|
随着大数据和人工智能的发展普及，企业也逐步向数字化转型，致力于打造BI项目。而BI项目的实施落地，我们可以从三个方面去思考：落地前、落地中、落地后。
一、落地前
1、业务切割
单体项目在构建之初，数据库的负载和数据量都不大，所以不需要对其做拆分，但是随着数据量的增长，大家开始对项目进行业务切割以便更清晰明了地了解项目。
举个例子：电商公司的组织结构
按职能分：
如BI部门按照业务逻辑分：
如果业务独立性高，且单模块业务量大，可以用项目隔离，但对于BI部门来说，数据需求较大，所以可以对BI部门以业务模块去划分不同项目，同时对于业务模块下的细分业务用文件夹切分。
2、数据选型
数据选型的原则是适合公司业务。在数据库选型时，需要从公司业务架构、业务特点、项目数据量、数据类型、甚至团队成员的业务能力等多角度去考量。
3、确定BI项目实施方案
项目实施方案中主要包括三大方面，即项目计划、蓝图方案和项目管理方法。
项目计划是对项目整体进度的安排和把控，即什么时间应该做什么或完成什么内容，一般包括里程碑计划、主计划和详细计划，其中里程碑计划处于最高地位。
蓝图方案是团队经过详细调研之后拟定的、具有实际指导意义的文件，是更为具体的解决方案，会将项目中的各类方案框架细化到可设计、可执行的粒度，具有可行性和全面性。
二、落地中：聚焦细节
1、数据连接
如果在一个项目中业务较多，要考虑数据连接的复用性；同时对于数据权限的限制，优先考虑通过数据连接中的用户权限来控制。
2、数据模型
数据建模可以通过多表关联实现复杂建模，但是需要注意的是实现并不等同于最优实践。BI项目数据建模一般单个模型中不要超过5个表关联，以便后期维护。对于数据层面，可用范围要极尽缩减，做到用多少取多少。
3、报告
报告可以反映出这个BI项目的价值，所以报告要做到有大局观、可以灵活变通、数据可视化。
三、落地后：数据监控
数据监控是为了节省成本、提前预警以保障数据安全、和规范使用流程。在监控数据的同时，也要结合用户不断更新的需求去优化BI项目，保证它在企业业务决策经营中的长期使用价值。下图为监控体系构建示例。
| 
