BI分析项目总结
BI分析项目总结
1. 结合业务了解数据
首先要对相关业务有一定的了解和认知，这样结合业务可以更高效的去了解数据库中包含了哪些数据，这些数据对应的业务是什么，即数据的作用。哪些是基础表（数据），哪些是次要数据，以及这些数据之间的业务关系。在查看数据的同时，要留意数据是否符合条件，如时间戳，颗粒度不够等问题，因为只有数据符合最基本的条件，这样的数据才有价值。只有对数据有了整体的把控后，才能知道哪些数据能用，哪些数据暂时没有价值。
需要注意的是：在理清了所包含的数据后，当要用数据库中的数据来表达具体的业务时，此时我们理解的数据间的关系不一定和甲方的认知相同，可以查看数据库中是否有相关的存储过程，视图等与之对应。
2. 根据需求进行分析和挖掘
此时的需求可能来源于两个方面，一种是需求已给定，一种是需求未给定，自己根据数据给出需求。当需求由别人给定时，此时只需根据需求进行相关分析。当需求未给出，要根据业务及数据给出需求，并根据需求给出分析结果。此时的分析包括两种，一种是在现有数据的基础上可进行的分析，一种是现阶段没有数据支持，根据业务可进行的其他分析，这样可促使相关部门的硬件设备和软件设备的跟进和更换，使分析有数据支持。
困难是当数据给出时，分析应该怎样进行切入，使分析对业务有指导作用，进一步挖掘出数据的潜在价值。
数据分析场景相关问题可以分三步走
[1]第一步：明确场景类型
企业数据分析场景可分为以下几种：
经营数据分析：指收入、销量等企业经营活动相关的数据分析； 销售数据分析：销售收入、销售额、销售单产等与销售活动直接相关的数据分析，与经营分析的区别是销售分析粒度更细，频次更密，要求速度更快；客户数据分析：即CRM分析，指客户购买额、购买频次、购买偏好等客户产生的相关数据的分析；营销/市场数据分析：指企业营销/市场活动的投放、反馈、效果相关数据的分析，运营分析可归入这一类，也可归入产品类；产品数据分析：单个产品的数据分析，包括实物产品和服务产品；财务数据分析：其他数据分析：人力资源数据分析等等。[2] 第二步：明确分析目标。对于不同的场景，分析目标是不一致的。
经营数据分析：监控企业的运行情况，目标是发现企业经营活动中的问题，主要关注点是销量/销售额总体时序变化、地区分布、总体及单个点变化原因；销售数据分析：目标是保证完成销售任务，检测销售效率低的原因，提出解决办法，主要关注时序进度、落后原因、销售单产情况等；客户数据分析：目标是深入理解客户，典型方法是RFM模型； 营销/市场数据分析：目标是了解投放效果，优化投放计划，提升投放效率，关注点主要集中在ROI相关的指标； 产品数据分析：综合了前面几类分析的内容，分析目标则集中在某个产品上； 财务数据分析：其他数据分析：。[3] 第三步：搭建分析体系
分析点包括两个核心：
核心一：绝大多数的分析都是针对人（内部人员和客户）、财（收入，支出）、物（产品，服务）三个对象进行的。所有的基础分析指标可由单个对象或对象间的组合推导出来。
核心二：做分析时处理指标记住八个字，即变化、分布、对比、预测。（两个维度：时间和指标）
分布：指标在不同层次上的表现，包括地域分布、用户群分布、产品分布等。
对比：包括内部对比和外部对比，内部对比包括团队对比、产品线对比等；外部对比主要是与市场环境和竞争者对比。这一部分和分布有重叠的地方，但分布更多用于找出好或坏的地方；而对比更偏重于找到好或坏的原因。
将两个核心的内容叠加到一起，分析体系就基本建立了。
3. 项目的重点和难点，怎么解决困难
重点：根据企业的不同场景，通过数据分析来反映企业的关注点（如经营，销售，产品，客户）及问题。
难点：数据的质量问题，如颗粒度不饱满，缺少时间戳等。解决办法是一方面在进行数据分析时只能进行全量分析，而不能进行增量分析。另一方面企业要改进设备，使数据满足分析的质量要求。对业务的不清楚，导致对数据库中的数据理解有偏差。怎样来验证数据的正确性，主要是用web端的数据来验证，有疑惑的地方可以和业务人员进行沟通来解决。
4. 分析的工具要熟练掌握。
当数据和分析目标都已确定的条件下，要高效快速的进行分析，给出分析结果。此时要对分析用到的相关工具及方法可熟练的操作，如SQL，Python。这一块基础还很薄弱，需加强。
5. 沟通的重要性。
此时的沟通可分为内部沟通和外部沟通。内部沟通可选择面对面的沟通形式，这样别人可以快速的理解你要表达的事情。在外部沟通时，一般是通过文档的形式，此时要准确清晰有条理的表达自己的疑惑和问题，并且在提问时尽量让对方做选择题，且问题不能太宽泛，越具体越好，让对方很容易明白，给出想要的结果。
6. 大数据量时，sql语句的效率优化。
在对百万级，千万级，亿级的数据量时，通过优化查询语句来加快处理速度，节省时间，也是很重要的一点。