服装公司BI项目需求分析

13项目需求分析BI项目需求分析书1项目概述 1系统架构2进阶系统涵盖的内容2系统建设达到的目标32项目业务与技术需求4现状与面临的挑战4业务需求与目标4 即席查询4报表4交互式关联分析视图4指标分析43系统建设整体方案6系统设计原则6商务智能（Business Intelligence）介绍7公司商务智能阶段式优化建议9报表、分析与展现平台选型微软技术架构10系统逻辑架构11系统物理架构12项目实施131项目概述随着公司经营规模的不断扩大，信息化的建设也在不断的深入，但是随着信息系统的日益增多，面临的问题也不断涌现(如：信息孤岛、历史数据的闲置)。如何将信息系统的数据进行整合?如何将历史数据提炼成知识?此次进阶系统项目，针对这些问题提出了解决方案。通过此次商务智能BI系统项目的开发实施，将最有力的数据挖掘、信息分析整理、数据管理等解决方案，帮助公司梳理和制定完善的报表体系，为公司制定具有竟争力的分析模式和模型、充分利用现有信息资源，让各个业务部门实现销售、产品规划、库存等核心业务的辅助决策。系统架构进阶系统涵盖的内容功能点 主要功能描述 高级综合分析主题 本年销售系统总体增长 综合店铺排名 区域零售总体增长水平 坪效 交叉分析_按各分析维度销售及业绩看板分析 新品销售总体分析 销售同期对比分析 各产品类别销售-订货对比分析 店铺销售排名分析 VIP客户分析 销售预测加盟商分析主题 Top加盟分区域订货情况 库存分析主题 产品库存分析 在仓产品库存时间分析 店铺零售指标分析 库存预测系统建设达到的目标综合决策能力的提高 通过信息及时的预警跟踪，以关键有效的信息，为决策者提供了更为简洁的监控能力，以提高管理效率，防范信息阻塞及死角带来的风险。 通过信息关联，以模型固化管理规范为手段，以信息引导数据的分析为方法，为决策者提供有力的决策依据。 通过销售及采购的综合信息，为决策者综合管理平衡提供了有效的支持。 分析手段及方法更加灵活 通过数据仓库的建设，为企业建立多维分析的基础；实现根据分析维度的灵活组合查询与分析。 借助BI分析工具，实现顶层汇总数据监控到明细数据查询分析；将分析由汇总到明细、由宏观到微观，提高企业分析的时效性与准确性。 建立企业级分析主题 通过分析主题及模型的建立，为企业决策提供具有可决策、可预测的分析模型，将模型分类，形成各个分析主题，为企业在分析决策中，提供成体系的分析方法与思路。 数据信息规范的形成 在应用过程中逐渐形成了一套标准数据信息的规范。 2 项目业务与技术需求现状与面临的挑战零售企业在经营过程中产生了海量的信息，这些信息蕴藏了丰富的经营视点和市场规律。怎样有效地利用这些宝贵的信息，让它们更好地为企业经营服务，成为了零售企业的一个迫切愿望和现实难点。普通的零售业信息系统只能够提供普通的分析数据，不能提供立体化的、多视角的、有渗透力的数据，更不能提供具有预测性的、潜在的市场信息。而BI（Business Intelligence，商业智能）恰恰弥补了一般零售业系统在分析上的不足。业务需求与目标经过近一周的需求调研(即进阶系统分析项目会议),归纳整理成如下需求文档即席查询n 多参数，可选择性查询、检索数据；n 检索结果可导出到Excel与Txt文档；l 报表n 灵活报表排版和编辑功能，支持图形、表格、分析报告等多种报表元素的组合；n 报表内容可打印和导出；按照款号,色号,尺码,品牌,类别,波段,销量,价格,销售额,牌价额.折让,库存.时间(月,周日) ,季节属性从多个维度进行汇总,例如按大区,小区分别汇总按店铺,按季节,按品类,按系列,按波段,按货组,销售率,折扣率,颜色,尺码分别汇总店铺指标达成,月份折扣率,单店贡献率,月指标自己定,环比,同比.均价,客单价,连带率,VIP销售占比.