BI分析模型方案

医院BI系统解决方案说明书目录1前言 (4)1.1目的 (4)1.2适用范围 (4)1.3读者对象 (4)2BI概况 (4)2.1BI建设意义 (4)2.2BI系统架构 (5)2.3BI门户需求 (7)2.4BI特色与优势 (7)3需求分析与应用设计 (8)3.1门诊业务分析 (8)3.1.1门诊用药排名 (8)3.1.2挂号量交叉表 (9)3.1.3门诊人次交叉表 (9)3.1.4挂号分析 (10)3.1.5预约挂号分析 (10)3.1.6医生病人病种情况分析 (11)3.1.7专家出诊情况分析 (11)3.1.8医生挂号查询 (12)3.2住院业务分析 (13)3.2.1住院业务 (13)3.3手术业务管理 (16)3.3.1手术效率分析 (16)3.3.2术间开台时间分析 (17)3.3.3手术费用分析 (17)3.4辅助检查分析 (19)3.4.1辅助检查预约效率分析 (19)3.5药品物流管理 (19)3.5.1药库出入库统计 (19)3.5.2药库出入库明细 (20)3.5.3药房出入库统计 (21)3.5.4药房出入库明细 (21)3.5.5药品价格变动记录 (22)3.6人力资源分析 (23)4仪表盘需求分析与应用设计 (23)4.1院长仪表盘 (23)4.1.1需求分析 (23)4.1.2应用设计 (24)5字典需求分析与应用设计 (24)6系统性能要求 (25)6.1整体要求 (25)6.2安全性需求 (25)6.3可靠性及高可用性需求 (26)6.4可维护性/扩展性需求 (26)6.5行业标准 (26)6.5.1软件工程规范 (26)6.5.2其它相关国家法规 (26)1 前言1.1目的本需求规格说明书为了让用户和软件开发者双方对系统的初始规定有一个共同的理解，使之成为整个项目开发工作的基础，特制定本软件需求分析说明书。

本文档主要对项目所包含的业务需求进行细致描述，明确项目的业务处理范围，并对系统的功能、输入输出数据和性能要求进行说明，力求准确、清晰、完整地反映用户的需求，使任务提出者与开发者双方对项目的需求有一个共同的理解，使之作为整个开发工作的前提。

商业智能(BI）方案目录1. 企业异构数据源32. ETL数据抽取转化和加载42.1 数据抽取、转换和加载52。

2 统一调度62。

3 监控72。

4 ETL工具OWB73. 数据仓库83。

1 操作型数据93.2数据集市93.3 联机在线分析OLAP93。

4 数据挖掘104。

前端展现114.1 多维分析工具Powerplay124.1.3 PowerPlay 应用开发过程164。

2 企业报表ReportNet164。

3 KPI企业关键指标254。

4 报表预警与分发264。

5 即席查询27商业智能（BI, Business Intelligence)是对商业信息的搜集、管理和分析的过程,目的是使企业的各级决策者获得知识或洞察能力，促使他们做出对企业更有利的决策。

商业智能一般由数据仓库、数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。

其基本体系结构包括数据仓库、多维分析和数据挖掘等三个部分。

其中数据仓库用于抽取、整合、分布、存储有用信息；多维数据分析可全方位了解现状；数据挖掘则是发现问题、找出规律、预测将来,达到真正的智能效果。

商业智能的过程：从不同的数据源收集的数据中提取出有用的数据,对数据进行清理以保证数据的准确性，将数据经过转换、重构后存入数据仓库或数据集市，然后寻找合适的查询和分析工具,数据挖掘工具，OLAP工具对信息处理，最后将知识呈现于用户面前，转变为管理、决策.商业智能是从传统的业务过程扩展到对业务数据的联机分析、并从中得到各种面向主题的统计信息和经过计算的结论的应用系统,其处理模式称之为联机分析处理 (OLAP），它的核心是数据仓库技术.其常见的体系结构如下图所示：操作型数据TransformationBI系统架构商业智能已经成为今天商业环境中一个必要因素,企业需要权衡今天商业智能技术提供的能力来保持和提高竞争性和可赢利性。

