商业智能BI项目的特点是面向全行业、全领域的，并且大部分的商业智能BI分析是直接支撑到集团高层管理决策。支撑管理决策的经营分析又离不开财务分析，所以基本上每个商业智能BI项目都会涉及到财务分析相关的内容。但财务又是一个非常专业的领域，对于平时很少接触财务工作的商业智能BI数据分析从业者来说，看这些报表感觉很枯燥乏味，一堆数字一堆表没有意思。我之前在商业智能BI项目中对财务也是了解甚少，做报表可以、

随着互联网、物联网、云计算、人工智能等新一代信息技术的应用，信息化、数字化成为新时代的主属性，促使各行各业都开始探索新的信息化、数字化发展模式。与此同时，数据伴随着信息化、数字化的飞速发展，已经成为社会及企业中新的生产要素，海量数据成为了每个企业都要面对的问题。为了将海量数据转化为可用的信息，也为了让企业在新时代获取数字化经济，数字化转型成为了企业生存和发展的必然选择。数字化转型的“点”“线”“面

有些人可能不明白数据敏感度为什么是数据理解力和业务理解力的综合能力，举一个简单的例子，给出一组数据比方说100、500、700、600，很难根据这组数字明白要分析什么，但再加上这四个数据分别是1、2、3、4月销售数量的业务背景，这组数字才算有了可以分析挖掘的信息，而数据敏感度搞的人就能在看到的第一眼意识到销售数量的变化，并开始分析背后的原因。从字面意思来解释，数据敏感度指的就是对数据足够敏感，在看

现代社会的几十年时间是人类社会发展最快的阶段之一，人工智能、大数据、云计算、区块链、互联网、物联网等新一代的技术及其应用，给全世界各行各业的人们带来了翻天覆地的变化，让数字化成为了当前时代社会的发展标志。数字化给社会带来的巨大的科技革命和产业革命，让数字经济成为新的高速增长的国民经济支柱，让数据变为第五大生产要素，发挥巨大价值，成为企业重要资产。不仅如此，在数字化的影响下，数字化转型成为了个人、机

常用的视觉暗示主要有：位置（位置高低）、长度（长短）、角度（大小）、方向（方向上升还是下降）、形状（不同形状代表不同分类）、面积（面积大小）、体积（体积大小）、饱和度（色调的强度，就是颜色的深浅）、色调（不同颜色）。数据墨水是指为了呈现数据所用的墨水，在图表中主要是指柱状图的那些柱子，折线图的那根线之类的。诸如此类的分类所得到的数据被称为分类数据。此处的背景和我们在语文中学习到的背景是一个概念，是

专题分析类报告其实就是我们常说的主题性质的报告，这种分析报告通常会以企业某个部门、某条业务线、产品线和事业群等作为分析目标，比如销售业务分析、运营部门发展分析等，选定一个符合业务需求的专题进行分析，有较高的信息增量，能够辅助业务和管理人员对发展规划进行调整。实际上，企业的数据分析工作中，数据分析人员通常会根据报告需求方的要求来安排相应的报告类型，比方说是日报、周报还是销售分析、市场分析等，根据分析

数仓全景图镇楼建设过程数仓建模的过程分为业务建模、领域建模、逻辑建模和物理建模，但是这 些步骤比较抽象。为了便于落地，我根据自己的经验，总结出上面的七个步骤：梳理业务流程、垂直切分、指标体系梳理、实体关系调研、维度梳理、数仓分层以及物理模型建立。每个步骤不说理论，直接放工具、模板和案例。业务流程找到公司核心业务流程，找到谁，在什么环节，做什么关键动作，得到什么结果。梳理每个业务节点的客户及关注重点

为什么要有规范？俗话说的好，无规矩不成方圆，没有规范岂不乱套了? 个人觉得，规范是为了解决团体作战中的效率和协同问题，是对最终交付质量的有力保证。大家工作中有没有遇到类似的问题？接到了一个需求，不知道该从那张表出数，表A貌似可以，表B好像也行。问了同事甲，他说他每次都是从C表出的。对着三张表探索了好久，发现谁跟谁都对不上，算了吧，我从源头再算一次吧，结果又变出来一张表D。数据库里几千张表，好像我用

2、指标管理不规范。所以对于企业的不同部门因为所需、所用的数据不同，对于数据指标的关注程度也是不同的，例如销售部门数据的重心会放在销售数量、销售变化、销售收入等数据上，也就形成了数据指标的适用性。随着各项大数据分析技术的发展，通过算法实现归因类、预测类指标的应用越来越广泛，但这类指标开发仍然存在较高的门槛，企业往往由于缺乏相关的技术支撑和团队支撑，无法构建需要的指标，推动业务创新发展。1）指标的分

数字化时代，数据成为了人类社会中必不可少的元素，也变成了现代企业经营管理中的关键。借助海量的数据，企业进行了深层次的数字化改革，把数据当成了企业发展的核心，但无效的数据即使规模再大，也对企业没有意义，所以数据质量也就愈发重要。数据质量概述1.数据质量管理的定义数据管理系统 - 派可数据 BI 可视化分析平台数据质量管理是一种为了满足企业对于数据的需求，对各种业务活动产生的数据进行规范存储，然后通过