【数据分析及可视化】大型集团企业数据分析及可视化建设方案WORD

1. 数据分析及可视化建设目标

为财务、物资、燃料等业务提供统一的数据分析、数据挖掘及数据可视化平台。

1. 数据分析及可视化架构设计

数据分析及可视化能力由数据展现、数据分析及基础配置组成。

1. 1. 数据展现

大数据时代的到来，大大提升了对海量、动态、非结构化的数据处理要求、以及实时、灵活、动态的决策支持需求，传统BI开发工具短板凸显，轻量级数据可视化工具逐渐显示其优点

传统BI报表开发与数据可视化在应用对象、应用过程、用户界面、供应厂商等方面都有较显著的区别。但最关键的区别在于，数据可视化可提供实时数据探索，互动，可实时分析新的数据规律与结论，且具备简易的智能化操作，不局限于IT专业人员的使用，这些优点是传统BI不具备的。

数据可视化工具能够以一种简便易用的方式将复杂的数据呈现出来，用户更容易理解这些数据，也就更容易做出决策。Tableau、Qlik、Microsoft、SAS、IBM等IT厂商纷纷加入数据可视化的阵营，在降低数据分析门槛的同时，为分析结果提供更炫的展现方式。

数据展现形式：

名称	功能	描述
报表	实现预定义和用户自定义报表功能。	通过报表工具实现预定义报表的自动生成和分发，并能够灵活的实现用户自定义报表的功能。
即席查询	进行准实时的业务查询。	通常即席查询的功能会涉及准实时的业务信息，可以由ODS区提供此类应用，通过即席查询工具，不需要非常专业的SQL知识即可完成业务信息的即席查看。
大数据展现	展现大数据挖掘结果	满足互联网爆发的大数据需求，必须快速的收集、筛选、分析、归纳、展现决策者所需要的信息，并根据新增的数据进行实时更新

1. 1. 数据分析

数据分析及可视化-数据分析正在向预测及洞察分析转变

经过多年的发展，数据分析已经发展为完整的基于战略地图的企业战略业绩评价，并向大数据分析转变

数据分析为管理的不同阶段提供决策支撑信息

业务管理过程中要做到事前引导、事中监控、事后评价，不同的阶段目标需要不同的决策支撑信息。

通过发展数据分析能力获得更具价值的决策支持信息

分析技术是将数据转化为决策支撑信息的重要手段，要从数据中获取更有价值的分析，则需要进一步发展统计分析和数据挖掘技术。

数据分析的能力包括：

名称	功能	描述
联机分析	利用OLAP分析手段实现多维度的交叉分析。	利用OLAP分析工具，配合设计良好的OLAP数据模型，可以完成业务人员对业务的分析需求。联机分析的手段包括各种图形和表格的表现，以及在其上进行的多维度的交叉分析，帮助用户快速定位和解决问题。
数据挖掘	利用人工智能、数据库、机器语言和统计分析知识等技术分析数数据之间的关联关系	用户获取有用信息的能力体现了数据仓库系统的价值，通过数据挖掘，企业原是数据中的有用信息将被探测出来，可使用自动化或半自动化的工具进行分析。数据挖掘应用根据专题的不同可采用自顶向下或自底向上的方法，分别适应假设验证和知识发现型的应用。

1. 1. 基础配置

名称	功能	描述
任务管理	对数据获取、数据处理、分析等任务进行统一管理	包括任务创建等全过程管控
用户及权限管理	实现用户、权限统一管理	能够灵活满足不同业务需求
数据连接	提供对不同数据源的链接能力	包括实时、非实时数据连接

1. 数据分析及可视化方案设计

数据分析及可视化方案由用户访问、数据展现、数据分析处理、数据连接构成。

• 1. 用户访问
• 支持Web、桌面、移动BI,  满足业务人员从任何时间、地点访问并开展BI分析
• 桌面端包含所有分析及可视化特性，连接数据支持: Microsoft Excel、Access、Text、Text files 、CSV、Odata
• 移动端支持：Download-free Ajax client、IE browser plug-in、Apple iPad and iPhone、Android devices

1. 1. 数据可视化

数据可视化具备核心特性：

• 无代码支持，通过拖放设计
• 直观可视、方便使用
• 即席定义维度、事实表、措施、条件措施、层级
• 帮助发现问题，不仅仅构建一个特定报表
• 能够快速部署、使用及废弃视图
• 支持高级时间系列分析回放
• 能够与地图整合