先进的BI(商业智能）系统解决方案通过开放、易扩展的平台为企业提供管理信息和运营信息的快速获取、集成和智能化分析手段，可以广泛地应用于金融、电信、税务、保险等行业。

房地产BI解决方案摘要本文将介绍房地产行业中的商业智能（BI）解决方案。

随着房地产市场的不断发展，房地产企业面临着大量的数据和复杂的业务流程。

通过使用BI解决方案，房地产企业可以通过有效的数据分析和可视化来提高决策效率和准确性，并实现业务的可持续发展。

引言房地产行业是一个信息密集度极高的行业。

房地产企业需要处理大量的数据并进行复杂的分析来支持其业务运营和决策制定。

传统的手工分析方法已经无法满足房地产企业对数据分析的快速和准确的需求。

因此，房地产企业需要一个强大的BI解决方案来提供实时的数据分析和决策支持。

BI解决方案的重要性房地产企业面临着复杂的市场环境和挑战。

只有通过深入了解市场、分析数据和制定有效策略，才能在激烈的竞争中脱颖而出。

BI解决方案可以帮助房地产企业从众多数据中挖掘出有价值的信息，并为企业提供决策支持。

以下是BI解决方案的几个重要方面：数据整合和清洗房地产企业通常拥有大量的数据源，这些数据源包括销售数据、租赁数据、客户数据、市场数据等。

BI解决方案可以自动整合和清洗这些数据，使其变得结构化和易于分析。

数据分析和报告房地产企业可以利用BI解决方案对数据进行深入分析，并生成可视化的报告和仪表盘。

这些报告和仪表盘可以为管理层提供及时的决策支持，帮助企业发现市场趋势和机会。

预测和模拟分析BI解决方案还可以帮助房地产企业进行预测和模拟分析。

通过建立复杂的模型和算法，企业可以预测未来的市场趋势和风险，并制定相应的应对策略。

监控和反馈BI解决方案可以通过实时监控和报警机制，帮助房地产企业快速发现并解决潜在的问题。

监控和反馈系统可以及时提供数据和业务异常的警报，使企业能够迅速做出反应。

BI解决方案的应用案例以下是一个房地产BI解决方案的应用案例，展示了该解决方案在实际业务中的应用和效果：销售分析房地产企业可以使用BI解决方案对销售数据进行分析，以了解各个项目的销售情况、销售趋势和销售渠道的效果。

通过对销售数据的深入分析，企业可以确定哪些项目和渠道最为有效，并相应地调整销售策略。

企业如何建立有效HR-BI分析模型近年来，伴随企业量化管理需要，顺应这一需求数据分析系统BI(Business Intelligence,商业智能)工具在企业经营管理过程得到了广泛应用。

根据Gartner公司对1400名首席信息官(CIO)进行调查，结果显示商务智能BI将超过安全性而成为企业首要考虑技术问题，计划用于BI方面预算普遍增加，平均增幅可达5%左右。

目前，BI工具无论是在企业经营分析、财务分析等方面都已经取得了不俗实际应用表现，并拉开了在管理领域有效应用理论研究和应用实践序幕。

一般而言，企业在建立一套高效、完备HR-BI系统过程中并不会一帆风顺，会遇到各种影响项目成败问题。

接下来笔者将根据实践经验，对影响项目成败最关键问题，即HR-BI分析模型，进行深入探讨。

一、对HR-BI理解当前，许多企业已建立了自己人力资源管理系统，也累积了相当人力资源业务数据。

然而，正如业内那句老话"rich data, poor information” , 以前累积数据，并没有很好得到利用。

原因是这些数据来源太广，格式不统一，并且其中极少量数据记录格式不正确；同时，累计数据量相当庞大, 但许多细节对高层管理人员来说并不重要，他们需要快速、全面掌握企业人力资源全貌，综合、全面、宏观信息支持，将是领导们关注对象。

