近幾年來，隨著勘察設(shè)計(jì)行業(yè)信息化建設(shè)的高速發(fā)展，行業(yè)大部分企業(yè)已經(jīng)從原來幾乎沒有業(yè)務(wù)系統(tǒng)，進(jìn)入到業(yè)務(wù)系統(tǒng)全面開花階段[1]。經(jīng)過幾年的運(yùn)行，行政管理系統(tǒng)、生產(chǎn)經(jīng)營系統(tǒng)、財(cái)務(wù)系統(tǒng)、協(xié)同設(shè)計(jì)系統(tǒng)等已積累了大量的業(yè)務(wù)數(shù)據(jù)，但由于各系統(tǒng)間相互獨(dú)立，且往往缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，數(shù)據(jù)不僅共享困難，還會(huì)出現(xiàn)不一致的情況，因而難以實(shí)現(xiàn)數(shù)據(jù)的集成、深度分析和再利用。相較于原先分散的數(shù)據(jù)源，借助商務(wù)智能（Business Intelligence，BI）平臺(tái)可以將分散的數(shù)據(jù)建立起統(tǒng)一的數(shù)據(jù)倉庫，使企業(yè)數(shù)據(jù)更加規(guī)范，可以更好地被分析利用。BI平臺(tái)作為企業(yè)管理中一種以數(shù)據(jù)為驅(qū)動(dòng)力的智能化管理工具，可以幫助企業(yè)有效地收集、整合、分析和可視化數(shù)據(jù)，顯著提高企業(yè)的決策水平和管理能力。在當(dāng)前日益嚴(yán)峻的經(jīng)濟(jì)形勢(shì)下，市場(chǎng)環(huán)境越來越復(fù)雜，商業(yè)競(jìng)爭(zhēng)越來越激烈，迫使企業(yè)必須加快數(shù)字化轉(zhuǎn)型，而BI平臺(tái)正是通過大數(shù)據(jù)分析助力企業(yè)實(shí)現(xiàn)商業(yè)價(jià)值的重要方式之一。
大數(shù)據(jù)時(shí)代，企業(yè)管理人員利用大數(shù)據(jù)BI工具進(jìn)行企業(yè)經(jīng)營狀況分析和數(shù)據(jù)挖掘，已成為現(xiàn)代企業(yè)提高競(jìng)爭(zhēng)力的重要舉措[2]。汪少鋒[3]從數(shù)據(jù)采集、優(yōu)化數(shù)據(jù)預(yù)處理流程、數(shù)據(jù)分析建模、數(shù)據(jù)可視化等方面進(jìn)行了深入研究，提出了BI平臺(tái)如何應(yīng)用在企業(yè)財(cái)務(wù)管理中的一套解決方案；胡志剛[4]等主要研究了BI在科研管理領(lǐng)域中的應(yīng)用，介紹了科研智能的整體框架和關(guān)鍵技術(shù)；侯杰[5]等綜合運(yùn)用數(shù)據(jù)倉庫技術(shù)、數(shù)據(jù)挖掘算法和多維數(shù)據(jù)建模與分析方法，建立了一套面向礦業(yè)集團(tuán)經(jīng)營和發(fā)展的商務(wù)智能分析體系；胡立勇[6]等則將BI技術(shù)應(yīng)用到醫(yī)院急救設(shè)備管理中，實(shí)現(xiàn)了醫(yī)院急救設(shè)備的快速調(diào)配。
(資料圖)
盡管BI平臺(tái)在商業(yè)領(lǐng)域得到了廣泛應(yīng)用和驗(yàn)證，但其在勘察設(shè)計(jì)行業(yè)中的應(yīng)用成果相對(duì)較少，研發(fā)面向勘察設(shè)計(jì)行業(yè)的BI平臺(tái)有著重要的現(xiàn)實(shí)意義。本文旨在探索BI平臺(tái)在勘察設(shè)計(jì)行業(yè)的落地應(yīng)用研究，重點(diǎn)關(guān)注如何利用現(xiàn)有的前沿技術(shù)和方法，讓業(yè)務(wù)人員基于業(yè)務(wù)需求快速地搭建各類應(yīng)用。筆者基于當(dāng)前國內(nèi)外研究現(xiàn)狀，結(jié)合行業(yè)企業(yè)實(shí)際情況，設(shè)計(jì)了一套企業(yè)BI平臺(tái)的實(shí)現(xiàn)方案，其整體架構(gòu)如圖1所示。
