1、纸牌屋成功背后的故事大数据智能分析We know what people watch on Netflix and were able with a high degree of confidence to understand how big a likely audience is for a given show based on peoples viewing habits.在全美和世界各地分别拥有2700万和3300万注册用户的美国网络电视台Netflix，用逻辑和计算取代了依赖传统和直觉的做法。据悉，Netflix每天会对3000万次“播放”、注册用户的400万次评级、300万次搜
2、索，以及一天中用户观看视频的时间和所使用的设备进行观测，帮助网站分析用户，针对不同用户推荐节目。比如它的网络定制剧纸牌屋在美国热播，迎来赞美无数，制作方就宣称该剧是基于海量用户数据积累和分析而制作的。大数据分析平台总体架构业务系统(结构化数据)Summarize&Load半结构/非结构化数据Alerts,NotificationsData&Compute Intensive AppERPCRMMES财务Integrate/EnrichETL with SSIS,AnalyzerReporting ServicesAnalysis ServerBusiness InsightsAnalytica
3、l ReportsPerformance Scorecards新媒体新媒体微信微信O2OWifiOracleParallel Data Warehouse外部结构化数据Summarize&Load via PDW Hadoop ConnectorHortonworks or Cloudera Hadoop1.数据量越大越好忽略了一个最古老的问题：数据要用才有价值DataInformationKnowledge是永远不变的2.数据驱动 vs 需求驱动不能为大数据而大数据，要先知道想分析什么？由需求著手，引导数据的收集3.忽略大数据的基础Google、Facebook、Amazon、Walmart
4、、淘宝网、腾讯这些大数据的优秀企业本身都具备数据分析的能力。大数据战略发展的三大误区大数据分析的基础商业智能(BI)数据源DW数据仓库OLAP多维数据集多维分析报表Analyzer智能数据采集平台OA系统系统ERP系统系统财务系统财务系统HR系统系统CRM系统系统项目成功的3大关键因素有经验实施团队行业分析解决方案客户体验感Analyzer 智能 多维分析平台架构支持管理驾驶舱、仪表板、平衡计分卡、智慧地图、计分卡、及报表过滤等功能支持在各种移动设备上进行BI智能分析，包含苹果、安卓、微软等移动设备及各种浏览器支持直接连接Excel数据、及各种数据库，自动建立DW及Cube,可快速进行多维交叉
5、分析支持BS架构、智能化数据入录、采集及集成，以及可自定义各种采集流程、及表单等支持多维透视表，透视图，以及各种常用的视觉化分析、统计方法及模型等652314支持比透视表更先进、更有弹性、可对维度成员进行任意组合的Group Table分析Analyzer智能数据采集模块Analyzer 移动模块Analyzer CPM 模块Analyzer 标准模块Analyzer敏捷分析模块Analyzer组合表分析模块产品1：Analyzer 自助式直觉式BI拖拉式的多维交叉分析报表制作平台特色1一键式的分析挖掘功能 水平分析结构(百分比)分析环比对比80/20法则分析排名Top/Bottom 分析Z型
6、图分析YTD/QTD/MTD 分析移动平均统计分布分析达成率分析波士顿矩阵分析周转率分析均值分析平台特色2 360度动态分析趋势 监控 挖掘可任意进行数据深度钻取挖掘，快速定位问题所在钻取钻取钻取钻取平台特色3 配合企业管理战略，监控预警各阶段关键指标发送邮件邮件接收的内容平台特色4 内置信息交流平台 发现问题督助问题解决管理闭环平台特色5 三种展现模式 帮助企业从传统PPT汇报会议管理模式转换到数字化智能化会议设计模式执行模式简报模式14-提供八层权限控管机制，可根据组织阶层与职位设定数据格存取权限测试数据格存取权限测试KPI量值存取权限量值存取权限维度成员存取权限维度成员存取权限维度维度(