而BI出现，解决了企业管理者这一问题。

商业智能(Business Intelligence, BI )通常被理解为将企业中现有数据转化为知识，帮助企业做出明智业务经营决策工具。

这种趋势对人力资源管理也提供了新工具。

同样道理，我们可以利用BI于人力资源管理领域，帮助HR经理通过多种方法察看数据，从而量化评价我们现有人力资源管理体系，为企业各级管理者决策提供有力HR数据支持。

HR-BI正是BI在人力资源管理决策分析过程中有效应用结果，是通过建立一套基于企业人力资源管理过程分析模型，利用BI分析统计功能强大和展现形式丰富特点，实现支持企业人力资源管理决策分析一套分析系统。

ERP系统与商务智能系统BI的设计方案商务智能BI采用先进技术，是企业信息化的新领域，是企业数据生命周期的第二阶段。

商务智能的实现依赖于大量的、准确的、真实数据；而ERP系统产生了大量的、准确的、真是的数据。

因此,将商务智能建立在ERP系统原始数据的基础上，使孤立、分散的企业数据按历史顺序彼此相关，并且按高效、易于提取的结构进行存储,让用户可以按不同的方法进行快速分析，不失为一种良好的企业决策支持解决方案。

本文从以下3个方面对ERP与商务智能整合应用的基本方案进行详细描述.1、关于分析主题的确定确定分析主题是成功实现ERP商务智能系统的第一步。

准确地确定分析主题首先要熟悉ERP的管理模式，通过对ERP相关业务流程的分析确定主题.确定分析主题的依据主要有：对ERP功能模块的分析、对ERP业务流程的分析、对相同类型企业发展战略的了解。

在实际的应用中，如果可以，最好能获得对企业历史数据的分析,便于概括地把握企业的“脉象”.通过对ERP理论和ERP管理模式的研究，针对一般ERP的核心模块和核心业务流程，本文概括了ERP系统的8个分析主题.1。

1 销售主题任务：准确及时地捕捉到销售信息,分析销售情况，对下一步的生产经营科学地进行决策。

主题解释：销售概况分析；销售通路分析；销售策略分析；销售员销售绩效分析；时间段销售分析；销售地区分析；客户销售量分析；客户分布分析;客户类型分析;公司销售成绩的多角度分析；销售规划及销售预测等。

1。

2 市场主题任务：把握市场动向，市场购买潜力和市场价格特点极其发展趋势。

主题解释：地区市场、行业市场的购买潜力分析；市场价格分析；市场趋势预测等。

1.3 产品主题任务：掌握产品的销售能力和销售潜力，合理安排产品结构。

主题解释：产品销售量分析;产品销售额分析；产品销售贡献率分析；产品结构分析；产品市场占有率分析；未销售产品分析；不良品原因分析;产品退货分析;产品获利情况分析;产品订购信息等.1。

itpub数据仓库论坛版主innovate51谈BI建模：为BI开个好头--数据模型构建概要BI的数据模型抽象过程，是对业务过程的再梳理，将线性的数据流，改造成多视角的立体数据。

那么有了数据模型的强大支持，数据分析才有了足够发挥空间，数据分析之后就是BI的应用。

在数据分析阶段，用户可以介入很少，就是提出分析的方向，由分析人员根据分析方向自由发挥，在BI应用阶段，则需要用户全程加入。

传统的数据模型中，都是以常规的维度和事实来描述事务，这种模式下，BI应用要分析得更加深入，往往需要BI分析人员将DW的原始数据抽取出来（经过清洗整合的数据还是比业务源数据好得多），然后自己再加工处理。

这样既增加了数据分析的难度，也增加了成本和风险。

观察一下多少BI分析是这样操作的，你就应该知道数据模型是否需要改进，反正我是这样判断的，如果有满足不了分析的数据模型，我就会考虑模型再造，既是对公司BI的负责，也是自己的提高。

