数极客首页

BI 中的指标、维度、数据仓库、模型如何理解,有什么关联关系?

数极客,拥有16种数据分析模型的新一代用户行为分析平台!

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。

BI 中的指标、维度、数据仓库、模型如何理解,有什么关联关系?

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。

数极客是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

发表评论

相关文章