BI实施设计
企业行为识别(BI)的设计
企业行为识别（BI）的设计企业行为识别（BI）是企业活性化行为之执行，是企业实践经营理念与创造企业文化的准则，在企业活性化行为执行过程中，最重要的是寻找企业“价值”，将停滞可隐藏的资源予以活性化及重新展现，并根据这一优势资源再开发成新的资源，并形成最重要的形象概念（Image Concept）,以“一点突破型”（Power of One Point简称POOP）的形象策略实现企业目标。
企业识别系统（CIS）的四个构成部分中，迄今为止，国内外企业开发CI最有成效的部分，也是在CI历史形成中最早完成的部分是视觉识别（VI），它将整个的动作原理建立在一体化的视觉形象特征上，力图通过企业的名称、标志、品牌、标准字、标准色建立企业的凝聚力与个性。
而行为识别的基本意义上在于将企业的内部组织机构与员工的行为都理解为一种传播符号，通过这些活动的因素传达企业理念，塑造企业形象。
并且，行为识别系统的构在与开发远比视觉识别复杂，涉及到层面和因素更多，更无法确定。
因此，行为识别至今而言，不能说是发展到了相当丰富、完善的水平。
这意味着企业开发建立BI将有着很大的余地和美好的前景。
行为识别同样必须具备CI系统中的两个基本要素，这就是识别的统一性与差异性，所谓统一性，即要求企业在统一理念的指导下，各部门机构、各子公司协调动作，全体员工遵守企业“教义”，统一步调，统一行动。
所谓差异性，即要求CI传播必须本着CI的基本精神，差异就是精神，CI旨在标示企业个性与“独立精神或价值”。
这种“独立精神或价值”同样在经济运行规律中得到体现，企业形象的差异性是企业识别的根本所在。
企业行为识别按其基本因素又可分为内部和外部行为识别。
2．企业员工教育企业员工是将企业形象传递给外界的重要媒体。
因此，对员工从言谈举止、待人接物等细微之处进行教育，可以实现企业形象的提升。
在企业员工教育方面可以开展以下活动：（1） 颁布CI手册，使员工熟悉载入其中的企业理念、企业识别等内容。
仓储物流bi方案
仓储物流bi方案随着物流行业的快速发展，仓储物流也越来越受到重视。
如何提高仓储物流的效率和管理水平，成为了众多企业关注的焦点。
而BI （Business Intelligence）技术，作为一种数据分析和决策支持工具，正在被越来越多的企业应用于仓储物流领域。
本文将介绍仓储物流BI方案的设计和实施过程，并探讨其应用效果。
一、方案设计1.目标本方案旨在通过BI技术，实现对仓储物流业务的全方位监控和分析，提高仓储物流的效率和管理水平，降低成本，增强企业竞争力。
2.方案内容（1）数据采集：通过与企业ERP、WMS等系统对接，实现对仓储物流业务数据的实时采集和整合。
（2）数据分析：利用BI工具，对采集的数据进行分析，包括销售数据、库存数据、订单数据、运输数据等，形成多维度、多角度的分析报表和数据可视化图表，帮助企业管理层深入了解业务状况，及时发现问题。
（3）预测分析：基于历史数据和趋势预测模型，对未来的销售、库存、运输等业务进行预测和分析，为企业决策提供参考依据。
（4）决策支持：通过BI工具，为企业管理层提供实时、准确的数据支持，帮助其制定科学、合理的战略和决策，提高企业的竞争力。
3.实施过程（1）需求分析：与企业管理层和业务人员沟通，了解其需求和痛点，确定BI方案的具体内容和功能。
（2）数据整合：与企业ERP、WMS等系统对接，实现数据的实时采集和整合。
（3）报表设计：利用BI工具，设计多维度、多角度的分析报表和数据可视化图表，满足企业管理层的需求。
（4）预测分析：基于历史数据和趋势预测模型，对未来的销售、库存、运输等业务进行预测和分析。
（5）决策支持：为企业管理层提供实时、准确的数据支持，帮助其制定科学、合理的战略和决策。
二、应用效果1.提高效率通过BI技术，企业管理层能够实时监控仓储物流业务，及时发现问题，并采取相应的措施。
同时，BI工具能够自动生成多维度、多角度的分析报表和数据可视化图表，帮助业务人员深入了解业务状况，提高工作效率。
bi项目方案
bi项目方案一、项目概述BI项目（Business Intelligence Project）是以数据分析和决策为核心的企业级项目。
本项目旨在通过构建高效、可靠的数据仓库和BI平台，提供数据洞察、业务分析和决策支持，以促进企业的战略规划和业务发展。