季别角度,类别角度,进销存分析,按小区做片区分析,单店分析,单款分析,尺码分析,颜色分析,库存分析,销售率分析,趋势分析,调拨分析汇总数据,希望生成店存和仓存,选时间段.l 交互式关联分析视图n 提供多种关联分析功能，延续用户的假设性推理思路；n 基于OLAP的对照式关联分析，可进行灵活的区域定位分析和明细分析，模拟业务分析人员的分析思路，定位具体问题，从多角度深化演绎推理过程；如下n 报表级别的关联分析，可灵活定制不同的关联路径；n 指标级别的关联分析，可跨分析主题进行指标关联，辅助实现跳跃式和引导式的关联分析过程；l 指标分析n 提供敏感系数分析，辅助决策人员定位关键性的因子指标；n 提供增强性的WhatIF分析，用于假设推理和趋势分析；(注:功能界面类似下图)n 各种经济指标分析工具能辅助分析人员准确地定制告警阈值；技术目标l 报表、分析视图能导出到Excel；l 报表、分析视图的展现可与其他业务应用集成；l 安全认证和角色控制；l 系统稳定、可靠、高可用；l 系统性能稳健，扩展能力强；l 系统管理方便，维护简单；3系统建设整体方案系统设计原则为保证系统的质量，系统的设计、开发、部署和运行管理规划时应遵循如下原则：l 安全性使用系统平台的相关安全设置以及应用系统的安全性实现，实现整个系统的安全性。保证系统数据处理的一致性，保证业务和数据不被非法侵用和修改伪造，保证数据不因意外情况丢失和损坏，提供多种安全检查审计手段。确保系统不被非授权用户侵入，数据不丢失，传输时数据不被非法获取、篡改，确认对使用者、发送和接收者的身份等。l 准确性通过周密的系统调研和分析，确保对业务要求的正确理解；通过规范的项目管理和严密的系统测试，保证系统业务处理的准确性。同时，在应用系统的设计和实现中，提供多种核查、审计手段，进一步保证系统处理的准确性。l 系统可靠性设计时充分考虑可靠性的要求，采用多种高可靠、高可用性技术以使系统能够保证高可靠性，尤其是保证关键模块的连续不间断运作和对非正常情况的可靠处理。l 可扩展性系统平台应能方便扩展，以支持有价值的新兴应用。实时地监测服务器状态，自动负载平衡，以保证实现大用户量并发处理和高效的报表浏览、分析展现的速度。l 可移植性保证在将来发展中迅速采用最新出现的技术、长期保持系统的先进。l 实用易用性系统应具有一致的、友好的客户化界面，易于使用和推广，并具有实际可操作性，使用户能够快速地掌握系统的使用。l 可管理易维护性系统平台必须具有良好的可管理和易于维护的特点，充分考虑可管理性对本系统的重要性。在设计中应充分利用平台提供的多种管理手段，保证易管理易维护的特点得到充分发挥，以满足本系统的需要。l 个性化可定制性保证系统为用户提供个性化的服务能力，使用户能够根据自己的业务需求和喜好定制工作平台的内容，减少使用的复杂程度，提高使用效率。l 成熟性采用的系统平台和软件技术、产品都应具有经受市场长期考验，并具有国内外的成功案例。l 可行性系统必须能够比较方便地实现设计目标中所要求的功能，具有易于实施，易于掌握以及实施成功率高的特点。商务智能（Business Intelligence）介绍商务智能是什么? 商务智能(Business Intelligence,简称BI) 是指利用各种应用程序和技术，通过收集、存储、分析、共享企业业务数据并提供数据访问，从而帮助公司用户做出更好的业务决策。一般现代化的业务操作，通常都会产生大量的数据，如订单、库存、销售帐目、客户资料等。如何利用这些数据增进对业务情况的了解，帮助企业管理人员在业务管理及发展上做出及时、正确的判断，即怎样从业务数据中提取有用的信息，然后根据这些信息来采用明智的行动-这就是商务智能的课题。简言之：BI是对企业累积的数据信息资产再利用，将其转化为企业商务价值。目前，根据企业建设的侧重面与建设阶段的不同，商务智能解决方案大致可分为数据中心/仓库、报表与分析服务、绩效管理应用案等。商务智能的技术体系主要有数据清洗与加载(ETL)、数据仓库（DW）、在线分析处理（OLAP）、数据挖掘（DM），以及前端报表、分析展现等部分组成。