圖1 企業(yè)BI平臺(tái)整體架構(gòu)圖
數(shù)據(jù)連接層： 用于梳理企業(yè)各個(gè)業(yè)務(wù)系統(tǒng)和管理流程中的原始業(yè)務(wù)數(shù)據(jù)，以及重要的線下數(shù)據(jù)，并分別通過不同的方式接入數(shù)據(jù)同步引擎。
數(shù)據(jù)治理層： 針對(duì)線上數(shù)據(jù)，使用數(shù)據(jù)同步工具對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)等操作，以全量同步、增量同步的方式搭建數(shù)據(jù)倉庫；針對(duì)線下數(shù)據(jù)，使用經(jīng)過數(shù)據(jù)預(yù)處理后的EXCEL或CSV文件進(jìn)行數(shù)據(jù)導(dǎo)入；針對(duì)其他邏輯非常復(fù)雜的線上業(yè)務(wù)數(shù)據(jù)，通過API數(shù)據(jù)服務(wù)的方式進(jìn)行構(gòu)建。通過這些不同的數(shù)據(jù)集成方式，完成數(shù)據(jù)倉庫的搭建，確保數(shù)據(jù)倉庫中的數(shù)據(jù)與原始業(yè)務(wù)數(shù)據(jù)的同步和實(shí)時(shí)更新，再對(duì)外提供數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)服務(wù)。
自助分析層： 針對(duì)各類企業(yè)數(shù)據(jù)分析可視化場(chǎng)景需求，通過平臺(tái)提供的各類功能特性，創(chuàng)建和使用各種報(bào)表及其他組件、儀表盤和故事板進(jìn)行可視化數(shù)據(jù)分析，構(gòu)建可視化數(shù)據(jù)應(yīng)用等。
應(yīng)用發(fā)布層： 對(duì)構(gòu)建的數(shù)據(jù)應(yīng)用設(shè)置用戶角色和數(shù)據(jù)權(quán)限的分配，發(fā)布并分享應(yīng)用給各類管理者使用。
數(shù)據(jù)倉庫是BI運(yùn)行的數(shù)據(jù)基礎(chǔ)，BI需要依賴數(shù)據(jù)倉庫去做數(shù)據(jù)分析。因此，建立數(shù)據(jù)倉庫是BI平臺(tái)能否成功搭建的關(guān)鍵。
在企業(yè)信息化建設(shè)過程中，常常會(huì)出現(xiàn)大量異構(gòu)系統(tǒng)和數(shù)據(jù)的情況。這些異構(gòu)系統(tǒng)和數(shù)據(jù)來源于不同部門、業(yè)務(wù)流程或技術(shù)平臺(tái)，可能具有不同的數(shù)據(jù)格式、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)標(biāo)準(zhǔn)，容易導(dǎo)致數(shù)據(jù)孤島、數(shù)據(jù)冗余和數(shù)據(jù)集成困難等問題，對(duì)企業(yè)的數(shù)據(jù)管理和應(yīng)用形成挑戰(zhàn)。
在沒有數(shù)據(jù)倉庫之前，企業(yè)的數(shù)據(jù)查詢和分析系統(tǒng)、數(shù)據(jù)集市、報(bào)表系統(tǒng)、駕駛艙等各類系統(tǒng)的數(shù)據(jù)訪問操作，通常直接基于業(yè)務(wù)系統(tǒng)數(shù)據(jù)。這種簡(jiǎn)單的數(shù)據(jù)訪問模式，容易形成以下幾個(gè)問題：一是業(yè)務(wù)系統(tǒng)對(duì)應(yīng)的多個(gè)報(bào)表系統(tǒng)的更新和維護(hù)問題；二是不同業(yè)務(wù)系統(tǒng)之間的數(shù)據(jù)互通問題；三是業(yè)務(wù)系統(tǒng)的數(shù)據(jù)存在臟數(shù)據(jù)的問題；四是直接操作業(yè)務(wù)數(shù)據(jù)做分析，對(duì)業(yè)務(wù)數(shù)據(jù)庫的壓力太大，影響線上業(yè)務(wù)的穩(wěn)定，同時(shí)還有破壞業(yè)務(wù)數(shù)據(jù)的風(fēng)險(xiǎn)問題。
