BI建模原則和常見問題

        BI建模的質量直接影響數據倉庫項目的質量，所以在建模前，要對數據倉庫的架構組成、大小和模型功能有明確的定義。

        影響BI數據倉庫建模的因素眾多，常常會隨著項目的具體情況不同而變化。但有些原則是相通的，各種項目的實行進程都需要斟酌，而1些常見的、項目人員容易不解的問題也一樣需要重視。

        BI建模原則

1、  圍繞業務情況建模：業務需求是基礎，數據倉庫的數據組織是面向主題的，而不是面向報表的，是面向業務分析的主題領域的，比如常見的銷售分析、合同尾款分析、客戶關系分析等等。

2、  保證數據的1致性：要保證數據之間邏輯關系的正確性和完全性，數據倉庫要實現對數據的集成與數據的同構性，和數據的相對穩定，為實現利用而進行實時讀寫操作。

3、  使用調度：數據倉庫要有能反應歷史變化與及時準確的數據處理能力，所以BI建模增量更新時必須使用調度，即對事實數據表進行增量更新處理。在使用調度前要斟酌到實際的數據量，明確數據多久更新1次。數據量大的可以每天，那末數據可以按天抽取，或像帆軟商業智能FineBI那樣，采取定時增量更新；變化不大的可以1周或是更久。如果有緩慢變化維度情況，調度時需要斟酌到維度表更新情況，在更新事實數據表之前要先更新維度表。

4、  需求與現實的平衡：根據業務需求提供用戶可接受BI方案，在進行BI建模時需要不斷在用戶需求和數據源事實之間進行平衡，不光是設計人員本身平衡，企業業務人員也一樣要面對這樣的現實。

         常見問題

1、  模型的設計如何入手？

BI建模的目的不過是為了提升管理水平，這也是上BI項目的核情意義所在。前期1定要了解清楚業務需求、業務范圍等內容，明確企業對商業智能的期望和需要分析哪些主題。協同分析客戶目前的管理水平、企業架構和運作流程，管理進程的薄弱點和關鍵點是甚么，來幫助企業人員認識自己的需求。

2、實行疏忽確認進程

很多項目人員在確認過企業需求后就覺得可以大刀闊斧地設計實行了，但在實際進程中常常遇到各種對不上的問題。究其緣由在前期商討進程中總會有遺漏，1些人員對業務也并不是有深入的理解，造成后續不斷調劑，項目周期拖延。所以在建模進程中，1定要不斷地確認業務分析模型，數據能否支持。好的商業智能BI項目實行，通常會充分了解數據抽取對象的業務系統，和業務人員充分溝通，與領導反復確認，避免企業后續的重復工作，加重企業負擔。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