二、项目目标1. 构建数据仓库：收集、清洗、整合和存储企业内外部数据，确保数据的准确性、完整性和一致性。
2. 建立BI平台：搭建灵活、易用的报表和分析平台，满足不同用户的需求，提供自助查询、可视化分析和实时监控等功能。
3. 提供决策支持：通过分析业务数据，挖掘潜在机会和问题，辅助管理层制定战略计划和业务决策，并提供预测和优化建议。
三、项目实施阶段1. 需求调研阶段：- 与相关业务部门沟通，了解业务需求和数据来源，明确项目目标。
- 收集并整理业务需求，制定详细的需求规格说明书。
2. 数据设计与建模阶段：- 分析和评估数据源，设计数据仓库模型，确保数据粒度和结构的准确性。
- 建立ETL流程，实现数据的抽取、清洗和转换，确保数据的一致性和及时性。
3. 平台搭建与开发阶段：- 选取合适的BI平台工具，进行系统搭建和配置。
- 开发报表和分析模块，实现用户需求的自助查询和可视化展示。
4. 测试与上线阶段：- 对系统进行全面的功能测试和性能测试，修复存在的问题。
- 针对用户进行培训和知识分享，确保用户的熟练使用。
5. 运维与优化阶段：- 监控系统性能，及时处理异常情况和故障。
- 优化系统架构和报表性能，提升用户体验和查询效率。
四、项目交付成果1. 数据仓库和数据集市：搭建稳定可靠的数据存储环境，确保数据的安全和可访问性。
2. 报表和分析平台：提供直观、灵活的数据可视化报表和分析功能，支持用户自助查询和定制报表。
3. 战略决策支持：通过数据分析和洞察，提供高质量的决策支持报告和优化建议，辅助企业战略决策的制定和推进。
五、项目预算和进度1. 预算估算：- 软件许可费用：根据所选BI平台工具和规模进行估算。
BI系统技术方案
BI系统技术方案介绍本文档旨在提供一个关于BI（商业智能）系统的技术方案。
BI 系统是一种通过收集、分析和可视化数据来提供企业决策支持的工具。
通过使用BI系统，企业能够更好地理解其数据，并基于数据洞察做出更明智的决策。
技术架构本方案建议以下技术架构来支持BI系统的开发和运行：1. 数据采集层：用于收集和提取企业各个业务系统中的数据。
可以使用ETL（抽取、转换和加载）工具来实现数据的抽取和转换功能。
2. 数据存储层：用于存储采集到的数据。
常见的选择包括关系型数据库（如MySQL、Oracle）和大数据存储（如Hadoop、Spark）。
3. 数据处理层：用于对存储的数据进行清洗、转换和聚合。
可以使用数据处理工具（如Python pandas库、SQL查询）来实现。
4. 数据分析层：用于对处理后的数据进行分析和建模。
可以使用数据分析工具（如Tableau、Power BI）来实现。
5. 可视化层：用于将分析结果可视化，方便用户查看和理解。
可以使用报表工具（如Tableau、Power BI）或自定义开发前端界面来实现。
实施计划以下是BI系统技术方案的实施计划：1. 需求分析：与各业务部门合作，了解他们的数据需求和分析目标。
2. 技术选型：根据需求分析结果选择适合的技术工具和平台。
3. 数据采集：设计和实施数据采集策略，确保从各业务系统中提取所需数据。
4. 数据存储和处理：建立数据存储层和数据处理层，实现数据的清洗、转换和聚合功能。
5. 数据分析和建模：使用选定的数据分析工具对处理后的数据进行分析和建模。
6. 可视化设计：设计并开发可视化界面，展示分析结果。
7. 用户培训和支持：提供系统培训和技术支持，确保用户能够充分利用BI系统。
价值和好处通过实施BI系统技术方案，企业可以获得以下价值和好处：1. 数据驱动的决策：通过更好地理解和分析数据，企业能够做出更准确、更及时的决策。
2. 洞察业务运营：通过对数据进行深入分析，企业可以发现业务运营中的机会和挑战，并做出相应策略调整。
bi设计实施方案
bi设计实施方案BI设计实施方案一、背景介绍随着信息化时代的到来，企业对数据的需求越来越大，如何利用数据进行分析和决策成为了企业发展的关键。
商业智能（BI）作为一种数据分析和决策支持的工具，受到了越来越多企业的重视。
因此，本文将围绕BI设计实施方案展开讨论。
二、需求分析在设计BI实施方案之前，首先需要进行需求分析。
通过调研和访谈，了解企业各部门对数据分析和决策支持的需求，包括但不限于销售数据分析、财务数据分析、市场数据分析等方面的需求。