數(shù)據(jù)倉庫是一個(gè)面向主題的、集成的、隨時(shí)間變化但信息本身相對(duì)穩(wěn)定的數(shù)據(jù)集合，用于支持管理決策。具體而言，數(shù)據(jù)倉庫中的數(shù)據(jù)不是企業(yè)業(yè)務(wù)數(shù)據(jù)的簡(jiǎn)單堆積，而是被組織成面向主題的數(shù)據(jù)模型，以便用戶能夠輕松地進(jìn)行查詢、分析和決策。
本文的目標(biāo)是搭建一個(gè)企業(yè)數(shù)據(jù)倉庫，通過數(shù)據(jù)抽取、轉(zhuǎn)換、裝載的過程（Extract–Transform–Load，ETL）工具，將原本分散、不同信息流、標(biāo)準(zhǔn)不統(tǒng)一的企業(yè)經(jīng)營、生產(chǎn)、財(cái)務(wù)、項(xiàng)目和人力資源等數(shù)據(jù)載入并實(shí)時(shí)更新到數(shù)據(jù)倉庫中，用以提供一致、準(zhǔn)確的數(shù)據(jù)視圖，為決策者和分析師提供強(qiáng)大的數(shù)據(jù)分析和洞察能力，支持業(yè)務(wù)決策、市場(chǎng)分析、業(yè)績(jī)?cè)u(píng)估等重要活動(dòng)。
對(duì)于勘察設(shè)計(jì)企業(yè)來說，借助功能強(qiáng)大的ETL工具，實(shí)現(xiàn)對(duì)各種業(yè)務(wù)數(shù)據(jù)的處理、轉(zhuǎn)換、遷移，是建立企業(yè)數(shù)據(jù)中心，確保數(shù)據(jù)邏輯統(tǒng)一的理想途徑之一。市面上有很多ETL工具，本文選用DataX工具用于數(shù)據(jù)倉庫建設(shè)，它是阿里巴巴旗下的一款優(yōu)秀的開源產(chǎn)品，能提供各種數(shù)據(jù)存儲(chǔ)的讀寫插件，支持多線程執(zhí)行，使用操作也很簡(jiǎn)單。
DataX是阿里云DataWorks數(shù)據(jù)集成的開源版本，是在阿里巴巴集團(tuán)內(nèi)被廣泛使用的離線數(shù)據(jù)同步工具，實(shí)現(xiàn)了包括MySQL、Oracle、OceanBase、SqlServer、Postgre、HDFS、Hive、ADS、HBase等各種異構(gòu)數(shù)據(jù)源之間高效的數(shù)據(jù)同步功能。DataX先通過ETL進(jìn)行數(shù)據(jù)清洗、轉(zhuǎn)換、合并與集成，再將底層數(shù)據(jù)導(dǎo)入到數(shù)據(jù)倉庫中。
DataX采用Framework+Plugin架構(gòu)，將數(shù)據(jù)源讀取和寫入抽象稱為Reader/Writer插件，納入到整個(gè)同步框架中，如圖2所示。本文在實(shí)際搭建數(shù)據(jù)倉庫時(shí)的一項(xiàng)重要工作就是編寫各類Reader和Writer，完成定義好的各主題域下的數(shù)據(jù)同步和更新。在進(jìn)行主題域劃分時(shí)，需要了解企業(yè)不同的業(yè)務(wù)流程都有哪些業(yè)務(wù)活動(dòng)參與其中。劃分主題域的方法有很多種，不同企業(yè)選取的方法也有所不同，其中較為常用的方法包括按部門劃分、按需求劃分、按功能劃分和按業(yè)務(wù)系統(tǒng)劃分四種類型。
圖2 DataX設(shè)計(jì)框架
本文根據(jù)筆者所在企業(yè)實(shí)際運(yùn)作情況，選取了最為常見的按部門劃分方式來設(shè)計(jì)主題域。不同部門對(duì)應(yīng)不同的職責(zé)范圍，從事不同業(yè)務(wù)內(nèi)容，管理不同的數(shù)據(jù)對(duì)象，會(huì)形成各種不同的主題域，如經(jīng)營域、生產(chǎn)域、人事域、財(cái)務(wù)域等。這些主題域由不同的主題內(nèi)容組成，具體如表1所示。
