BI 是一種數據類的技術解決方案，將許多來自不同企業業務系統的數據提取有分析價值的數據進行清洗、轉換和加載，就是抽取Extraction、轉換 Transformation、加載Loading 的ETL過程，最終合并到一個數據倉庫中，按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的維度建模或者兩者都有的混合式架構模型，最終在這個基礎上再利用合適的分析展現工具來形成各種可視化的分析報表為企業的管理決策層提供數據決策支撐。

商業智能BI – 派可數據可視化分析平臺

(相關資料圖)

首先，我們需要理解下什么是建模。然后再來看下建模和自助分析的關系，他們之間不是一種對立的關系，需要理解下BI的底層邏輯。

建模，就是建立模型，為了理解事物而對事物做出的一種抽象。建立系統模型的過程，又稱模型化。建模是BI分析的重要手段和前提，凡是用模型描述系統的因果關系或相互關系的過程都屬于建模。

不管是什么樣的BI工具產品，在做自助分析、可視化頁面設計的時候大家一定能看到幾個核心的元素：維度Dimension和度量Measure。維度就是看數據的角度，被看的數據就是度量Measure。比如從產品角度分析銷售收入占比，從時間角度看銷售收入的趨勢，在這個描述中，產品和時間就是分析的維度，銷售收入就是被看的、被分析的數據，就是度量Measure，我們有的時候也叫KPI或者指標。

維度 – 派可數據可視化分析平臺

在BI分析中，只要通過維度或者維度的組合來分析指標的過程，背后本身就構建了一個分析模型，這就是一種把復雜業務抽象到一個分析模型的過程。

所以，談到BI必然就會用到建模，建模沒有像大家想象的那么神秘。

拖拉拽自助分析的本質就是對分析模型的運用。在自助分析過程中，會首先選擇分析的維度，再選擇相應的度量或者指標，通過拖拉拽的方式就實現了可視化，數據就出來了。它的邏輯就是根據選擇的維度和指標，自動的構成了一種分析模型，這個分析模型的背后就會產生一條聚合查詢性質的SQL語句發送到底層數據庫引擎去做數據查詢，把數據聚合算出來，把結果呈現到可視化頁面。

通過前端可視化BI分析工具選擇幾張數據表進行數據關聯，形成了一個分析模型，在這個分析模型中的維度和度量自動的羅列到分析面板供自助分析人員來使用，這個叫做BI的前端建模。通過數據倉庫提前把一些基礎的分析模型建好，前端BI工具來直接引用成熟的維度和分析指標，這個是把分析模型后置到底層數據架構上來解決，這個叫做后端建模。本質上都是一樣的，都是構建分析模型的過程。只是一個前置到業務人員自己處理模型、一個后置到數據倉庫由BI開發人員來處理。后置的主要目的除了公共指標下沉，還解決了指標爆炸的問題。

指標 – 派可數據可視化分析平臺

所以，建模在BI分析中本身就是維度和指標的組合，這個過程沒有什么很特殊的。只是大家一想到自助分析，就不應該通過預設模型來限制模型中維度和指標的選擇，這個理解就是錯誤的。不管什么樣的模型都可以理解為一種預設，比如像一張大寬表，它的維度和指標在大寬表中就是固定的，只是維度列多一些，指標多一些，給了用戶更多的一種組合維度和指標的可能，并不是說就沒有模型的概念。

很多BI廠商不是不知道這個道理，那為什么還要這么去講呢？因為要給用戶一種感覺，就是我們的BI產品很靈活，想怎么分析就怎么分析，可以滿足任意的分析場景，所以要證明我們自己的產品比別人的更強大。但是只要大家認真想一想，BI真的能做到想怎么分析就怎么分析，真正的隨心所欲的自由分析嗎？

自由并不是隨心所欲，無邊際的。所有的自由都是有限度的，一旦你所追求的自由，超出了限度，自由就勢必要被約束起來，只有有限度的自由才是真的自由。