业务专业人员与KPI之间的关系?
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-03-04
非分析师应理解数据建模的7个理由
对于商业世界中的许多非技术人员而言，数据建模似乎是一个陌生且有些恐怖的领域，即使是那些精通数据并在日常操作中定期查阅和分析数据的人，也常常将建模视为令人费解的内幕内容，留给数据分析人员或IT员工，在某种程度上，这是有道理的：高级数据建模可以很快变成一件复杂的事情（尽管正确的商业智能软件可以使事情变得简单得多），并且通常交给专业人员。但是，即使您不是真正要创建公司范围数据模型的非技术人员，对基本概念的初步了解也可以帮助您，数据分析师和业务部门实现效果现有BI流程的结果–原因如下：
通过观看我们的在线研讨会，克服对数据建模的恐惧，在这里您将学习使数据模型与业务需求保持一致的所有基础知识。
1.数据建模是所有分析过程的基础
引用陈词滥调的统计数据表明，分析师可能会花费多达80％的时间来准备数据进行分析，在数据准备过程中，除了清理和规范化数据外，创建一个或多个数据模型通常还需要花费大量精力。更重要的是，对于我们的目的，它还将定义可以执行的分析的类型，从而定义终用户将能够查看的仪表板或报告的类型。该幻灯片演示了业务流程建模和数据建模在商业智能中的重要性：
这意味着要真正理解BI系统的功能和局限性，从概念的角度出发，您至少需要对数据的结构方式有一个基本的了解，这并不意味着能够解密在后台运行的每个SQL查询，但有助于了解公司数据的收集，存储和管理方式以及它们如何与业务目标联系起来。
2.改善与分析团队的沟通与协作
如前所述，您实际上可能不是组织中使用数据模型的人，但是只要您正在分析数据（甚至完全是被动的，作为每周报告的接收者），那么适当的数据模型就会影响您所看到的数据类型以及可以从中得出的结论，能够有效地将业务规则传达给数据建模人员，并从他们那里了解使数据符合这些业务规则所需的条件，这可以改善组织中使用的数据的质量和相关性。
商业智能的终目的是为企业服务，并使高管们更容易做出以数据为依据的决策，向BI项目负责人清楚传达需求的能力是达到此目的的关键手段。
3.数据建模驱动数据发现
假设您要做的不只是使用静态报告，例如利用现代分析工具的功能来探索数据并执行即席分析，那么您将必须意识到现有的数据模型如何影响您所质疑的类型可以在查询数据时询问，通过掌握连接各种数据源和表的基本逻辑，您将能够增强独立分析数据的能力并产生更有意义的见解。
4.自助式商务智能让您自己做很多事情
尽管“硬核”数据建模确实仍然是专业人员的选择，但重要的是要认识到，即使在处理来自多个来源的数据时，当今的自助式BI工具也可以为您提供广泛的DIY功能。对于一个有点自私的示例，Sisens提供了简化的数据准备，使您能够根据易于识别的公用密钥自然地连接数据源-无需任何脚本或编码，也无需依赖于OLAP或星形模式进行数据库设计的系统所带来的复杂性。
这意味着您可以完全独立地进行大量数据建模和分析，而无需打扰公司中的专业数据分析师或IT部门，这本身就是获得一些基本数据建模知识并迈出迈向数据英雄主义的步的重要原因。
5.了解数据模型会告诉您什么是可能的，什么是不可能的，以及原因
当分析师告知他们无法在当前系统中执行表面上简单的分析，或者可能花费比预期更长的时间时，业务主管可能会感到沮丧。这些问题中的许多是由于数据建模问题引起的，但解决起来往往比其他情况更常见–例如，由于需要调整模型，因此建模可以不必要地复杂化，因此它可以与各种工具一起使用，其中很多可以用单栈BI工具替换。其他时候，在收集或存储数据的方式上存在可修复的问题。即使没有快速解决方案，重要的是要知道自己的立场，以能促进企业利益的方式帮助您分配分析资源。
6.数据复杂性的上升意味着总是涉及数据建模
数据建模实质上定义了各种表与数据库之间的关系，如果您的组织仍在使用电子表格，那么这似乎不太重要-但很有可能不是，随着数据变得越来越复杂，越来越多的公司发现自己定期依赖于跨数据库分析，而数据来源于许多不同的来源。
在这种情况下，定义这些不同数据源与分析存储库的结构之间的关系比以往任何时候都变得更加重要，因为这些因素将在贵公司处理BI的方式中发挥更大的作用，而且很可能会更快地发生。比以后。
7.数据素养对您有好处
