行业内流传很广的一个事实是：写SQL的不如用Excel的赚的多，用Excel的不如用ppt的人赚的多。

下面就分享一个实战， 玩SQL人解决玩PPT人的烦恼，使玩SQL的人成为玩PPT的人。【emoji】

本实战是在金蝶系统上建立多维隶属关系模型，多维隶属关系分析是将数据转换成信息的过程,再通过发现将信息转化为知识。

一、背景

业务发展这么快，管理模式相应变化也快，报表设计如何跟上业务发展的需要？ （报表设计太慢）  

企业信息化建设多年，积累了海量的数据，是数据垃圾还是管理知识，该如何利用？ （数据量太大） 

企业发展越来越庞大，监控力度越来越弱，如何及时监控企业的日常运作？ （管理层次太深）  

如何分析过去、了解现在、预测未来，制定科学评价自己的能力，科学制定绩效目标或预算？  （太难）

决策支持系统，需要立刻马上、全面准确、按需索取。

二、目标

事倍功半：1/2成本，2×价值

节省1/4时间，提高1/3效率 

大数据分析：多维数据分析基础与方法

“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。

基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through）等。

1.多维数据集（Cube）

多维数据集由于其多维的特性通常被形象地称作立方体（Cube）。多维数据集是一个数据集合，通常从数据仓库的子集构造，并组织和汇总成一个由一组维度和度量值定义的多维结构。

2.度量值（Measure）

度量值是决策者所关心的具有实际意义的数值。例如，销售量、库存量、银行贷款金额等。度量值所在的表称为事实数据表，事实数据表中存放的事实数据通常包含大量的数据行。事实数据表的主要特点是包含数值数据（事实），而这些数值数据可以统计汇总以提供有关单位运作历史的信息。

度量值是所分析的多维数据集的核心，它是最终用户浏览多维数据集时重点查看的数值数据。

3. 维度（Dimension）

维度（也简称为维）是人们观察数据的角度。例如，企业常常关心产品销售数据随时间的变化情况，这是从时间的角度来观察产品的销售，因此时间就是一个维（时间维）。

例如，银行会给不同经济性质的企业贷款，比如国有、集体等，若通过企业性质的角度来分析贷款数据，那么经济性质也就成为了一个维度。

包含维度信息的表是维度表，维度表包含描述事实数据表中的事实记录的特性。

4.维的级别（Dimension Level）

人们观察数据的某个特定角度（即某个维）还可以存在不同的细节程度，我们称这些维度的不同的细节程度为维的级别。一个维往往具有多个级别.例如描述时间维时，可以从月、季度、年等不同级别来描述，那么月、季度、年等就是时间维的级别。

5.维度成员（Dimension Member）

维的一个取值称为该维的一个维度成员（简称维成员）。如果一个维是多级别的，那么该维的维度成员是在不同维级别的取值的组合。

例如，考虑时间维具有日、月、年这3个级别，分别在日、月、年上各取一个值组合起来，就得到了时间维的一个维成员，即“某年某月某日”。

本案例将复杂的理论和抽象概念进行实践，形成企业最佳实践，简单易用，方便上手。传统多维分析，需要先建模，后出结果，导致开发周期长，计划赶不上变化。本模型将规则和隶属关系后置，只要有数据就能快速通过隶属关系模型出具各个维度分析。

如果说，商业智能(BI)的过程可以看成是数据的昨天，今天和明天，数据的昨天，通过报表告诉你的业务之前发生了什么，数据的今天，通过多维分析等工具告诉你这些为什么会发生，那么数据的明天，就是通过数据挖掘算法，对已有的海量历史数据进行挖掘，从而让你知道你的业务未来会是什么样。

下一篇：分享商业智能(BI)中的数据挖掘

关于分析服务另外一个比较有意思的就是数据挖掘，在商业智能中，数据挖掘是其中最高的一个层次。现在流行的大数据，最终往往也要靠数据挖掘来体现其价。