我想包括很多XX牛项目，也存在这样的情况吧，只不过如果分工很细的话，数据仓库的数据模型再造较难推进，随着当前企业多业务交错融入，好的数据模型越来越难以设计。

如果对数据模型再造，来改进BI的现状，就要再深入理解业务，可能需要抽象出新视角、新的维度，以及新的指标，来辅助数据分析更加深入透彻。

例如我在构造电子商务数据模型的时候，不会依据电子商务5大数据源来构建数据模型，而是依据电子商务业务本身来划分专题、专题之间的相互关系等，构思出了客户访问生命周期模型、客户订单生命周期模型、客户生命周期模型、商品生命周期模型四大类，而且四大模型之间的影响关系也非常清晰，从这四大模型之中，完全看不到任何业务数据源的影子。

而在实体商企业中，商品生命周期模型，可以作为企业级生命周期的一部分，作为数据集市构建，这样避免重复开发，也能满足电商的特殊性。

作为品牌商经营，这几大模型就足够了，不过如果作为零售代理商或电商平台商，还需要有商品竞争对比模型，而品牌商有自主定价权，这类分析重要性没那么大，主要在渠道特点的分析上。

B I财务分析主题文件排版存档编号：[UYTR-OUPT28-KBNTL98-UYNN208]B I财务分析主题1、收入主题、营业收入总额及结构、分析模型分析角度期间（年，月，日）；主体（公司，业务板块）；科目（几级科目，营业收入，主营业务收入，其他业务收入，收入总额）；分析指标实际数，预算数、数据来源业务系统，EXCEL数据，其他数据源、数据处理营业收入=主营业务收入+其它业务收入主营业务收入/收入总额其它业务收入/收入总额、分析方法对比分析法，环比/同比分析法、展现方式分析报表，仪表盘、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次等、收入总额增长率、分析模型分析角度期间（年，月，日）；主体（公司，业务板块）；科目（几级科目，营业收入，主营业务收入，其他业务收入，收入总额）；分析指标实际数，增长率、数据来源业务系统，EXCEL数据，其他数据源、数据处理（本期－上期）/上期、分析方法对比分析法，环比/同比分析法、展现方式分析报表，柱状图或曲线图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次等、主营业务收入总额及结构、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，营业收入，主营业务收入，收入总额）等；分析指标实际数，预算数、数据来源业务系统，EXCEL数据，其他数据源、数据处理各业态（企业）主营业务收入/主营业务收入合计、分析方法比较分析法、展现方式分析报表，柱状图或饼图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次等、主营业务收入预算完成率、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，营业收入，主营业务收入，收入总额）等；分析指标实际数，预算数，比率、数据来源业务系统，预算系统，EXCEL数据，其他数据源、数据处理主营业务收入实际数/主营业务收入预算数、分析方法对比分析法，同比/环比分析法、展现方式分析报表，柱状图，饼图，仪表盘、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次等、主营业务收入增长率、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，营业收入，主营业务收入，收入总额）等；分析指标实际数，增长率、数据来源业务系统，EXCEL数据，其他数据源、数据处理（本期－上期）/上期、分析方法同比/环比分析法、展现方式分析报表，仪表盘、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次等、其它业务收入增长率、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