7、Dimension)存存取权限取权限Cube存取权限存取权限数据库存取权限数据库存取权限资料来源存取权限资料来源存取权限报表存取权限报表存取权限源数据源数据数据仓库财务财务 Cube营运营运 Cube销售销售 Cube客户客户 Cube源数据平台特色6-完整安全控管机制 八层权限控管产品2：CPM 视觉化BI 可视化BI个性化高层管理驾驶舱首页+监控+决策分析链条数据源数据仓库多维数据集多维分析报表产品3：敏捷式BIAuto-Cube BI vsIn-Memory BIIn-memory BI Auto-cube BIData Packages 可以连接任何数据源18Data Package
8、控制台上传数据制作BI报表组合表透视表根据业务需求随时弹性重组新的维度，类似基因重组功能若要新建维度需要修改底层数据多维结构产品4：Group Table 全球首创重组式BI将无意义的维度属性有意义的分析模式例：比 Pivot Table更强大的Group TableBI 的技术发展1980199020002010用户报表4GL的程序语言动态的SQL标准的数据库Data WarehouseOLAP Cubes廉价的大容量的磁盘存储In Memory在内存中进行分析,支持64位技术，多核处理器Recombinant2015多维数据可动态任意重新组合产品5：Analyzer Mobile 移动 B
9、I 随时、随地 让高层移动办公和管理1.任何版本iOS 的iPhone,iPad2.Android 2.2 以上智能手机3.Android 3.0 以上 平板4.黑梅 6.0 OS 以上智能手机 5.黑梅 Playbook 平板6.Surface 平板主动推送关键信息至高层（手机）实时信息-销售额、利润额、计划完成率、重要节点 (取证、开盘等);异常信息-预警监控移动终端随时随地更直观的浏览产品6：Analyzer 智能数据采集：快速开发OracleExcel Server 2000/2003/2007/2012数据库访问接口模板设计器工作流设计器WEB或客户端SQL ServerDB2。多版
10、本数据控制Ver1.0Ver2.0灵活高效的自定义流程灵活的Excel操作风格数据采集模板服务器统一管理完善的权限管理ERP财务系统HR系统自动同步/推送其他系统数据数据采集平台“所想及所得”快速业务场景实现的设计理念智能数据采集之移动版本产品7：微信整合版，实时企业管理u可与企业微信公众号进行整合。u企业报表可在任何地方、任何时间查阅，实时了解管理企业经营状况u整合企业用户权限，安全、高效。产品8：企业战情室+高层管理驾驶舱战情室高层驾驶舱案例：宸鸿光电的企业管理驾驶舱宸鸿光电企业管理驾驶舱实景宸鸿光电企业管理驾驶舱实景32项目应用的三层架构设计企业经营驾驶舱(企业层级)静态查询(个人层级）
11、多维分析(部门层级）基层员工经理人员高层管理人员绩效管理、仪表板、计分卡、KPIAd-Hoc 查询、OLAP、深度分析、透视表、分析图、Self Service BI日常营运标准查询报表BI成功的关键因素top-down项目实施方法论数据源数据仓库Cube多维分析报表数据驱动Inmon所提倡的、以建立EDW为主需求驱动Kimball所提倡的、以建立数据集市为主34项目实施二大方法论，建议采用需求驱动的方式，整体规划，分步实施项目实施流程 需求及架构设计、数据规范及准确性核对、性能优化是重要环节环境设置使用者需求数据仓库模型制定数据抽取/转换/装载（ETL）OLAP Cube/多维分析报表设计前
12、端开发效率调整品质确认开放上线使用系统维护持续改善加强如何有效规划高层及业务的真实需求分析原型+引导式需求调研法高层 VS 高层；业务顾问 VS 业务部门行业智能分析模型的分享（量值）（事件）（维度）（阶层）Conceptual Data Model抽象层建模Logical Data Model逻辑层建模Physical Data Model物理层建模将已有行业智能分析模型融入原型设计BI 模型行业信息系统 供应链智能分析模型 零售业智能分析模型 酒店业智能分析模型 餐饮业智能分析模型 鞋服分销智能分析模型 卫生医疗智能分析模型 旅游服务智能分析模型 SAP Oracle Microsoft
