在商业智能BI中，我们经常会听到指标、指标表、维度、模型、数据仓库、数据等一些名词和概念，那么他们之前到底有什么关系和联系呢？
什么叫指标？指标就是我们具体要分析的对象，分析的数据，比如销售收入、销售毛利、采购成本、人均产出等数值类型的就是指标。
指标表就是在同一个业务分析主题下的指标的组合，比如像财务分析-利润分析中的营业利润、利润总额、净利润、净利润率等，比如像采购分析-采购到货分析中的订单金额、实际到货金额、逾期到货金额、到货金额比率、逾期到货金额比率等等。通常情况下，他们都具有相同的分析维度。
维度就是看数据的角度，从哪个角度去看这个数据指标，比如：2019年北京地区华为手机的销售量，销售量就是我们要去看的一个指标，维度就是时间维度，地区维度和产品维度。所以我们可以只看2020年全部地区全部产品的销售额，也可以只看2019年山东地区某一个产品的销售额。这种动态的分析就是一种多维度的分析。
将分析指标和具体的分析维度组织起来就形成了一个分析模型，在数据库中表现出来就是一张事实表或者叫指标表，这些表关联到不同的维度表，形成了表与表之间的关联关系。最后，这一个又一个的分析模型就沉淀到数据仓库中，当然这里面的时间、地区和产品维度在不同的分析模型中是可以复用的，具体在数据仓库中就是一张又一张的数据表。
数据有两种，一种是源数据，就是我们要分析的数据来源，他们都存放在一个或者一些业务系统中。我们通过ETL过程将这些源数据抽取、转换，最后再加载到数据仓库的各个分析模型中，这样就完成了业务基础数据到业务分析模型的转变，我们基于这些分析模型就可以实现BI的自助可视化拖拉拽分析了。
在整个BI的设计和开发过程中，最重要的阶段就是业务分析模型的构建，数据仓库数据模型的构建，从数据源的数据匹配到数据仓库模型过程中数据的清洗、转换、治理，这些工作占据了BI项目开发过程中80%的时间，剩余的20%时间就是可视化报表的开发。
本文为专栏文章，来自：派可数据，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/79780.html 。