目前，大部分勘察設(shè)計(jì)企業(yè)做數(shù)據(jù)分析的現(xiàn)狀是：首先由部門員工提出具體業(yè)務(wù)需求，其次由IT人員完成數(shù)據(jù)的采集、處理、可視化和分析等一系列任務(wù)，業(yè)務(wù)人員再對(duì)IT人員完成的結(jié)果進(jìn)行確認(rèn)并提出修改意見。這個(gè)過程往往會(huì)迭代好幾輪，工作量較大。
隨著企業(yè)業(yè)務(wù)的快速發(fā)展，這種模式暴露出一些問題：一是已完成的應(yīng)用難以適應(yīng)業(yè)務(wù)的快速變化，且維護(hù)成本較高；二是IT人員需要面對(duì)各類業(yè)務(wù)人員提出的需求，他們對(duì)業(yè)務(wù)的理解往往沒有專業(yè)人員理解得透徹，導(dǎo)致產(chǎn)出結(jié)果無法滿足預(yù)期；三是該模式由于多方的參與，從需求到開發(fā)至最終交付需要一個(gè)過程，這使得產(chǎn)出成果的時(shí)效性較差。
為此，本文嘗試一種新模式，那就是讓IT人員只負(fù)責(zé)數(shù)據(jù)標(biāo)準(zhǔn)定義、數(shù)據(jù)倉庫和數(shù)據(jù)集市的建立，提供各類數(shù)據(jù)服務(wù)，剩下的工作讓業(yè)務(wù)人員自己來完成。他們通過建好的BI平臺(tái)，在不需要編寫任何代碼的情況下，根據(jù)具體業(yè)務(wù)需求，通過“拖拉拽”式的自助式服務(wù)，靈活搭建各類應(yīng)用，完成對(duì)業(yè)務(wù)數(shù)據(jù)的可視化、分析和挖掘等工作。
基于上述目標(biāo)，在選擇BI平臺(tái)時(shí)，需要考慮以下幾個(gè)關(guān)鍵因素：
一是業(yè)務(wù)需求。 不同的BI平臺(tái)在功能和特性上有所不同，這就需要評(píng)估選擇的工具擁有的各項(xiàng)基本功能和分析能力是否能夠滿足企業(yè)的業(yè)務(wù)需求和目標(biāo)。
二是可視化和報(bào)表功能。 需要評(píng)估工具的可視化能力是否足夠強(qiáng)大，是否能提供各種圖表類型和自定義選項(xiàng)，創(chuàng)建易于理解和互動(dòng)的儀表盤和報(bào)表。
三是數(shù)據(jù)整合和連接。 需要能夠連接和整合各種數(shù)據(jù)源，最好可以輕松進(jìn)行數(shù)據(jù)提取、轉(zhuǎn)換和加載（ETL）操作。
四是數(shù)據(jù)分析功能。 是否能夠提供高級(jí)分析功能，如數(shù)據(jù)挖掘、預(yù)測(cè)分析、趨勢(shì)分析和多維分析。
五是用戶友好性。 選擇易于使用和學(xué)習(xí)的BI平臺(tái)對(duì)于用戶的推廣使用非常重要，故需考慮工具的用戶界面和交互體驗(yàn)，以及是否具有豐富的培訓(xùn)資源來幫助用戶上手。
六是擴(kuò)展性和靈活性。 具有擴(kuò)展性和靈活性的BI平臺(tái)，能夠適應(yīng)企業(yè)業(yè)務(wù)變化和增加新功能要求。
七是安全性和數(shù)據(jù)隱私。 數(shù)據(jù)安全和隱私保護(hù)是非常重要的考慮因素，需確保BI平臺(tái)能提供適當(dāng)?shù)陌踩δ埽缭L問控制、數(shù)據(jù)加密和安全審計(jì)等。
八是成本效益。 需要考慮BI平臺(tái)的總體成本效益，包括實(shí)施和維護(hù)成本，以及是否存在附加費(fèi)用（例如培訓(xùn)、技術(shù)支持等）。
目前，市場(chǎng)上有許多BI平臺(tái)可供選擇，包括大型企業(yè)級(jí)平臺(tái)，如國外的TaBIeau、PowerBI和國內(nèi)的FineBI，開源平臺(tái)如Redash、Superse、Datart等。根據(jù)上述選型時(shí)要考慮的幾個(gè)關(guān)鍵點(diǎn)，本文對(duì)市面上的主流BI平臺(tái)進(jìn)行了調(diào)研和實(shí)際使用比較，結(jié)果如表2所示。
