数据仓库 - 派可数据BI可视化分析平台
就像去中药店抓药一样，之所以抓药很快，是因为在抓药前，别人已经把各种原生的中药材（原始数据源的数据）分门别类清理干净放好了，这样想怎么搭配药材（维度指标组合的可视化）就很快了。
这样的企业在国内有很多，也是因为对BI理解的深度不够导致了在BI项目建设上一些方向性的错误，最后s导致BI项目很难继续推进。
所以在企业中，我们需要明确我们的BI建设是面向企业级的还是个人和部门的分析工作。如果是个人数据分析师，使用这类前端BI分析工具就足够了。如果是需要构建一个企业级的BI项目，就不能只关注前端可视化分析能力这个层面，更应该关注到底层数据架构的构建，也就是数据仓库这个层面。
十一、数据仓库的建模方法论 Kimball vs Inmon 以及混合架构
数据仓库建模时BI项目建设中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的维度建模都是 BI 数据仓库建模的方法论，这两种BI建模的方式有什么区别和联系。
十二、实际开展一个BI项目的时候对于需求的落地的方法论
BI是一个完全需求驱动的，既然是需求就需要做访谈和调研。在BI需求进行访谈和调研之前要提前熟悉行业的业务特点，基于企业自身要熟悉他们的业务流程，以及所访谈部门的他们大概会关注的重点，都需要提前梳理一遍。在脑海里把整个业务框架给建立起来，反复的演练。
十三、什么样的企业应该要上BI了？
什么样的企业适合上BI？看业务基础信息化程度和日常业务管理的细致程度和颗粒度。业务基础信息化程度就是企业自身的IT业务系统基础建设，没有业务系统的支撑，做BI就缺乏数据基础；第二就是业务管理的颗粒度，企业自身业务管理程度是不是比较细致了，急需通过BI来提升业务管理、决策支撑的效率。
十四、如何高效的给高层领导做BI数据分析汇报总结
做完BI项目，还要考虑最终如何跟老板汇报的问题，掌握BI数据分析思维框架和汇报的五个重点：用户业务层次与范围、工作成果、计划执行复盘、问题反馈、展望规划与愿景。
BI - 派可数据BI可视化分析平台
这里只是一个简单的汇报框架，还有很多点可以往里面加。比如围绕行业讲一下行业驱动因素跟 BI 如何结合的；从企业经营管理角度，企业愿景到 CSF 到 KPI 到绩效是如何分解和重新组织的；比如财务视角下的归因分析；金字塔的管理模型；动态指标库构成原理等等都可以有所选择的进行融入和说明。
十五、BI与企业经营管理的结合度
我们都知道BI能够大范围在企业中应用，与BI为管理人员提供的效率和成本上的帮助是少不了的。光是BI提供的数据可视化就能够制作管理驾驶舱、核心数据指标监控 、区域经营管理等，为管理人员提供了极大的帮助。
BI分析跟企业的经营管理分析高度结合，ROE高的企业有可能是利润高像茅台、珠宝行业，有可能是周转快比如像零售行业，也有可能是融资能力比较强会利用杠杆，从ROE归因分析看行业特点。
十六、BI项目行业和业务知识的积累
BI项目和行业、业务知识有很强的关联性，如果开展项目的时候不结合行业业务的相关知识，那么这个BI项目很难成功落地。为什么会是这种情况？主要原因是BI的本质其实是企业的业务和管理思维的落地。
所以综合来看，为什么企业的高层、业务部门的管理人员为什么要通过BI去看报表？他们看的是什么？重点关注的是什么？这些内容就是他们日常在企业中业务经营管理的重点。
数据可视化 - 派可数据BI可视化分析平台
在BI项目上看上去零零散散的报表，在实际用户眼里其实是有很强的逻辑关联性的。并且层次越高的管理人员看的BI报表内容越聚焦，看的是业务结果。一线业务部门的人员可能关注的更零散，看的是明细的业务过程数据。
所以，对于一名优秀的BI开发人员、开发顾问，不仅仅是需要在技术层面打磨，更需要在行业性知识和企业业务知识上有所沉淀。
十七、关于BI实时性处理的话题
BI 对数据的处理存在一定的滞后性，通常采用T 1模式，主要原因是ETL数据处理过程是需要有大量的时间损耗，通常是采用空间换时间的方式。
将以前按照BI数据仓库分层的ETL调度设计成可按单独指标并自动寻找依赖的调度就大大的增加了对个别指标调度和准实时处理的灵活性。
离线数据与实时处理针对的业务场景不同，背后的技术方式实现不同，资源投入也不同，了解它们之间的定位差异有助于选择合适的方案以最小的资源投入达到企业既定完成BI 项目建设目标。
