企业级BI工具设计要素

cc 2023-07-25 04:46:40

前言

随着大数据、云计算、5g的发展，数据的价值也被许多公司重视起来，海量的数据经过处理之后可以辅助甚至决定公司的决策。近期有幸负责公司大数据产品体系中的BI工具，对建设BI系统几个核心要素做一个简单的复盘。

一、BI工具在企业的大数据体系中的位置

首先在我们规划产品之前我们应该知道整个大数据产品体系中BI产品处于的是哪一个层面，这样才可以对产品功能模块有个比较清晰的界定，避免一些重复造轮子、功能冗余的情况。

我把大数据产品体系可以分为4个层面

数据源（行为数据、日志数据、业务数据）
数据采集（数据中台）
数据加工（机器学习训练平台、用户画像构建系统、数据中台）
数据应用（push、BI、AI、人脸识别）

而BI工具是处于数据应用层面的产品，数据应用层面的产品是用户感知数据产品和体验数据带来的价值最直接的途径。由此可以得出BI工具重要性，可能用户对于产品的体验直接会影响用户对于企业数据部门主观的评价。

二、角色和场景

在做了一些用户的调查分析工作之后我们得出使用BI工具的用户的角色和场景：

查看看板的用户：主要是管理者、运营、产品、财务、人事需要用数据进行决策，对于数据库操作较为困难，有直观展示数据诉求的用户
制作看板的用户：数据分析师、开发工程师等具备数据开发技能，提供数据支持的用户
制作并查看的用户：这类用户一般拥有有权

限的数据源并具备相关技能需要用系统达成某类指标，这里泛指每个有数据看板诉求的用户

三、设计的五大要素

1. 数据源

第一个要素数据源。企业中的BI工具可能承接上游数据中台或者其他产品输出的结果，作为输入的数据源，每个业务方用的数据库都可能是不一样的，所以可接入数据源的种类决定的一个BI工具的可用性，这里接入的数据源不仅支持传统的数据库mysql，sql server等，还要支持非关系型的数据库，如mongoDB，hive，kylin，sprakSQL等。

上面所举例的都是实时的数据库，在一些比较特殊的场景，如hr考勤数据是以execl形式输出的，这个时候就要提供离线的数据源接入方式，也可以说是外部导入的形式。

2. 数据模型

第二个要素构建数据模型，数据模型是用户在指定完数据源之后，需要对表进行组合，构建出表与表之间的关系。在这一个过程当中需要主要两个问题

构建方式：为了简化用户的操作流程降低用户的使用门槛，表与表之间构建的交互方式采用可视化的拖拉拽交互方式，通过可视化的方式组合表，改变表之间的连接关系。当然也需要提供自定义sql的构建方式满足专业程度较高对于模型自定义程度较高的用户。
维度指标设置：在构建模型的阶段并不是所有的字段都用户自助分析构建报表，在构建模型的阶段需要指定好维度和设定好指标的计算方式。