13、USoft Kingdee Other ERPs Oracle DB DB2 Sybase SQL Server 制造业 批发、零售和餐饮业 房地产 运输和电信业 卫生医疗 金融保险 教育与文化传播 政府 房地产智能分析模型 购物广场智能分析模型 电信智能分析模型 电视购物智能分析模型 金融智能分析模型 保险智能分析模型 财税智能分析模型 警务智能分析模型 海关关务智能分析模型RFM分析可比店分析新老货分析实时排名分析最具管理特色的跨行业分析模型任意期间日库存分析消费行为分析全程价值链智能分析预测分析供应商绩效体系分析核心店分析 第一章 BI原理及概念简介 第二章 BI带给企业的效益及价值 第
14、三章 多维数据库与传统数据库 比较 第四章 BI项目的实施过程 第五章 BI项目中使用的工具集介绍商业智能概述商业智能概述 第一章 数据仓库设计及注意事项 第二章 大型数据仓库设计简介（分区与索引）第三章 数据仓库的规范及管理、维护 第四章 优化数据库常用的策略 第六章 SQL代码设计 如何让你的SQL运行的更快数据仓库设计数据仓库设计与优化与优化第一章 ETL 迈向商业智能的第一步（基本结构篇）第二章 创建你的SSIS包第三章 部署你的SSIS包第四章 日志管理和事务管理第五章 几种最有效的应用技巧介绍ETL设计与实设计与实施施第一章 OLAP BI的驱动引擎（OLAP原理）第二章 OLAP
15、建模第三章 OLAP布署和快速调整第四章 OLAP规范和维护第五章 实战OLAP技巧汇总OLAP设计与设计与实施实施 第一章 Analyzer简介 第二章 维度功能、量值功能 第三章 决策分析图 第四章 CPM功能 第五章 移动终端展示功能 第六章 报表发送(邮件与订阅)第七章 报表权限管理 第八章 MDX语法培训Analyzer报报表设计与应用表设计与应用第一章 项目实施整体规划技巧第二章 用户需求调研第三章 需求变更管理第四章 实施进度管理（日报、周报、阶段报告）第五章 问题清单及跟踪第六章 项目结案准备第七章 项目过程中的培训技巧商业智能项目商业智能项目管理经验移转管理经验移转第一章 常
16、用BI分析模型介绍第二章 大型BI项目规范化体系第三章 各阶段性能提升技术汇总第四章 疑难问题的变通解决方法汇总第五章 假想问题解决（QA）实施经验转移实施经验转移完整有效的技术转移教程40二大利器：体验培训与免费试用区域 日期区域日期区域日期区域日期区域 日期北京1月25日深圳2月29日广州 2月28日东莞 3月25日上海2月29日2月28日3月27日 3月13日5月16日3月20日3月14日4月17日 3月14日7月18日4月2日3月28日4月25日 4月15日9月19日4月24日4月11日5月28日 4月24日10月16日5月15日4月25日6月20日 5月15日11月19日5月28日5
17、月16日6月27日 5月27日12月26日6月13日5月30日7月28日 6月19日6月25日6月12日8月15日 6月26日7月9日6月27日8月28日 7月17日7月24日7月11日9月26日 7月24日8月12日7月25日10月17日 8月14日8月27日8月14日10月28日 8月27日9月10日8月28日11月28日 9月18日9月25日9月26日12月12日 9月25日10月17日10月17日10月29日10月31日10月31日11月19日11月13日11月14日11月27日11月27日11月28日12月11日12月11日12月12日12月25日12月24日12月30日项目规范化体
18、系和维护机制转移411.命名规范2.报表规则3.数据仓库管理规范4.系统建置规范 建置方法论 团队规划 建置流程5.维护机制6.附件 系统架构 DFM模型设计 实施文档模板实时监控用户使用情况的模型导入不规范或不可靠外部数据源的统一管理43 提供智能数据采集平台(Analyzer Smart Data Collector)解决方案，将不规范的数据源和外部零散数据，透过智能数据采集平台，统一规划入口，进入到DW，形成高质量的数据管理体系，与企业其他的核心业务系统的数据源一起进行整合，进行数据分析应用和呈现完善的权限管理多版本数据控制优化高效的流程灵活的Excel操作风格数据采集模板服务器统一管理
