BI建模-数据模型构建概要.docxVIP

----宋停云与您分享---- ----宋停云与您分享---- itpub 数据仓库论坛版主 innovate51 谈 BI 建模： 为 BI 开个好头--数据模型构建概要 BI 的 数据模型抽象过程，是对业务过程的再梳理，将线性的数据流，改造成 多视角的立体数据。那么有了数据模型的强大支持，数据分析才有了足够发挥空间， 数据分析之后就是 BI 的应用。在数据分析阶段，用户可以介入很少，就是提出分析的方向，由分析人员根据分析方向自由发挥，在 BI 应用阶段，则需要用户全程加入。 传统的数据模型中，都是以常规的维度和事实来描述事务，这种模式下，BI 应用要分析得更加深入，往往需要 BI 分析人员将 DW 的原始数据抽取出来（经过清洗整合的数据还是比业务源数据好得多），然后自己再加工处理。这样既增加了数据分析的难度，也增加了成本和风险。 观察一下多少 BI 分析是这样操作的，你就应该知道数据模型是否需要改进，反正我是这样判断的，如果有满足不了分析的数据模型，我就会考虑模型再造，既是对公司 BI 的负责，也是自己的提高。我想包括很多 XX 牛项目，也存在这样的情况吧，只不过如果分工很细的话，数据仓库的数据模型再造较难推进，随着当前企业多业务交错融入，好的数据模型越来越难以设计。 如果对数据模型再造，来改进 BI 的现状，就要再深入理解业务，可能需要抽象出新视角、新的维度，以及新的指标，来辅助数据分析更加深入透彻。 例如我在构造电子商务数据模型的时候，不会依据电子商务 5 大数据源来构建数据模型，而是依据电子商务业务本身来划分专题、专题之间的相互关系等，构思出了客户访问生命周期模型、客户订单生命周期模型、客户生命周期模型、商品生命周期模型四大类，而且四大模型之间的影响关系也非常清晰，从这四大模型之中，完全看不到任何业务数据源的影子。 而在实体商企业中，商品生命周期模型，可以作为企业级生命周期的一部分， 作为数据集市构建，这样避免重复开发，也能满足电商的特殊性。作为品牌商经营， 这几大模型就足够了，不过如果作为零售代理商或电商平台商，还需要有商品竞争 ----宋停云与您分享---- ----宋停云与您分享---- 对比模型，而品牌商有自主定价权，这类分析重要性没那么大，主要在渠道特点的分析上。 如果我们的数据模型是根据业务系统的表结构来构建，那就只相当于有个物理模型，因为业务系统的业务数据都是线性的，无法直接拿来有效地分析，完全没理清楚，从分析角度，需要哪些数据信息。例如电商业务系统会至少有订单信息、付款、物流数据，也有点击流日志数据、外部网站爬取数据、客服数据，然后还有企业方计划数据。 像这些看似独自的数据，包含了业务运营的相关的全过程，以及相关影响信息，所以数据模型就需要按照上述专题进行描述。因为这样的描述， 可以衍生新的维度、指标，将业务描述清晰，从而将静态的业务数据，在 BI 数据模型中，演变成可以多层次、多视角动态分析的立体模型。 另外说一个项目开发问题，正因为我的数据建模未太多依赖数据源表结构，BI 的导入也非常快，数据模型实现建好，拿到数据就可以顺利导入，数据分析也随即展开，BI 应用也逐步和用户讨论。 什么是 BI 建模，建模的本质是什么？ 前几天和大项目团队一起和厂商聚餐，后来发了个厂商的小礼品，是一个便签本，本子面上是塑料的壳，上面是一个活动日历，中间如下面的数据，由一个框架在数字上面，可以活动左右移动，框架上面有周日到周六的英文简称，最左边是指针，指着上下 2 列数字，分别代表月份，上是 12 年，下是 11 年。例如 11 年 6 月， 指针就会覆盖到第三列，那么我们看到框里的数字，就是从第四列到 10 列，大家看这些数字，刚好是 6 月的日历。如果是 11 年 7 月，则从第二列到七列，框架下面的代表月份的数字写得很清楚了。 1 2 3 4 5 6 7 2 3 4 5 6 7 8 9 1011121314 9 10 1112131415161718192021 16171819202122232425262728 ----宋停云与您分享---- ----宋停云与您分享---- 232425262728293031 3031 话说这么多了，上面的例子是非计算机领域的日常用到的模型，来处理本来需要 24 页纸来描述的日历，只要在一页纸上就能基本描述清楚。当然只是基本，唯一的缺点就是每个月都会有 31 日，这个模型无法处理掉，但是不影响我们的使用。 首先这个模型的目标是将 24 月日历的变化能在一个图表里完成，这也是这个设计的需求。那么设计者发现，其实日历的变化，无非是每月从 1 号开始的星期不一样，从周日到周六，都有可能，于是我们的能左右滑动的框（框里有周日到周六的对应指针），就能解决这个问题。那么这个数字就需要