，营业收入，其他营业务收入，收入总额）等；分析指标实际数，增长率、数据来源业务系统，EXCEL数据，其他数据源、数据处理（本期－上期）/上期、分析方法同比/环比分析法、展现方式分析报表，曲线图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次，对比的周期等、投资收益、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，投资收益），分析口径（境内/境外,国企/私企）等；分析指标实际数、数据来源业务系统，EXCEL数据，其他数据源、数据处理抽取数据实际数，预算数，进行分析、分析方法指标分析法、展现方式分析报表，仪表盘，折线图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次，投资收益的趋势、营业外收入、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，营业外收入），分析口径（境内/境外,国企/私企）等；分析指标实际数、数据来源业务系统，EXCEL数据，其他数据源、数据处理抽取数据实际数，预算数，进行分析、分析方法指标分析法、展现方式分析报表，仪表盘，折线图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次，营业外收入的趋势、毛利、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，主营业务收入，主营业务成本），分析口径（境内/境外）等；分析指标实际数、数据来源业务系统，EXCEL数据，其他数据源、数据处理主营业务收入-主营业务成本、分析方法差额分析法、展现方式分析报表，折线图，趋势图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次，毛利的趋势、毛利率、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，主营业务收入，主营业务成本），分析口径（境内/境外）等；分析指标实际数、数据来源业务系统，EXCEL数据，其他数据源、数据处理（主营业务收入-主营业务成本）/主营业务收入、分析方法指标分析法，环比/同比分析法、展现方式分析报表，柱状图，曲线图，趋势图、其他说明根据具体情况，确定分析的颗粒度，比如公司的级次，科目的级次，毛利率的趋势2、费用成本主题、成本费用结构、分析模型分析角度期间（年，月，日）；主体（公司，业务板块，业态）；科目（几级科目，主营业务成本，财务费用，管理费用，销售费用，制造费用等），分析口径（境内/境外）等；分析指标实际数，预算数、数据来源财务核算系统，报表系统，业务系统，EXCEL数据，其他系统、数据处理、分析方法、展现方式、其他说明、主营业务成本增长率、期间费用、期间费用增长率、期间费用结构3、利润主题、利润总额及结构、利润总额增长率、利润预算完成率、主营业务利润、主营业务利润增产率、净利润、净利润增长率、实现利税总额4、资产主题、资产总额及结构、应收账款周转率、应收应付账款、其他应收应付、预收预付、存货、总资产周转率、存货周转率、长期负债总额及对比分析、流动负债总额及对比分析5、资金主题、资金总额及结构、货币资金（银行存款）、集团资金大额流出、经营活动产生的现金流量净额对比、经营活动产生现金流入结构、经营活动产生现金流出结构、投资活动产生现金流量净额、筹资活动产生现金流量净额6、绩效分析主题、净资产收益率、总资产报酬率、主营业务利润率、盈余现金保障倍数、成本费用利润率、资本收益率、总资产周转率、资产现金回收率、资产负债率、已获利息倍数、速动比率、现金流动负债比率、带息负债比率、销售增长率、资本保值增值率、销售利润增长率、总资产增长率、主营业务收入预算完成率、利润预算完成率、费用预算完成率7、应收应付主题、应收账款排名分析、客户余额分析、销售回款分析、应收账款账期分析、应付款分析8、财务分析。