19、Ver1.0Ver2.0自动采集其他系统数据ERPCRM财务系统数据采集平台完整的项目推广机制44 三层培训体系（高层；普通用户和关键用户；IT技术部门；），并有全程培训的视频教材，确保用户充分掌握相关使用技巧；至少二轮以上循环培训 针对高层的应用，采用个性化首页+决策分析链条的呈现思路 根据企业战略，建立起一套针对各部门的且主动推送的监控指标体系，并不断完善及改进；45战略背景回答管理上的三个基本问题我们目前的经营绩效(KPI)如何?为什么?接下去该做什么?46目前在运营分析应用上的现状付出的努力Value产生的价值报表准备，核对，发布控制审阅，批复获取数据数据收集、转化、核对运营分析60%
20、25%10%5%花费的时间Key Characteristics几乎没有时间进行高价值的运营分析很少或没有预测性业务分析工作重点是“追查”的差异工作基于Excel 的管理报表电子邮件分发静态报表手动剪切和粘贴获取和验证数据的工作量大不能自动连接到数据源繁多的人工审查工作多次反复，查询，对帐无法实现对结果控制的自动化目前在运营分析上的现状付出的努力Value产生的价值报表准备，核对，发布控制审阅，批复获取数据数据收集、转化、核对运营分析60%25%10%5%花费的时间Key Characteristics几乎没有时间进行高价值的运营分析很少或没有预测性业务分析工作重点是“追查”的差异工作基于Ex
21、cel 的管理报表电子邮件分发静态报表手动剪切和粘贴获取和验证数据的工作量大不能自动连接到数据源繁多的人工审查工作多次反复，查询，对帐无法实现对结果控制的自动化付出的努力Value报表准备，核对，发布控制审阅，批复获取数据数据收集转化核对5%30%15%50%花费的时间产生的价值Key Characteristics基于智能分析平台的多维度、多场景的运营分析及预测钻取、切片、关联提高透明度用户驱动，自我服务的报表及分析工具与 Portal 的整合工作流程管理，实时监控的依赖关系，完成时间和状态基于与预定义临界值的自动警报接口自动更新数据的能力针对多个数据源的自动数据采集、清洗、装载本项目将帮助
22、达到的理想状态基础数据用可视化的形式实时展示给管理层（土地资源、在建、运营、销售、项目、客户、工程等基础数据等）一线公司重点用户有更完整的数据来源、更灵活、自助式地分析方式和工具，并与业务相结合体现日常使用价值建立起手工报表报送数据逐步转化为平台数据、并直接抽取进入数据仓库的机制，有效减少手工报表收集工作可视化基础运营信息01解放分析人员生产力02减少手工报送收集数据03提升价值链分析智能04优化全程价值链管理（战略投资、产品开发、工程管理、市场营销、顾客服务等），建立企业核心竟争力、取得市场竞争优势。项目目标技术实现：打通数据高速公路 数据自动抓取、报表随时更新 高层管理驾驶舱ERP系统CR
23、M系统OA系统财务系统万科会平台O2O平台系统智能数据采集平台多维数据立方体业务系统数据源数据自动更新频率可自定义UserUser销售分析客户分析51财务分析HR分析性能 测试：每小时2TB数据迁移高层驾驶舱总经理首页设计绩效排名分析计划达成率分析核心指标分析透过核心指标、排名、达成率让领导随时掌握运营的现状与问题打造高层决策分析链，逐层分析 详细了解销售情况打造高层决策分析链，逐层分析 分析报表与日常管理充分结合进一步从组织的角度对各事业部的深入分析55分析结果说明各事业部签约额新取新推+往取新推持销库存签约认购待签转签可任意进行数据深度钻取，找出经营中的问题钻取透过内部信息交流平台督促问题
24、解决自动邮件推送，反馈问题解决结果给总经理按产品各属性进行各种深入分析和交叉分析价格段分析面积段分析总额段分析品类分析7090平米，1.21.5万占比高180平米以上，35万占比也特别的高价格/面积段交叉分析BI智能分析系统-总经理管理驾驶舱透过核心指标、排名、达成率让领导随时掌握运营的现状与问题指标排名驾驶舱月度排名趋势变化情况其它指标月度排名情况各指标的区域排名透过关键指标随时掌握在区域、集团的排名情况核心关键指标监控各项指标趋势图区域/公司6大关键指标排名及趋势分析BI智能分析系统-总经理管理驾驶舱透过核心指标、排名、达成率让领导随时掌握运营的现状与问题整体计划达成分析 各项指标的实际值、计划值、及增减值透过销售、资源、盈利和回款各项指标的实际值与计划对比分析达成率
