企业数字化建设之——BI（项目）系统 /OLAP/ 建设落地步骤全流程参考_基于bi的数智化商务风险预警系统界面

目录

一 背景说明 

1.1 企业为什么要上BI系统   

1.2 企业什么时机上BI系统

1.3 如何来衡量BI系统的投入产出

1.4 市场上都有哪些实施机构和产品

1.5 什么是OLAP

二 企业组织能力构建

1.1 能力构建

1.2 指标设计

三 信息系统架构搭建

2.1 数据仓库

2.2 数据模型

2.3 抽数工具 ETL kettle

2.4 呈现工具 PowerBI / FineBI

2.5 存储参考

四 资源投入

五 实施管理

---

---

一 背景说明 

 1.1 企业为什么要上BI系统 ？   

        BI（Business Intelligence，商务智能）系统可以帮助企业更好地利用数据，提高工作效率和商业洞察力，从而取得更好的商业成果；数据驱动决策，提高效率，发现潜在价值，实时监控。 

        BI信息系统在企业中主要扮演着“决策支持”的角色。它通过一系列的工具、技术和流程，从企业的大量数据中提取有价值的信息和知识，帮助企业管理者更好地理解业务状况，制定科学决策。

        BI信息系统的定位在于提供一种机制，以支持企业进行更明智、更及时的商业决策。它能够整合和标准化不同业务系统的数据，消除数据的不一致性，提高数据质量，同时提供即时的数据分析和可视化工具，帮助管理者更好地理解数据，以便做出更好的决策。

---

1.2 企业什么时机上BI系统 ？ 

        数据量的积累：随着企业信息化的建设，各个业务系统积累了大量的数据。这些数据可能分布在不同的数据库中，也可能分布在不同的业务系统中。当数据量达到一定程度时，就需要考虑使用BI来整合、分析和挖掘这些数据，以支持更高效的决策。

        数据质量提高：企业信息化建设过程中，数据的质量逐渐提高。对于这些高质量的数据，需要一种工具来更好地利用这些数据，这时就可以考虑引入BI。

        业务需求增加：随着企业业务的发展，对数据的分析需求不断增加。例如，销售部门需要分析市场趋势，财务部门需要分析成本和收入等。当手动处理这些数据成本过高时，就需要考虑使用BI来自动化数据处理和分析过程。

        战略决策需要：当企业需要做出重要的战略决策时，需要一种工具来提供快速、准确的数据支持。这时就可以考虑引入BI，来更好地支持战略决策的制定。

---

1.3 如何来衡量BI系统的投入产出 ？

        投入成本：需要考虑的是BI系统的初始投入成本，包括购买和部署硬件、软件，以及进行系统集成、数据清洗和数据建模等所需的费用。还需要考虑持续的维护和升级成本，包括员工培训、系统维护、数据更新等费用。

        效益产出：在引入BI系统后，企业能够实现的目标和效益，是衡量投入产出比的重要因素。例如，可以衡量在使用BI系统后，企业是否能够更快速地做出决策、提高销售额、改善客户满意度、提升员工生产力等。

        时间成本：除了直接的成本和效益外，引入BI系统的时间成本也是需要考虑的因素。例如，系统从设计到上线需要多长时间，以及在这个过程中对正常业务的影响等。

        ROI（投资回报率）：这是衡量投入产出比的一个重要指标。可以通过计算引入BI系统所节省的成本或增加的收入，与投入成本之间的比例来计算ROI。例如，如果引入BI系统后销售额增加了10%，而投入成本为500,000美元，则ROI = (10%*成本节省或增加的收入) / 500,000 = 。

        NPV（净现值）：这是一个更全面地衡量投入产出的指标。可以通过计算未来现金流的现值，并将其与投入成本进行比较来计算NPV。例如，如果未来5年内可以节省或增加的收入为2,000,000美元，折现率为10%，则NPV = (未来现金流折现值 - 投入成本) / (1 + 折现率)^年数。