同时，也需要了解企业现有的数据资源和信息系统，明确数据来源和数据质量，为后续的BI设计奠定基础。
三、架构设计基于需求分析的结果，可以开始进行BI架构设计。
首先需要确定数据的采集和清洗流程，确保数据的准确性和完整性。
其次，需要设计数据存储和管理的方案，包括数据仓库或数据湖的建设。
接着，需要设计数据分析和可视化的工具和平台，如数据挖掘、报表设计和仪表盘展示等。
最后，需要设计决策支持的应用系统，将数据分析结果与业务流程相结合，为决策提供支持。
四、技术选型在BI设计实施方案中，技术选型是至关重要的一环。
需要根据企业的实际情况和需求，选择合适的数据采集、数据存储、数据分析和可视化工具。
同时，也需要考虑技术的成熟度、稳定性、扩展性和成本等因素，综合权衡选择最适合的技术方案。
五、实施规划BI设计实施方案的实施规划是整个项目的关键。
需要明确项目的时间节点、人力资源、预算和风险管理等方面的规划。
同时，也需要制定详细的实施计划和里程碑，确保项目能够按时、按质、按量地完成。
六、风险控制在BI设计实施的过程中，可能会面临各种风险和挑战，如数据安全风险、技术实施风险、业务变更风险等。
因此，需要制定相应的风险控制策略，及时识别和应对可能出现的风险，保障项目顺利进行。
七、总结BI设计实施方案是企业数据化转型的关键一步，通过本文的讨论，我们了解了BI设计实施方案的关键步骤和要点。
在实际项目中，需要根据企业的实际情况和需求，结合技术的发展趋势和市场的变化，制定符合企业发展的BI设计实施方案，推动企业数据化转型，提升企业的竞争力和持续发展能力。
如何做好BI项目的规划与实施方案
如何做好BI项目的规划与实施方案项目规划和实施方案是保障项目落地的首要环节。
好的项目规划能有效提升开发人效，缩短项目周期，实现项目预期目标。
做项目规划时，要杜绝“一口气吃成一个胖子”的心态，应该先易后难，稳扎稳打。
图1所示的某银行决策体系的项目规划，就是从提供基础数据，到业务应用，再到决策支持体系建设，最终达到价值链管理的目的的。
项目的一期便只聚焦高效上报/填报、数据自动化处理、主数据搭建、快速展现报表等需求。
这就是很明智的，能有效控制项目风险。
某银行决策体系的项目规划围绕项目规划，企业需要确定三件事：做什么、谁来做，以及怎么做。
一、做什么：确定项目范围项目规划的第一步是根据项目需求和目的确定项目范围，这时在项目初期收集和明确的需求就派上用场了。
对于项目管理者而言，只清楚项目范围的含义是不够的，最重要的是正确、清楚地定义项目范围。
如果项目范围划分得不够明确，会直接导致项目内容意外变更，有可能造成项目最终成本提高、进度严重延迟、偏离原定目标，以及影响整个项目发展和项目团队成员积极性等不良后果。
具体来说，项目范围包括组织、功能、业务、数据、接口等5个方面的范围。
（1）组织范围框定的是实施项目的主体，企业需要明确当期项目是否只需要在总部实施还是要在总部和所有子公司都实施，实施的内容又涉及哪些业务部门。
（2）功能范围指BI项目所包含的功能模块及具体功能，如表1所示。
IT 开发人员可以根据功能范围提前学习和掌握BI工具，在做开发时更有针对性、更高效。
BI项目功能范围示例（3）业务范围描述企业需要通过BI系统实现的日常业务处理和分析任务，主要对业务模块、分析应用、分析维度、分析形式等内容进行定义。
（4）数据范围包括数据源范围和数据关联规则等，其中数据源范围不仅描述数据来自哪里，还包括对源数据的理解、源数据质量保障、数据抽取等。
确定数据源范围（5）接口范围则考虑BI系统是否需要嵌入企业的其他信息系统，并实现单点登录等功能，如果需要，还应明确系统接口方式，例如由谁提供，谁设计，谁开发等。
基于企业决策信息系统的BI设计与实现
博 士 ・ 家论 坛 专
基 于 芷 业决 策 信 息 系 统 的 Ｂ 设 计 与 实 坝 Ｉ
湖 南机 电职 业技 术 学院 王
［ 摘
敏
要 ］ ａｌＢＩＥ全 称 为 Ｏｒ ｌＢ ｓ ｅｓｎｅｉｅｃ ｕｔ ｎｅｐｉ Ｅ ｉｏ ，是 Ｏｒｃｅ 出的 新 的 商 业 智 能 平 台 企 业 版 。Ｏｒｃ Ｏｒｃ Ｅ ｅ ａ ｅ ｕｉ ｓＩｔｌｇｎ ｅ ｉＥ ｔｒｒ ｅ ｄｔ ｎ ｃ ｎ ｌ Ｓ ｓ ｉ ａｌ 提 ａｌ ｅ
