BI 是一种数据技术解决方案，可从各种企业业务系统中提取、清理、转换和加载具有分析价值的数据。这是一个提取、转换和加载ETL 过程，最终在数据仓库中合并为一个过程。使用特定的建模技术，例如Inmon 的3NF 建模、Kimball 的维度建模或两者的混合架构模型，最后在此基础上使用适当的分析和演示工具创建各种可视化。分析报告提供有关数据的决策支持。企业管理决策层。
派克数据-数据仓库管理平台架构
首先，您需要了解什么是建模。接下来，让我们看看建模和自助分析之间的关系。这些并不矛盾。你需要了解BI的底层逻辑。
建模是构建抽象模型来理解事物。建立系统模型的过程也称为建模。建模是BI分析的重要工具和前提。建模是使用模型来描述系统中因果关系和交互的任何过程。
无论您使用哪种BI工具产品，在进行自助分析或可视化页面设计时，您总会看到几个核心元素：维度和度量。尺寸是显示数据的角度，显示的数据是测量值。例如，从产品角度分析销售收入的百分比，从时间角度看销售收入的趋势。在这个解释中，产品和时间是分析的维度，销售收入是数据。这也称为KPI 或指标。
Parker Data - 定义和管理数据仓库维度
Parker Data - 定义和管理数据仓库指标
在BI分析中，只要通过一个维度或维度组合来分析指标，就会在指标背后构建分析模型。它是将复杂业务抽象为分析模型的过程。
所以说到BI，建模并不像人们想象的那么神秘。
拖放式自助分析的本质是分析模型的应用。自助分析过程首先选择分析维度，然后选择相应的度量或指标。可视化是通过拖放来显示数据来完成的。其逻辑是根据选定的维度和指标自动形成分析模型。在这个分析模型的背后，会生成具有聚合查询性质的SQL语句，并发送给底层数据库引擎进行数据查询，从而聚合数据。将进行计算并将结果显示在可视化页面上。
通过前端可视化BI分析工具，选择多个数据表进行数据关联，形成分析模型，并自动列在分析面板中，供自助分析师使用。 BI 前端建模。通过数据仓库预先构建一些基础分析模型，前端BI工具直接引用成熟的维度和指标。这是通过将分析模型发布到底层数据架构来解决的。造型。它们本质上是相同的：构建分析模型的过程。它只是前端供业务人员处理模型，后期处理到数据仓库供BI开发人员处理。后期定位的主要目的不仅是为了下沉公共指标，也是为了解决指标爆炸的问题。
Parker Data业务层次结构建模流程
因此，BI分析中的建模本身就是维度和指标的结合，这个过程并没有什么特别之处。然而，在考虑自助分析时，模型中维度和指标的选择不应受到预设模型的限制。这种理解是错误的。无论你有什么样的模型，例如一个大宽度的表格，它的维度和指标都可以理解为预设，只需为用户提供更多的维度列和更多的指标即可。仅仅因为维度和指标的组合是可能的并不意味着模型的概念不存在。
很多BI厂商都不知道这个道理，那为什么他们还这么说呢？因为我们的BI产品非常灵活，你可以用任何你想要的方式来分析它们，它们可以处理任何分析场景，你需要证明你的。产品比其他产品更强大，因为您需要给用户一种能够应对的感觉。但如果你认真思考一下，你真的能按照你想要的方式分析BI吗？你真的可以自由地按照你想要的方式分析它吗？
自由既不是无限的，也不是无限的。所有的自由都是有限度的。当追求的自由超过其限度时，自由就不可避免地受到限制。这才是真正的自由。
版权声明：本文转载于网络，版权归作者所有。如有侵权，请联系本站编辑删除。