间交流、共享和融合，从而形成了"信息孤岛"
而数据集成通过应用间的数据交换从而达到集成，将来自不同来源的数据组合在一起，最终提供一个统一的视图。其主要解决数据的分布性和异构性的问题，其前提是被集成应用必须公开数据结构，即必须公开表结构，表间关系，编码的含义等。

2.数据仓库

数据仓库是一个大的数据存储集合，出于企业的分析性报告和决策支持目的而创建，按照分析的主题对业务数据进行筛选与整合。
数据仓库存储和转移信息的过程，独立于企业的日常事务处理操作，以及为企业中的访问和分析而优化它。在这个过程中，数据从数据生产者流向数据仓库，在那里它被转换成为商业消费者提供的信息。它包括所有的数据转换、清理、过滤，以及提供企业级数据视图所需的聚合。仓库中的数据来源于各种mysql、mangoDB、以及业务系统库中的数据，最终输出成各种业务报表，分析报表，或者用于企业的数据分析、数据挖掘.是传统BI中的重要一环。

3.BI商业智能

BI可以定义为一个系统方案，从数据仓库，到ETL（数据清洗），OLAP分析，以及深度的数据挖掘，前端报表展现。在具体企业数据分析项目中，会将它们中的若干个结合起来，实现一个完整的企业数据分析技术方案。
现在也更多定义成一个数据分析工具。涵盖数据抽取、数据建模、数据清洗、OLAP分析、数据挖掘，以及面向主题的分析报表管理，更像是一个应用。
BI将数据呈现给业务人员，以便他们可以使用它获取知识。BI支持访问和向业务用户提供信息。它是公司数据系统的可见部分，与“后台”中的数据仓库不同，BI是业务人员通过工具和仪表板。

四.结论与体会

通过对于以上关于BI的定义与解析，我们可以来重新定义BI:BI是利用技术手段或方法，将数据转化为知识，用以支撑企业决策、发掘商业价值的一套解决方案。以数据为中心，BI的核心功能主要有数据仓库、数据ETL、数据分析、数据挖掘和数据可视化。
而笔者为一名即将入职IBM的一位准associate consultant,也即将参与与数据分析以及BI有关的项目中，通过阅读BI guidebook以及查阅相关的资料文献后，对于BI有了宏观的基本认识，如前期对于数据项目中的需求分析，流程规划，以及范围界定等，到之后对于基本数据的实施以及数据维护。
希望本人在工作及项目中逐渐提升自我的业务理解水平，沟通技巧，从而提升数据分析及可视化的水平，向更深层次过度，能够深入了解一个企业级数据项目的基本架构。