保险行业的BI分析模型引言随着信息技术的快速发展和数据的爆炸式增长，保险行业也面临着越来越多的数据挑战与机遇。

在此背景下，保险公司逐渐开始关注并运用商业智能（Business Intelligence，BI）分析模型来帮助他们获取并利用数据价值。

本文将介绍保险行业中常用的BI分析模型，并探讨其应用和优势。

1. BI分析模型的概述BI分析模型是指在商业智能领域中，通过利用数据挖掘、数据可视化和业务洞察等方法，对大量的、离散的、非结构化数据进行分析和整合，从而生成有价值的商业决策支持信息的一种模型。

在保险行业中，BI分析模型可以帮助保险公司理解和改善其商业流程，优化风险管理，提高客户满意度，增加营销效果等。

下面将介绍保险行业中常见的BI分析模型及其应用。

2. 保险业务分析模型2.1 保险销售分析模型保险销售分析模型主要用于分析保险产品的销售情况，包括销售额、销售渠道、销售区域等。

通过对销售数据的分析，保险公司可以了解不同产品的销售状况，并基于分析结果进行相应的调整和优化。

2.2 保险理赔分析模型保险理赔分析模型主要用于分析保险理赔的情况，包括理赔金额、理赔原因、理赔时效等。

通过对理赔数据的分析，保险公司可以了解不同类型的理赔情况，并针对性地提供更好的服务。

2.3 保险风险评估模型保险风险评估模型主要用于分析保险风险的大小和概率，帮助保险公司评估风险的大小，并制定相应的保险策略和定价策略。

3. BI分析模型的应用案例3.1 保险产品推荐通过对客户的历史购买记录、理赔记录和档案信息等数据进行分析，保险公司可以利用BI分析模型来推荐适合客户的保险产品，提高客户满意度和忠诚度。

3.2 欺诈检测在保险业务中，欺诈案件经常存在。

通过对保险理赔数据进行分析，保险公司可以利用BI分析模型来检测出潜在的欺诈行为，帮助公司采取相应的防范措施。

3.3 保险精算分析保险精算是保险行业中的关键环节，通过对保险理赔数据和客户数据进行分析，保险公司可以利用BI分析模型来确定保费定价策略和风险管理策略，从而提高业务效益。

bi数据建模方法
1简介
BI(Business Intelligence)指的是基于现有数据来优化和优化企业决策过程的运营管理工具，其目的是通过数据、分析和报告等手段，为企业赋能，提高企业业绩、优化企业成本，改善公司绩效。

BI 数据建模是一种通过事先建立好的模型，收集现有数据，来研究企业的业务的方法。

2BI数据建模简述
BI数据建模将企业的数据组织成有意义的模式，以构建企业所需的业务模型。

它包含数据仓库模型，业务模型，应用模型等，把企业现有的业务过程建模，以挖掘商业关系价值。

BI数据建模主要有以下三个基本步骤：(1)设计一套数据模型，即数据仓库模型；(2)建立相关分析模型，包括数据挖掘模型，分析模型，和报告模型；(3)应用模型，根据研究结果，来制定企业的管理策略。

3BI数据建模的优势
通过BI数据建模，企业可以更加有效地把数据组织成功能有致的模型。

这样能够更深入地分析和了解数据，从而帮助企业制定合理的管理策略，提高企业的业绩。

此外，数据建模也可以提高企业的效率，迅速提取需要的信息，更高效地解决问题，帮助企业管理者把基础数据安排有力。

4结语
总之，BI数据建模是企业把数据有效组织和分析的重要方式，能够帮助企业更深入地分析数据，制定更合理的管理策略，实现企业的持续发展。

某零售集团BI项目需求分析书目录目录 (2)一、前言 (5)1。

定义 (5)2。

用途 (5)二、BI项目二期建设目标 (5)1。

系统的功能体系结构概述 (5)2. 总体功能体系结构说明 (6)1) 日常业务报表 (8)➢定制脱机报表 (8)➢联机报表查询 (8)2）业务探索式分析(OLAP） (8)3）KPI指标分析报告 (9)3。

系统流程 (10)1) 系统总体流程 (10)2) 日常业务报表处理流程 (11)3) 业务探索式分析（OLAP）处理流程 (12)4。

数据说明 (12)1）总体数据说明 (12)2）系统数据来源详细说明 (14)3) 日常业务报表分析处理数据说明 (14)4) 业务探索式分析OLAP处理数据说明 (14)5. 系统界面基本形式 (15)三、某零售集团BI系统运行环境 (15)1. 软件环境 (15)1）软件环境配置图 (15)2) 软件环境配置说明 (16)➢客户端软件 (16)➢BI应用 (16)➢中间件 (16)➢数据库管理系统 (17)➢操作系统 (17)2. 网络与服务器环境 (17)1）网络与服务器配置图 (17)2）网络与服务器配置说明 (18)➢某零售集团信息仓库ODS服务器配置 (19)➢某零售集团信息仓库OLAP服务器配置 (20)➢某零售集团信息仓库Web应用服务器配置 (21)四、某零售集团BI项目需求分析的任务概述 (21)1。