ＢＥ ＩＥ是 一 个 非常 有 创 造 力 的 工具 ， 在 Ｒｅｏｉ ｒ 件 中设 计 物 理 层 、 辑 层 、 现 层 进 而 提 供 元 数 据 ， 通 过 Ｂ Ａｎｗｅ 让 用 户设 其 ｐ ｓｏｙ文 ｔ 逻 展 其 Ｉ ｓ ｒ
计 自己所 需查 询 ， 通 过 Ｂ ｎｅａｔ ｅ ｓｂ ａｄ 来 显 示 数 据 。 其 Ｉ ｔ ｃｉ ｈ ｏ ｒｓ Ｉ ｒ ｖ Ｄａ
３１２报 表 分 析 需 求 ．． 根据业务设计报告 ， 表分析主要包括报表 、 Ｐ 、 报 Ｋ Ｉ分析模型 ３部分 以及 基 础 数 据 维 护 。
金融 风暴和金融 机构重组等 ， 使得 中小 公司逐 渐被取代 ， 资金合并 ， 公 司规模在吞并小公 司的同时， 大量 的 、 未知 的数 据必须要经过专人 的计 算， 或做成决 策层所需要 的商务报 表 ， 这个时候 ，ｒｃ ｉｅ ｏａｌ ｂｅ 商务智 能就 ｅ
可 以完 美 的解 决 这 一 切 。
２． ａｃｅＢｌ Ｏｒ ｌ ＥＥ
报表分 析 ： 根据业 务设计报 告 ， 报表需求 部分（ 根据 企业实 际需求 确 定 报 表 张 数 ）展 现 为 固定 表 格 形 式 。 ： 现 表 Ｓ Ａ ０ 一产 品销 售 基 ， 如 展 Ｚ ０１
bi项目实施项目总结
BI项目实施项目总结一、项目背景在当今信息爆炸的时代，企业对于数据的需求和依赖日益增强。
为了更好地支持业务决策，提高运营效率，我们实施了一个BI（Business Intelligence）项目。
该项目旨在为企业提供一套完整的数据分析解决方案，帮助其更好地理解和利用数据。
二、实施过程1. 需求分析：对企业的业务需求进行深入了解，明确项目的目标和期望。
2. 方案设计：根据需求分析结果，设计出满足企业实际需求的数据分析方案。
3. 系统开发：按照设计方案，开发出相应的数据分析系统。
4. 数据导入与处理：将企业的原始数据导入系统，并进行必要的清洗和整理。
5. 报表与可视化：根据业务需求，定制化开发各类报表和可视化图表。
6. 用户培训与支持：为企业员工提供培训，确保他们能够熟练运用系统进行数据分析。
三、技术实现在技术实现方面，我们采用了先进的数据仓库技术和数据分析工具。
数据仓库能够对海量数据进行高效存储和处理，支持快速查询和分析。
数据分析工具则提供了丰富的可视化功能，帮助用户直观地理解数据。
四、数据整合数据整合是BI项目的关键环节。
我们通过ETL（Extract, Transform, Load）过程，将企业的各类数据源进行整合，形成一个统一的数据仓库。
这确保了数据的准确性和一致性，为后续的数据分析提供了基础。
五、报表与可视化报表和可视化是BI项目的核心功能。
我们根据企业的实际需求，定制开发了各类报表和可视化图表。
这些报表和图表直观地展示了企业的运营状况，帮助决策者更好地理解数据，做出合理决策。
六、用户培训与支持为了确保企业员工能够充分利用BI系统进行数据分析，我们提供了一系列的培训和支持服务。
通过培训，员工们掌握了系统的使用方法和数据分析技巧，能够更加高效地利用数据进行工作。
同时，我们还提供技术支持，解决员工在使用过程中遇到的问题。
七、问题与解决方案在项目实施过程中，我们也遇到了一些问题和挑战。
例如，数据质量问题、系统性能问题等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4. BI的ETL实施工具 5. BI的报表实施工具
9 | Name | Company | Customer | November 21, 2017
BI项目流程
10 | Name | Company | Customer | November 21, 2017
项目计划和准备
• 用户需求是否清楚？ • 是否已经明确BI的技术标准？
6 | Name | Company | Customer | November 21, 2017
应用BI的意义
• 高度的数据可用性
减少数据冗余 存储分步策略 公用数据提炼 各环节数据功能切分
7 | Name | Company | Customer | November 21, 2017
应用BI的意义
13 | Name | Company | Customer | November 21, 2017
设计阶段
设计阶段是BI项目最重要的阶段，其重要性甚至超过了具体 的开发阶段。该阶段大致需要覆盖以下方面：
