大数据时代：企业该如何搭建自己的BI系统？

摘要：显然，如何降低企业的经营风险，如何及时正确获取企业完整的信息，如何使企业管理策略得到贯彻与保障以及如何建立科学的评价分析体系是决策者们最关心的问题。

随着商业智能和大数据价值的不断深入人心，各行各业都对BI商业智能系统有了不同程度的探索。据悉，商业智能的应用每年正以5%~6%的速率增长，中小企业的形势尤为迅猛，其应用范围大到全面布局，小到具体业务，帮助企业利用数据分析企业运行现状，制定科学合理的决策和预判，成果有目共睹。

然而，很多未接触过的企业会认为商业智能系统只是买个技术买个软件而已。其实不然，作为一个商业智能解决方案，从前期部署到后续维护，需要考虑各方面因素，比如数据系统后端架构，企业业务需求的适应，实施技术如何融入到内部工作流程等等。那么，企业到底该如何建设BI商业智能系统呢，我们通过FineBI的部署流程来了解商业智能的应用之道。

分析需求

BI商业智能系统项目首要解决的是各业务系统之间数据整合问题，搭建一个数据整合平台，为企业管理人员提供提供一个全局的视图，通过强大的数据查询和报表展示功能让决策者能够将数据转换为知识进而辅助决策，为企业未来的经营状况作出准确的预测。

需求分析是商业智能项目最重要的一步，需要详细了解项目背景、业务目标、业务需求、业务范围等内容，明确企业对商业智能的期望和需要分析哪些主题。

项目背景主要描述企业目前已有系统的现状，包括不同的历史时期，它的业务需求分别是什么。因为以往的这些独立的信息系统数据分散，业务之间无法共享信息，数据展示单一，数据存在不一致现象，导致企业领导层无法从全局的角度对业务进行综合分析。业务范围是对项目团队所有人员工作范围的界定和个层级人员之间的权限设置。

业务需求是描述客户对于系统实现的总体性要求，以什么以及多少维度进行分析。

功能需求可以包含各业务主题分析、关键性指标查询和监控、报表查询和数据挖掘等内容。

其具体功能框架如下

数据仓库建模

需求分析是基础，而后就要建立数据仓库模型。在系统设计和开发之前，一般业务人员和设计人员要共同参与概念模型的设计，业务人员和设计人员之间要达成一致的核心业务概念。在系统设计开发时，业务人员和系统设计人员共同参与逻辑模型的设计，最后开发人员以逻辑模型为基础进行物理模型设计。

ETL:数据抽取、清洗、转换、加载

抽取主要负责将数据仓库需要的数据从各个业务系统中抽取出来。如果每个业务系统的数据情况各不相同，可能对每个数据源都需要建立独立的抽取流程。通过数据抽取程序，将数据从业务源系统中不断抽取出来，抽取周期可以设定为某个固定时间，也可以设定为某个时间间隔。清洗阶段是对业务源数据的清洗和确认，检查抽取的源数据质量是否达到数据仓库的规定标准。

转换是对源系统的数据做最后一步的修改，包括对源数据的聚合以及各种计算，是整个ETL过程的核心部分。

加载是将数据加载到最后的目标表中，其复杂度没有转换高，一般采用批量装载的形式。

建立商业智能分析报表

商业智能分析报表是BI商业智能系统建设的最终成功展现。这时企业的高层领导就可以从全局建立分析，以多个视角查看企业的运营情况，并且按照不同的方式去探查企业内部的核心数据，从而对公司未来经营状况进行科学地预测和判断。

其实，BI商业智能系统严格的来说是一种商业智能解决方案，除了全面深入的系统建设，更需要企业管理者和业务人员科学化的管理思想来运行和维护。这就需要人员不断提高数据分析的技能和及时了解行业动态，强强联手，为企业发展保驾护航。