这个商业智能BI项目大概是从 2013年开始做，到2015年的时候已经支撑到十几个业务部门，200多个用户，数据量大概是在370GB 左右，上线了2000多张商业智能BI报表。到大概2017、18年的时候，数据量大概增长到TB左右，报表增长到3000多张。

像这样的一个商业智能BI项目，大概需要多少商业智能BI开发人员投入呢？有的人说，至少每年十来个人或者几十个人的商业智能BI开发团队，毕竟有这么多部门，这么多的业务人员，报表这么多。

商业智能BI项目历程

我大概来说一下，我是在2014年左右进入到这个商业智能BI项目的，整个商业智能BI开发团队实际上就四个人，两名 BI 开发、一名BA、一名项目管理，所以真正的开发人员就只有两位，我正好就是其中之一。那么大家肯定会有疑问，这几千张报表就靠这么几个人怎么可能。像我们自己的商业智能BI项目，一个业务人员每个人一个月提一个需求，就是几十上百张报表，根本就不可能做的过来。

可视化分析报表 - 派可数据商业智能BI可视化分析平台

确实如此，大部分的商业智能BI项目是很难做到这个程度的。我大概来说下，这个项目是怎么做到的。这个商业智能BI项目开发大概分为几个阶段：第一个阶段，数据仓库的实现。差不多从2013年开始花了一年多的时间构建了一个完整的数据仓库平台，当然后续也一直在不断的迭代开发。 第二个阶段，用户自助实现报表。通过商业智能BI工具的培训，让业务用户自己去开发报表。

商业智能BI项目复盘

这个商业智能BI项目现在来看到底达到一个什么样的水平，至少我当时在项目里面的时候是没有太大感觉的，因为没有比较，觉得项目本身就应该这么来做。但后来出来看了很多的商业智能BI项目，再回头看觉得当时这个项目还是非常成功的。主要有以下几个方面的因素：

1、商业智能BI项目指标管理

第一，这个商业智能BI项目中，IT 和业务的边界划分的很清晰。IT 负责底层数据架构设计，业务部门自己做报表，并且不允许碰底层数据。业务所需要的任何商业智能BI分析指标必须做到全局统一，不允许业务人员自己造概念性的指标。所有指标的维护、开发、逻辑更新必须由 IT 部门来完成。

 指标标准化管理 - 派可数据商业智能BI可视化分析平台

这样做商业智能BI项目虽然牺牲掉了一定的前端业务的灵活性，但是确保了不管有多少业务用户，看到某一个指标，他们的概念都是一摸一样的。底层数据怎么来的，指标怎么设计开发，这个是IT部门的事情。所以，即使商业智能BI系统维护了成百上千个指标，也能做到各个指标不冲突，定义和概念都是高度一致的。

我们现在也有很多商业智能BI的做法就是让业务人员自己造指标，这种方式确实有一定的灵活性。但是一旦商业智能BI项目中指标的量上来了，就会出现你建的指标和我建的指标虽然名称上都一样，但是完完全全是两种不同的含义。这种对于企业级的商业智能BI开发，特别是后期的维护，基本上就是灾难性的。

2、 商业智能BI项目数据仓库

第二，对商业智能BI项目底层数据仓库建设的重视。花大力气投入去梳理底层的数据架构，认真的、耐心的去打通各个业务系统，梳理业务关系。按照 Kimball 维度建模的方式构建了完整的星型模型、雪花型模型架构，分层也很合理，从ODS 到 TRANS 层，再到 DIMENSION 维度、FACT 事实层等。

 数据仓库 - 派可数据商业智能BI可视化分析平台

当这个模型打磨的相对通用，扩展性也足够的时候，我们对业务部门人员开放的是商业智能BI分析模型。业务人员只能看到一个个的分析模型。比如这个模型里面找不到需要的维度或者指标，没有关系，我们在充分的沟通理解完需求之后再维护上去。这样确保了商业智能BI项目中维度、指标、模型的一致性、高度的统一。

所以，什么是商业智能BI的核心，模型是商业智能BI的核心。我们有关心最终报表长成什么样吗？ 并没有。我们甚至都不知道用户会做什么样的报表，因为后面那几千张报表都是用户自己做的。每个用户手上少的有几十张，多的有上百张报表，都是自己设计开发的。

3、商业智能BI项目业务人才

第三，这个商业智能BI项目中参与业务人员的能力和素质很强。 我记得很清楚，有一次在和一位美女沟通一个业务逻辑的时候，她在纸上写了一个数据公式。我看了之后觉得很吃惊，很少碰到业务人员通过这种方式来表达一个逻辑的。就问了下你是什么专业的。回答说：数学金融，很赞！这个商业智能BI项目中参与的业务人员基本上大部分都是硕士研究生毕业的，他们的学习能力很强。这个在后续的商业智能BI工具产品培训中，我就感觉到了。

 数据可视化大屏 - 派可数据商业智能BI可视化分析平台

以往在项目上给一些企业做商业智能BI工具产品培训的时候，大部分业务人员很难培训出来。独立的自己做报表、写些复杂的函数、看看数据结构，对于他们来说确实很有挑战性。但是这个商业智能BI项目上，这家企业各个部门的培训，我认为非常成功。业务人员很好学，开始有什么问题还主动问下，后来熟练后自己动手查资料、查帮助文档，基本上自己就搞定了。有的时候再碰到技术问题，直接找过来教一下，后面基本上就不用怎么管了。

在这样的商业智能BI项目中我们越往后的工作越简单。每天就监控一下ETL数据抽取情况，每天有没有正常跑完。再看看商业智能BI项目中有哪些新增的业务逻辑、指标需要开发的就开发一下。开发完成之后，把新的指标维护上去，写个文档给大家通知一下，基本上工作就完成了。

商业智能BI项目小结

所以，商业智能BI项目中IT 和业务的边界划分最好的一种状态就是IT负责底层数据架构和分析模型的维护，业务人员自行做可视化分析报表。在这个商业智能BI项目背后如果没有一个扎实的、高度稳健的数据仓库是不可能支撑这么多用户、这么多报表需求的。同时，业务人员自身没有很强的数据意识、业务能力和学习能力，也不可能实现这么多的报表。

 数据可视化大屏 - 派可数据商业智能BI可视化分析平台

什么是好的商业智能BI项目，这个就是好的项目，前期稳扎稳打，看上去投入很大，但是后期一旦建成了、落地了，每年可以为企业省下至少一个商业智能BI团队的资源投入，一年至少好几百万，并且效率上还提升了。

好的，今天分享就到这里，你 Get 到了吗？ 关注大数据商业智能BI，喜欢我们内容的朋友，欢迎关注点赞支持。