14 | Name | Company | Customer | November 21, 2017
24 | Name | Company | Customer | November 21, 2017
开发阶段
同步开发，分步验收
在这种开发方式下，ETL队伍和前端开发队伍需要协同工作， 将所有的开发需求先分成几个组，每个组包含开发前端所需 要的ETL。如此，前端开发团队就无需等待ETL团队开发完所 有的ETL才进行开发。当前端团队开发完第一组前端报表时， ETL团队就可以配合加载真实数据，这个时候就可以让最终 用户马上参与进来检验前端报表是否符合他们的需求，以及 数据是否正确。 这种开发方式的最大优点就是，它减少了在测试阶段用户 有可能提出的需求变更，并增加了用户对项目结果的信心。
19 | Name | Company | Customer | November 21, 2017
设计阶段
如何验证所建模型的好坏
第一步：如果是ER模型则首先应检验是否所有的实体表已经在模型中正 确的建立了。比如，项目包含了销售主题的分析，那么销售相关的实体 表是否已经包含在了模型中？（假设发现销售订单表或客户表没有包含， 那么显然有问题）。如果是维度建模，那么总是首先确认是否所有的维 度表已经明确。接下来，就要检验实体表之间的关系（ER建模）或维度 和事实表之间的关系（维度建模）。 第二步:如果是维度建模那么检验事实表和粒度是相当.显而易见，如果 是ER建模同样要检验是否在ER模中包含足够细的数据粒度。同时在这一 步中可以检验是否因为系统性能优化的需求而进行了相关的设臵，比如 增加了某些聚合表，或进行了索引的优化，或进行了分区等等。
17 | Name | Company | Customer | November 21, 2017
设计阶段
如何验证所建模型的好坏
客户经常反复检验的是报表或分析的质量而非常少的来检验 模型的质量。殊不知，模型的好坏很大程度上将影响前端分 析的质量，系统的速度，ETL开发的难易等一系列的问题。 可见，检验模型质量是如何重要了，但是目前而言还没有一 个业界公认的标准方法和流程来检验模型的质量。下面是一 个经常用到的方法:
16 | Name | Company | Customer | November 21, 2017
设计阶段
如何进行模型设计
业务分析所产生的文档将直接指导数据仓库的模型设计。模 型设计与业务分析经常是同一个人来负责，但也因此对建模 师的要求抬高了。目前数据仓库建模基本上有两种模式，一 种是Bill Inmon所首先提出的ER模型，另一种是Kimbal的维 度建模方式。数据集市一般都是维度建模的（也叫星型模 型）。也有将这两种模型混合使用的。
1. BI的概念定义
2. 应用BI的意义
3. BI的项目流程
4. BI的ETL实施工具 5. BI的报表实施工具
5 | Name | Company | Customer | November 21, 2017
应用BI的意义
• 统一的数据视图
完整的数据 良好的数据组织 统一的数据解释 清晰的数据流向
设计阶段
• 设计阶段的注意事项 本阶段中的关键的关键是业务分析和模型设计
应该如何展开业务分析？ 业务分析事实上包括了两方面，源系统分析和用 户需求分析。以下图示是比较通用的业务分析方式：
15 | Name | Company | Customer | November 21, 2017
设计阶段
业务分析人员应该同时从用户需求和源系统两端 同时展开分析，并且其中的重点在于源系统的数据, 是最终该BI应用可以满足多少用户需求的必要条件。 一个好的业务分析应该在充分理解源系统数据的基 础上，不但能满足用户的需求，并且能超越或预见 用户未来可能的需求从而予以相应的考虑。
• Datastage (IBM) • SSIS (Microsoft)
• BO DS (SAP)
• Kettle
……
21 | Name |ber 21, 2017
设计阶段
• 在用户需求分析和设计的时候没有同时从源数据 和用户需求出发
• 忽略了架构设计
BI的概念
• 指应用在商业信息的收集，集成，分析和报 告的技术，应用与实践； 通俗来讲就是用以帮助企业更好地利用数据 提高决策质量的技术集合，是从大量的数据中 钻取信息与知识的过程，简单而言就是业务， 数据，数据价值应用的过程； • 目的：支持商业决策 （非产生决策）