数据仓库往往是商务智能的基础，许多基本报表可以由此生成，但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子，数据仓库能供给它们所需要的、整齐一致的数据。 在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。报表、分析与展现（Front-End Presentation）则是将后台数据（包括业务系统的与经过整合处理后的数据仓库的）中蕴含的业务信息与知识，图文并茂、可视化友好地展现给相关用户，使他们及时获取业务洞察力，敏捷、精准地做出业务决策。公司商务智能阶段式优化建议公司商务智能系统的建设并非一蹴而就，建议遵循整体规划、分步实施、阶段式优化的建设原则。将BI应用从企业的成本中心，逐步提升为企业的战略资产。由于报表、分析与展现服务往往被企业业务与IT层面共同关注，应以此为切入点，构建企业报表、分析与展现服务中心，在应用范围不断扩大、分析展现需求不断涌现的基础上，再融入数据仓库与绩效管理技术，不断发展与完善，并最终构筑完整的企业商务智能系统。这样，报表、分析与展现服务不仅仅局限于格式报表的定制，业务数据简单分析，而是能对企业数据实现交互式关联分析，定制出各种丰富的分析视图、KPI与个人/部门记分卡，实现业务的及时监控、预警与灵活分析。报表、分析与展现平台选型微软技术架构报表服务SQL Server 2008 Reporting ServiceSQL Server 2008中内置的报表服务(包括报表生成器)，不仅能方便定制丰富格式图文报表，而且还能对后台数据进行业务建模，这样一般的业务操作员即能即席查询业务数据，又能自我定制简单报表。此外，这些报表还可以订阅、发布，并基于角色设置访问权限，实现安全管理。数据抽取、转换与加载服务：SQL Server 2008 Integration ServiceSQL Server 2008 Integration Service集成服务构建的企业级ETL模块，不仅可实现任何格式数据源与目的之间的灵活转换，而且其控制流、数据流能实现数据清晰、转换与加载的复杂流程设计；此外，流程节点可并行处理数据，提升ETL性能OLAP多维数据在线分析与挖掘服务：SQL Server 2008分析服务 OLAP在线分析是将数据仓库/数据集市的原始数据转化成能够为最终用户所理解的、并真实反映数据维特性的信息，它在多角度（如时间、区域、类型）对数据进行了多层次预聚合、并按多维方式存储（如上图所示为三维多层次存储），支持快速、复杂且交互、一致多角度分析操作，提供面向业务、直观易懂的分析结果；而数据挖掘则高度自动化地分析企业数据，做出归纳性推理，从中挖掘出业务潜在模式，预测业务的行为，协作企业的决策者调整市场策略，减少风险。两者结合能协助企业灵活分析业务状况、预测未来，有效做出正确的决策。SQL Server 2008 Analysis Service在线分析服务内置OLAP在线分析与数据挖掘技术，其统一空间模型（Unified Dimension Model）不仅能与任何ODBC/OLE DB的数据仓库系统（如NCR Teradata Warehouse，Oracle，DB2，Sybase，SQL Server）结合，实现多维分析与挖掘，而且能在多维业务模型中直接定义KPI关键业务指标；此外，Analysis Service不仅内置8种挖掘算法，而且支持嵌入第三方（如SPSS）或用户自己的挖掘算法，使其成为一个真正的企业业务分析与挖掘服务平台。系统逻辑架构系统的逻辑架构图如下：前端展现界面如下：系统物理架构由于系统需负载的原始数据量约为2GB（以此估算DW数据+多维Cube数据+临时数据，将需数据存储空间约为40GB），并发用户数约为20人，建议系统的服务器硬件配置如下：Web服务器采用PC即可, 用于存放网页作前端展现.内存建议4G以上,硬盘建议500G以上.SSIS,SSRS,SSAS,都已经在搭建QRS数据库服务器上，数