表2 國內(nèi)外主流BI平臺(tái)比較
如上所述，相比于TaBIeau、PowerBI、FineBI等業(yè)界使用最為廣泛的商務(wù)BI平臺(tái)，Datart無論在功能、可擴(kuò)展性、上手難度，還是用戶友好性等方面都可與之媲美，加之它是開源免費(fèi)的，各方面都比較符合勘察設(shè)計(jì)企業(yè)的實(shí)際情況，本文最終選擇Datart作為企業(yè)實(shí)施BI的平臺(tái)。
本文以筆者所在企業(yè)為例，介紹如何搭建企業(yè)級(jí)的BI平臺(tái)并進(jìn)而利用BI平臺(tái)搭建一個(gè)基于企業(yè)級(jí)關(guān)鍵指標(biāo)要素的數(shù)據(jù)分析及可視化應(yīng)用——企業(yè)級(jí)數(shù)字駕駛艙，主要從指標(biāo)設(shè)計(jì)、數(shù)據(jù)連接、數(shù)據(jù)治理、自助分析、應(yīng)用發(fā)布五個(gè)層面分別介紹實(shí)際平臺(tái)搭建及應(yīng)用的過程。
指標(biāo)設(shè)計(jì)
經(jīng)過調(diào)研確定相關(guān)指標(biāo)項(xiàng)，這些指標(biāo)項(xiàng)涉及到的業(yè)務(wù)數(shù)據(jù)來自生產(chǎn)、經(jīng)營、財(cái)務(wù)和人力資源管理等多個(gè)業(yè)務(wù)系統(tǒng)。由于整個(gè)企業(yè)的指標(biāo)項(xiàng)體系極其龐大，作為示例僅列出經(jīng)營概況、外務(wù)概況、人員概況三個(gè)方面的幾個(gè)關(guān)鍵指標(biāo)，如圖3所示。
圖3 企業(yè)級(jí)數(shù)字駕駛艙數(shù)據(jù)指標(biāo)體系
數(shù)據(jù)連接
此過程的主要工作是梳理筆者所在企業(yè)業(yè)務(wù)系統(tǒng)現(xiàn)狀，了解不同業(yè)務(wù)系統(tǒng)底層數(shù)據(jù)實(shí)現(xiàn)的邏輯，從而完成企業(yè)主要的生產(chǎn)及管理系統(tǒng)的數(shù)據(jù)庫接入，如圖4所示。
圖4 數(shù)據(jù)連接
數(shù)據(jù)治理
由于上述建立的業(yè)務(wù)系統(tǒng)的合作軟件供應(yīng)商不同，數(shù)據(jù)庫的類型也不同，故需要針對(duì)不同類型的數(shù)據(jù)庫編寫任務(wù)。本文創(chuàng)建了基于Oracle、SqlServer、Mysql等多種類型數(shù)據(jù)庫的任務(wù)，同時(shí)根據(jù)表1設(shè)計(jì)的主題域，創(chuàng)建了各個(gè)主題下的數(shù)據(jù)同步任務(wù)，通過ETL工具創(chuàng)建一系列定時(shí)任務(wù)，同步及更新業(yè)務(wù)數(shù)據(jù)到數(shù)據(jù)倉庫中，任務(wù)列表如圖5所示。
表1 主題域分析設(shè)計(jì)
圖5 數(shù)據(jù)治理
任務(wù)列表中的任務(wù)根據(jù)具體要同步更新的業(yè)務(wù)數(shù)據(jù)，編寫了不同的數(shù)據(jù)處理規(guī)則；根據(jù)數(shù)據(jù)的新增和更新頻率，設(shè)置了不同的任務(wù)執(zhí)行周期表達(dá)式，以保證數(shù)據(jù)的實(shí)時(shí)更新。平臺(tái)提供日志管理功能，可實(shí)時(shí)查看每個(gè)任務(wù)的執(zhí)行情況，大大方便了對(duì)任務(wù)的管控。
自助分析