---

1.4 市场上都有哪些实施机构和产品 ？

企业数据化建设之——‘八股文’商业软件-CSDN博客

---

1.5 什么是OLAP ？

OLAP全称是在线分析处理系统（Online Analytical Processing System）

OLTP全称是联机事务处理系统（On-line Transaction Processing）

        OLAP（联机分析处理）是一种快速应答多维分析查询的方法。通过将大型数据集（或独立数据集）上卷可构建一个多维数据库，即 OLAP 模型（Cube）。此 OLAP 模型针对数据分析进行了优化，支持用户从不同视角对数据进行”切片和切块”(slicing and dicing)，从而实现了简洁易用的查询体验。

        OLAP技术广泛应用于商业智能分析，特别是大数据领域。它支持复杂的分析操作，侧重于决策支持，能够提供直观易懂的查询结果。OLAP与OLTP是两个完全不同的概念，OLAP是数据仓库系统的主要应用，而OLTP主要用于记录某类业务事件的发生。

二 企业组织能力构建

由咨询机构 | 各职能VP/Director ,共同规划设计企业组织能力

1.1 能力构建

根据每家公司的业务模式、战略方向等等来确认

1.1.1 财务能力（5）{ 盈利能力、盈利质量、偿债能力、营运能力、发展能力 }

支持战略层面：

 1.1.2 运营能力（4）{可靠性、响应能力、运营成本、资产利用 }

支持策略层面：

 1.2 指标设计

        XXXX，

三 信息系统架构搭建

---

功能与场景架构图：（  注：图片来自国内某头部BI领域软件产品的功能与场景架构图，从这张图中有找到一些共鸣之处，把它放在这边，学习一下  ）

---

技术架构：业务系统 -- 数据层 -- 应用层 ...  / ...

公共数据维护区域 

ODS原数据区域 -- DWD基础层区域 -- DWS通用层区域（服务层） -- 数据集（BI展示）

2.1 数据仓库

数据仓库的三层架构：ODS原数据区域 -- DWD基础层 -- DWS通用层（服务层）

DWS（Data Warehouse Service）是数据仓库服务层，它主要负责数据的分析和挖掘。DWS层对来自DWD层的数据进行进一步的处理和分析，以提供给业务人员用于决策支持的数据

DWD（Data Warehouse Detail）是数据仓库明细层，是数据平台的主体内容之一。这一层的数据是ODS层数据经过ETL清洗、转换、加载生成的。在DWD层，数据按照明细宽表的形式进行组织，以满足分析型报表和即席查询的需要。 

ODS（Operational Data Store）是操作数据存储，它负责将各个业务系统的数据进行抽取、清洗、转换和加载，并将这些数据存储到数据仓库中。ODS层是数据仓库与业务系统之间的桥梁，它的主要作用是保证业务系统与数据仓库之间的数据一致性和完整性。

---

2.2 数据模型 

主数据      ：组织|岗位|人员|大区|三大主数据（客户、物料、供应商）财务主数据（科目|成本中心|利润中心|资产）|工作中心|工艺路线

业务数据 ：线索|业务机会|合同|订单|采购|生产|发货|物流|财务（物料凭证|科目余额|内部订单|资产）|

2.3 抽数工具 ETL kettle

数据中心建设之——ETL Kettle工具的搭建与使用步骤

Job | Transform

2.4 呈现工具 PowerBI / FineBI 

        xxxx

2.5 存储参考

注意：数据来源某国内BI领域头部公司.

四 资源投入

3.1 预算配置

3.1.1 资源

3.1.2 团队配置

五 实施管理

范围 | 进度 | 成本 | 质量

项目实施，可以参考如下指南：

项目管理，体系指南之——PMBOK指南

---

有软考需求的朋友们，欢迎来沟通探讨  ！

​PMP国际项目管理师
高级资格（信息系统项目管理、系统分析师、系统架构设计师、网络规划设计师、系统规划与管理师）

​中级资格（软件设计师、网络工程师、软件评测师、信息系统管理工程师、电子商务师、数据库系统工程师、信息安全工程师、信息系统监理师、计算机硬件工程师、嵌入式系统设计师、计算机辅助设计师、多媒体设计师、系统集成项目管理工程师）