高手看问题看本质，了解商业智能BI的前置思想

前置思想我认为是所有CIO、数据架构师、解决方案顾问在涉及到数据类项目时必须要懂得的一个思想，这也是我们在和客户沟通的时候判断对方能力、水平层次的一个非常关键的点。这个可能跟技术没有关系，但是跟思维认知水平和解决问题能力有非常大的关系。错误的思路，一定是加倍的投入，要走弯路。正确的思路，少走弯路，有的问题可能一时解决不了，走的会比较费劲，但至少不会走偏。

哪些是属于前置思想的范畴呢？比如商业智能BI的前端建模和后端建模，主数据、数据治理，业务系统的漏洞放大的牛鞭效应，大型集团数据架构设计中的前置数仓、分仓分库等等，这些都是属于前置思想。

简单来说，就是把一些事情前置处理，后期所耗费的时间精力投入就越小，复杂度就越低。能花一分精力前置解决的时候如果没有去解决，后置到后面再来处理就可能是十分的精力投入。所以，做好IT项目规划是能为公司节省成本、创造价值的。

数据可视化 - 派可数据商业智能BI可视化分析平台

比如我们讲到的有关商业智能BI的分析建模，到底是前置到数据仓库后端建模好，还是后置到商业智能BI可视化前端进行前端建模好，一定是前置到数据仓库进行后端建模好。否则就会出现指标爆炸、公共指标复用度降低、业务逻辑调整对底层数据架构的冲击和破坏度上升等等一系列的问题。有关商业智能BI的前后端建模和指标爆炸，大家可以看下账号之前发布的几个小视频。

还有在商业智能BI开发过程中经常出现的数据质量的问题，比如多个系统的维度数据不统一、财务分析中的集团与分子公司科目档案不统一等等问题。这个时候再考虑到建主数据系统进行事后的补救，这种问题的复杂度和事后的投入一定是非常大的。

所以，我们经常讲到的数据质量的问题，它不是靠一个工具或者产品要去解决的问题，而在于业务系统在一开始进行规划的时候就要考虑到这些问题。比如，集团和分子公司财务科目的不统一，这种情况在很多公司都存在。就会导致涉及到很多业务口径计算的不统一，就要通过数据补录科目对照来解决这些问题。

数据可视化 - 派可数据商业智能BI可视化分析平台

这些问题严格意义上来讲不是一个技术问题，它是一个业务问题。但是如果能在一开始从业务系统建立的时候就考虑到以后做商业智能BI数据分析就会碰到类似问题的时候，就可以做到尽量避免，所以它也算一个技术问题。

比如像供应商的管理，为什么会出现多个系统多套供应商档案数据，到底以哪一个为准。在前期的信息化系统规划的时候要不要考虑使用一套业务系统作为供应商管理的主要系统，后续任何涉及到供应商档案信息管理的系统都应该建立系统之间的接口同步工作。

像这种机制最初就可以定下来的话，后面在相当长的一段周期内可能就不需要考虑主数据系统。除非像这种兼并、合并过来的企业，信息化系统的整合的打通还需要一定的时间周期来适配调整，但正常情况下要考虑一些前置的动作。

业务流程 - 派可数据商业智能BI可视化分析平台

还有一些业务系统的漏洞问题，比如有些数据没有到底是前置到业务系统中去实现还是后置到商业智能BI系统去处理。按照前置的思想，涉及到一个完整业务流程的数据应该考虑在业务系统中前置开发处理，后面的商业智能BI系统来直接引用就可以了。

否则就只能通过数据填报来进行数据的补录，弊端就是明明是在一个系统中一次性走完的流程，造成业务用户在业务系统中填一部分数据，然后又要切换到填报系统中填写一部分数据，这种流程的处理就显得非常的别扭，后期的开发工作量，大家时间精力的投入就会增加很多。

比如一些逻辑指标计算的问题，其实前置在业务系统中能够比较便捷的处理，一些简单数据的标准、清洗的规则在业务系统中一次处理好就可以了。但是后置到商业智能BI系统来开发，就意味着要投入更多的精力来处理，并且这段逻辑的后置会造成开发的重复。什么意思呢？万一不仅仅是商业智能BI系统要这个数据，其它的系统也需要这部分数据呢？就造成了数据从一个业务系统走出来后，其它的系统要各自为这个逻辑进行处理，这个处理就重复了。

数据可视化 - 派可数据商业智能BI可视化分析平台

所以，我们讲到的前置思想从业务的角度就是要能够在源头上发现问题、解决问题，在后续的业务规划中考虑长远。从技术的角度上看，就是系统的架构、数据的架构具备不具备高度的可扩展性，在源头的系统规划角度思考以后可能会出现什么样的挑战。

这种思想就需要我们的IT信息化规划者、数据架构的规划者能够站在一个很高的角度去思考问题，从时间的维度、从空间的维度思考未来可能的演变以及在这个空间中业务与业务、系统与系统、业务与系统的交叉关系。

当然，并不是所有的事情在一开始就能够思考的很清楚，但是这种意识和思维要存在。