3 | Name | Company | Customer | November 21, 2017
18 | Name | Company | Customer | November 21, 2017
设计阶段
如何验证所建模型的好坏
客户经常反复检验的是报表或分析的质量而非常少的来检验 模型的质量。殊不知，模型的好坏很大程度上将影响前端分 析的质量，系统的速度，ETL开发的难易等一系列的问题。 可见，检验模型质量是如何重要了，但是目前而言还没有一 个业界公认的标准方法和流程来检验模型的质量。下面是一 个经常用到的方法:
系统上线
系统上线阶段，不过这并不是BI项目的结束。BI应 用对企业来说不是一个或两个项目，而是一个长期 的实施和不断优化过程。系统上线阶段，除了要对 已经完成的项目进行总结和安排系统维护的流程以 外，重要的是应该重新来审视企业的BI战略，调整 长期的规划，预算下一阶段的项目。
23 | Name | Company | Customer | November 21, 2017
开发阶段
开发阶段的陷阱大致有如下这些： 1.缺乏项目变化控制流程 2.缺乏项目质量控制尤其是数据质量监控 3.在开发阶段没有让最终用户参与
让最终用户参与开发，目的就是要及时反馈用户对 开发结果的意见，并通过项目变化控制流程来决定 是否要改变设计文档以反映最新情况。问题是如何 才能有效地来让最终用户参与？
• 为领导层或监管层决策支持 • 以为目标提供服务为驱动
• 以客户为中心进行数据分析和挖掘
• 提供个性化的数据支持服务 • 解决信息孤岛问题
8 | Name | Company | Customer | November 21, 2017
1. BI的概念定义
2. 应用BI的意义
3. BI的项目流程
BI项目实施
1 | Name | Company | Customer | November 21, 2017
1. BI的概念定义
2. 应用BI的意义
3. BI的项目流程
4. BI的ETL实施工具 5. BI的报表实施工具
2 | Name | Company | Customer | November 21, 2017
第三步:如果是维度建模在重点在检验模型对于缓慢变化是如何解决的。 20 | Name 如果是 | Company | Customer | November 21, 2017 ER模型，则需要考虑基于该模型的数据集市应该如何管理维度的
设计阶段
• Informatica PowerCenter(Informatica)
26 | Name | Company | Customer | November 21, 2017
测试和部署阶段
此阶段的陷阱：
1.缺乏业务流程变更的准备和没有相应的资源 2.缺乏足够的用户培训和推广 3.在最后一分钟，对项目的需求进行修改
27 | Name | Company | Customer | November 21, 2017
• 忽略了对数据模型进行检验的重要性
• 数据建模时没有对缓慢变化和快速变化的维度进 行适当的处理 • 为满足用户需求在前端设计时加入了过多的客户 化或额外编程的要求。
22 | Name | Company | Customer | November 21, 2017
开发阶段
完成设计以后的开发阶段是BI项目中占用大多数人工和时间的阶段，在 这个阶段项目将进行一系列的开发，比如ETL的开发，前端报表或分析的 开发，元数据管理，权限设臵等等。但是有意思的是，在这个阶段最有 难度的并不是具体的开发有如何的难度，最难以控制的是这样一个问题： “我们开发的是否正是用户需要的？ 听上去这个问题不是应该在设计阶段已经解决的吗？没有错，设计阶 段应该要解决这个问题，通过理解用户的要求和源数据的状态。但是相 比于用户对于数据模型的无法理解，用户对于前端报表和分析的要求通 常是非常高，并且经常变化的。随着BI项目的进展，用户对于他们想要 得前端报表和分析的要求是在不断变化的，我们并不能通过一个设计阶 段就期望能够确定所有前端的需求。可以说，设计阶段只能够给我们一 个前端需求的基础版本，它的最终确定会随着项目的进展而变化，而我 们需要做的就是要不断地发现这些变化并在开发阶段更新我们的设计来 满足这些变化。