对于商业世界中的许多非技术人员而言，数据建模似乎是一个陌生且有些恐怖的领域，即使是那些精通数据并在日常操作中定期查阅和分析数据的人，也常常将建模视为令人费解的内幕内容，留给数据分析人员或IT员工，在某种程度上，这是有道理的：高级数据建模可以很快变成一件复杂的事情（尽管正确的商业智能软件可以使事情变得简单得多），并且通常交给专业人员。但是，即使您不是真正要创建公司范围数据模型的非技术人员，对基本概念的初步了解也可以帮助您，数据分析师和业务部门实现效果现有BI流程的结果–原因如下：
通过观看我们的在线研讨会，克服对数据建模的恐惧，在这里您将学习使数据模型与业务需求保持一致的所有基础知识。
1.数据建模是所有分析过程的基础
引用陈词滥调的统计数据表明，分析师可能会花费多达80％的时间来准备数据进行分析，在数据准备过程中，除了清理和规范化数据外，创建一个或多个数据模型通常还需要花费大量精力。更重要的是，对于我们的目的，它还将定义可以执行的分析的类型，从而定义终用户将能够查看的仪表板或报告的类型。该幻灯片演示了业务流程建模和数据建模在商业智能中的重要性：
这意味着要真正理解BI系统的功能和局限性，从概念的角度出发，您至少需要对数据的结构方式有一个基本的了解，这并不意味着能够解密在后台运行的每个SQL查询，但有助于了解公司数据的收集，存储和管理方式以及它们如何与业务目标联系起来。
2.改善与分析团队的沟通与协作
如前所述，您实际上可能不是组织中使用数据模型的人，但是只要您正在分析数据（甚至完全是被动的，作为每周报告的接收者），那么适当的数据模型就会影响您所看到的数据类型以及可以从中得出的结论，能够有效地将业务规则传达给数据建模人员，并从他们那里了解使数据符合这些业务规则所需的条件，这可以改善组织中使用的数据的质量和相关性。
商业智能的终目的是为企业服务，并使高管们更容易做出以数据为依据的决策，向BI项目负责人清楚传达需求的能力是达到此目的的关键手段。
3.数据建模驱动数据发现
假设您要做的不只是使用静态报告，例如利用现代分析工具的功能来探索数据并执行即席分析，那么您将必须意识到现有的数据模型如何影响您所质疑的类型可以在查询数据时询问，通过掌握连接各种数据源和表的基本逻辑，您将能够增强独立分析数据的能力并产生更有意义的见解。
4.自助式商务智能让您自己做很多事情
尽管“硬核”数据建模确实仍然是专业人员的选择，但重要的是要认识到，即使在处理来自多个来源的数据时，当今的自助式BI工具也可以为您提供广泛的DIY功能。对于一个有点自私的示例，Sisens提供了简化的数据准备，使您能够根据易于识别的公用密钥自然地连接数据源-无需任何脚本或编码，也无需依赖于OLAP或星形模式进行数据库设计的系统所带来的复杂性。
这意味着您可以完全独立地进行大量数据建模和分析，而无需打扰公司中的专业数据分析师或IT部门，这本身就是获得一些基本数据建模知识并迈出迈向数据英雄主义的步的重要原因。
5.了解数据模型会告诉您什么是可能的，什么是不可能的，以及原因
当分析师告知他们无法在当前系统中执行表面上简单的分析，或者可能花费比预期更长的时间时，业务主管可能会感到沮丧。这些问题中的许多是由于数据建模问题引起的，但解决起来往往比其他情况更常见–例如，由于需要调整模型，因此建模可以不必要地复杂化，因此它可以与各种工具一起使用，其中很多可以用单栈BI工具替换。其他时候，在收集或存储数据的方式上存在可修复的问题。即使没有快速解决方案，重要的是要知道自己的立场，以能促进企业利益的方式帮助您分配分析资源。
6.数据复杂性的上升意味着总是涉及数据建模
数据建模实质上定义了各种表与数据库之间的关系，如果您的组织仍在使用电子表格，那么这似乎不太重要-但很有可能不是，随着数据变得越来越复杂，越来越多的公司发现自己定期依赖于跨数据库分析，而数据来源于许多不同的来源。
在这种情况下，定义这些不同数据源与分析存储库的结构之间的关系比以往任何时候都变得更加重要，因为这些因素将在贵公司处理BI的方式中发挥更大的作用，而且很可能会更快地发生。比以后。
7.数据素养对您有好处
，除了上述所有内容之外，提高数据素养也无济于事，毕竟这是一个由数据驱动的世界，每天数据在几乎所有可以想象的业务的日常运营中都变得越来越重要，在其他所有条件都相同的情况下，拥有数据的人总是站在论点的右边，而且精通数据，几乎可以肯定会让您的工作变得更好，尤其是在管理级别上，换句话说丰富您对数据和分析的所有知识对于您的职业非常重要（更不用说您的常识）。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