对一期需求业务的重新整理、归类、筛选和补充 (22)2. 跨业态商流、物流分析 (22)3。

决策支持系统 (22)4. 数据交换平台 (22)五、某零售集团BI项目需求分析的对象 (23)1. 区域/业态 (23)1）中等超市业态子公司主题分析 (23)➢运营分析 (23)➢商品分析 (24)◆合同 (24)◆订货 (24)◆销售 (24)◆旬报 (24)◆供应商 (24)◆品类KPI指标 (24)◆品类组KPI监控 (24)◆品类组业绩监控 (24)➢供应商分析 (24)◆供应商基本查询 (24)◆供应商供应结构分析 (24)◆供应商供货能力分析 (24)◆供应商销售分析 (24)◆供应商库存分析 (24)◆供应商贡献度分析（KPI） (24)2）加盟店分析 (24)◆进货分析 (25)◆销售分析 (25)◆库存分析 (25)◆要货分析 (25)3) 大卖场业态子公司主题分析（将来纳入) (25)4) 便利店业态子公司便利主题分析（将来纳入） (25)5) 江苏分公司主题分析(将来纳入） (25)6）浙江分公司主题分析（将来纳入） (25)2. 跨业态商品分析 (25)1) 定牌商品主题 (25)➢销售主题 (25)➢库存主题 (25)➢定牌商品结构分析 (25)➢定牌商品供货能力分析 (25)➢定牌商品贡献度分析（KPI） (25)2) 联合采购商品主题 (25)➢供应商主题 (25)➢库存主题 (25)➢销售主题 (25)➢联合采购效果评估（KPI) (25)3）生鲜商品主题 (25)➢销售统计报表 (25)➢销售跟踪报表 (25)3。

用BI建立模型的实验总结BI的核心在于应用价值，如何体现应用价值的能力，其核心就是模型与数据。

模型在BI中的重要性这里我就不多说了。

今天主要谈谈我在模型设计上的一些经验与心得，希望大家多提建议。

什么是模型设计？这个问题听起来很可笑，但不同人回答却有着不同的答案，让我们来听听吧：业务顾问的回答是：根据企业提出的分析需求，按照分析需求、与行业经验，把分析的对象划分，并搭建起业务的分析，这就叫分析模型。

ETL架构师的回答是：就是根据分析内容，建立起一张一张的事实表与维度表，并建立相互关系。

使其满足数据分析的要求。

说白了，就是表结构。

前台展现实施人员的回答是：模型就是我做展现时候，一个个的维度、度量。

看吧每个人理解不一样，有项目实施经验的人就会遇到过这种现象，业务模型定义非常清晰，数据结构定好后，在实施过程中，特别是数据核对过程中，不断的需要修改表结构调整，原有的指标定义出现问题等。

（银行和电信项目除外，因为都是文本文件抽取，其不会有这种感受，只是数据量处理而已。

）这就是模型设计者存在的价值（1.2W以上的月薪可不是白拿的啊）。

通过公司招聘面试的过程，很多人面试BI模型设计的都认为模型设计是很简单的，很多人都认为自己胜任没问题。

但往往我提问，你对模型设计的理解时候，说的都非常轻松easy，呵呵。

1.2w以上的月薪可不是什么人都可以的啊。

（后面我会专门谈谈我对该岗位的要求体会，忘大家多提建议）A.模型设计的阶段：模型设计应该分为三大阶段：（1）业务分析模型的搭建工作。

该阶段主要是梳理业务需求，形成针对业务分析的业务模型。

分析内容结论如下：（按步骤排列）n 熟悉分析对象组织结构，以及该结构内，各部门职责，以及整体以及部门内运作的流程。

提交物：组织机构结构图、部门职能与业务流程报告。

n 确定分析主题，主要数据来源系统（不比明细）提交物：数据来源可行性报告。

以及实施难度估量报告（项目经理把控）。

n 了解数据源涉及到的系统，其操作流程以及控制点。