关于 BI 数据仓库构建和数据分析应用 2017-02-04

确定需求和主题

需求是系统的使用者，通常是企业的中高层管理人员关心的问题。主题是为了高效可靠的利用数据，根据需求分析把分散的数据重组，按照不同的主题进行统一的管理。

数据仓库建模

1. 概念模型设计：以用户能理解的方式表达数据仓库的结构，确定数据仓库要访问的信息，与具体的系统实现无关，它是企业最高层次的抽象，主要是以图标的形式反映主题数据多维性，指明用户希望从数据仓库中分析的各个指标。它包括3个重要的对象：指标、维度和类别。
2. 逻辑模型设计：在概念模型的基础上对主题进行细化。每个主题域包含若干数据表，并为表增加时间字段，进行表的切割，合理化表的划分，消除纯粹是操作型的数据，增加导出字段，定义关系模式和记录系统等。常用的结构有星型和雪花型结构。
3. 物理模型设计：是为了提高数据仓库的性能，同时考虑存储效率和查询效率，包括确定数据的存储结构、确定索引策略、确定数据存放位置及存储分配等。物理数据模型设计不但与用户需求有关，更依赖数据管理系统和硬件设施。

数据分析

按业务功能划分：

1. 问题诊断
2. 业务预测
3. 效果评估
4. 探索性研究

按业务主题划分：

1. 财务主题分析
2. 销售主题分析
3. 客户研究分析
   1. 按照客户的生命周期
      1. 潜在客户
      2. 保有客户
      3. 增值客户
      4. 摇摆客户
      5. 流失客户
      6. 挽回客户
   2. 建立客户细分模型
      1. 潜在客户转化模型
      2. 营销活动反馈模型
      3. 客户价值细分模型
      4. 交叉销售模型
      5. 垂直销售模型
      6. 客户忠诚度模型