数据展现格式

OLAP分析出来的数据也是展现数据，展现数据是经过多维数据进行分析后的数据，在确定展现数据的时候要确定是通过立方体展现的数据还是通过二维表的星型结构进行展现的数据，二维表展现的数据不像立方体的数据展现的那么复杂，两种展现数据都有自己特色。

数据经过OLAP分析后，产生出很多数据，为了展现的时候更加清晰明确，所以为报表定义了很多格式，定义报表格式很多，可以通过柱状图，饼型图等方式来展现报表。

在这一步，应该形成展现格式文件。针对需求分析中的每一个需求，确定需求的战线方式。如果同一需求要求有多种展现方式，则记录需要的所有展现方式。

• 仪表盘

对决策层和职能管理层用户制定不同的仪表盘，支撑个性化业务需求。

• 跨应用的钻探导航支撑，支撑财务到业务，汇总到明细的分析方法
• 随时可以获取的帮助和指标定义
• 预警与邮件
• 突出显示

• 即席查询

即席查询是指用户使用特定客户端连接到数据集市，针对关心的指标进行查询，然后根据查询出的结果，随时调整查询内容的查询方法。使用即席查询，用户可以按照随时变化的查询要求，及时查询出在不同约束条件下，自己所关心的特定指标。实现了在维度和指标方面更为灵活、更为开放的自由组合查询。

• 预定义报表

预定义报表主要指的是数据中心系统中所使用到的固定报表。预定义报表子系统从数据集市取得所需数据，对取得的源数据进行处理，生成报表的各项指标，并集成到财务共享协同平台当中，用户可以从Web页面直接调用，查看报表。

固定报表主要是以固定表格的形式满足相应业务用户对于信息的使用需求。固定报表所反映的往往是企业或部门相关人员关心的常用指标，它是一种例行报表，如年报、月报、日报等。统计型报表主要指XX的各级部门要求的标准报表和本地化需求的静态报表。统计型报表根据业务需要，可以基于静态的统计型数据与多维立方体，事先定制报表显示的数据、定制报表的产生时间和频率、定制报表的发布方式、发布目标等。

• 图形

图形也是报表的一种展现方式，为了满足相应的业务用户对于信息的要求而产生的另一种数据展现形式，图形可以反映各种指标动态变化情况，可以很直观的反映出多种数据指标，它可以直观的反映出一段时间参数变化趋势等。

• 图表

图表是上面两种展现方式的结合，它结合了报表和图形的展现方式，为了满足相应的业务用户对于不同信息的要求，而对报表产生的展现形式，它一般都是图形结合报表的形式来显示出能满足业务需要的数据形式，更加直观的显示出数据的状态形式，使用户更了解数据变化趋势和变化状态。

展现方法

• 打印报表

报表通过展现方式展现出数据后，用户可以对报表进行打印，产生出实物的数据形式。

• 电子报表

报表通过展现方式展现出数据后，用户可以对报表进行另存为，产生出电子的报表，例如：excel报表、xml报表等。

• WEB发布

报表通过展现方式展现出数据后，可以以web的形式对报表进行发布，产生利用用户查询的数据形式，用户也可以自己动手去进行报表设计，在报表发布环节相当灵活而且发生的不确定问题也很多，所以在发布的时候一定要根据业务的实际情况，产生报表。

1. 1. 数据分析处理

联机分析（OLAP）

OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是“维”这个概念。

“维”是人们观察客观世界的角度，是一种高层次的类型划分。“维”一般包含着层次关系，这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。

钻取是改变维的层次，变换分析的粒度。它包括向上钻取（roll up）和向下钻取（drill down）。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而drill down则相反，它从汇总数据深入到细节数据进行观察或增加新维。

切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。

旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。

数据挖掘

数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

1. 1. 部署建议

采用二级部署策略，近期构建集团总部数据分析挖掘平台，支撑管理决策及运营分析，中期依业务需求可构建大数据分析能力及二级公司数据分析挖掘平台。

        

数据资源管理能力建设路线建议：

通过基础平台建设、平台深化推广 、平台完善提升增强三个阶段建设，达成XX集团资源管理建设目标