自助分析的前提是有足量的數(shù)據(jù)，這就首先需要保證有足夠的數(shù)據(jù)源被接入進(jìn)來。BI平臺(tái)有專門的“數(shù)據(jù)源”模塊用于配置和管理可視化數(shù)據(jù)的來源，新建一個(gè)數(shù)據(jù)源通常是開始分析或制作可視化界面的第一步，Datart默認(rèn)支持以下三種數(shù)據(jù)獲取方式：
一是數(shù)據(jù)倉庫。平臺(tái)通過JDBC連接數(shù)據(jù)倉庫，獲取數(shù)據(jù)倉庫中的信息和數(shù)據(jù)。
二是文件。平臺(tái)支持Excel和CSV文件作為數(shù)據(jù)源存儲(chǔ)在服務(wù)端。以筆者所在企業(yè)為例，生產(chǎn)部門的水電費(fèi)和房租是通過行政人員手工錄入到Excel文件的，在查詢文件數(shù)據(jù)源時(shí)，平臺(tái)支持在數(shù)據(jù)視圖中編寫SQL語句對(duì)一個(gè)數(shù)據(jù)源下的多個(gè)文件進(jìn)行關(guān)聯(lián)與聚合操作。
三是接口服務(wù)。平臺(tái)支持HTTP接口響應(yīng)數(shù)據(jù)作為數(shù)據(jù)來源，通過程序?qū)崿F(xiàn)復(fù)雜的業(yè)務(wù)邏輯，獲取的數(shù)據(jù)一般通過封裝成接口獲取。在查詢HTTP數(shù)據(jù)源時(shí)，支持在數(shù)據(jù)視圖中編寫SQL語句對(duì)一個(gè)數(shù)據(jù)源下的多個(gè)HTTP接口響應(yīng)數(shù)據(jù)進(jìn)行關(guān)聯(lián)與聚合操作。
Datart將構(gòu)建可視化分析應(yīng)用的過程分解成幾個(gè)步驟，這使得系統(tǒng)功能非常直觀且內(nèi)容可以很方便地被復(fù)用和更改。其中，數(shù)據(jù)視圖用于從數(shù)據(jù)源中選取所需的數(shù)據(jù)，支持對(duì)所選數(shù)據(jù)進(jìn)行轉(zhuǎn)換和加工，用于分析和可視化制作；數(shù)據(jù)圖表是可視化的基礎(chǔ)單元，通過對(duì)數(shù)據(jù)視圖中的字段做可視化屬性配置，將查詢結(jié)果進(jìn)行可視化編碼，最終以圖表的形式進(jìn)行展現(xiàn)；儀表盤是可視化的核心部分，用于呈現(xiàn)一組具有相關(guān)性的數(shù)據(jù)圖表，從多角度掌握關(guān)鍵信息。
由于企業(yè)級(jí)數(shù)據(jù)駕駛艙涉及到的指標(biāo)項(xiàng)繁多，圖6僅以其中的部分指標(biāo)項(xiàng)——合同數(shù)據(jù)可視化分析為例，展示了數(shù)據(jù)視圖、數(shù)據(jù)圖表組件、儀表盤的構(gòu)建過程。其中，數(shù)據(jù)視圖的創(chuàng)建是由企業(yè)IT人員來完成的，他們負(fù)責(zé)將合同數(shù)據(jù)從數(shù)據(jù)倉庫中接入，接著由業(yè)務(wù)人員結(jié)合業(yè)務(wù)實(shí)際需求自助分析數(shù)據(jù)之間的關(guān)聯(lián)，創(chuàng)建不同形式的可視化和交互組件并與數(shù)據(jù)視圖綁定，將分析結(jié)果通過圖表、動(dòng)畫等可視化方式呈現(xiàn)出來，最后將各個(gè)完成的組件布局排版組合成儀表盤。
圖6 數(shù)據(jù)視圖、數(shù)據(jù)圖表組件、儀表盤的構(gòu)建過程
應(yīng)用發(fā)布
在上述工作完成后，就到了應(yīng)用發(fā)布階段。平臺(tái)使用RBAC模型控制權(quán)限，支持創(chuàng)建和管理角色，以及設(shè)置用戶或角色對(duì)資源的權(quán)限，能夠精確控制發(fā)布與分享指定的應(yīng)用給各類管理者使用。圖7是企業(yè)級(jí)數(shù)字駕駛艙的一個(gè)數(shù)據(jù)指標(biāo)展示頁面案例。
圖7 企業(yè)級(jí)數(shù)字駕駛艙頁面案例
本文借助開源的數(shù)據(jù)倉庫搭建工具和BI分析工具，結(jié)合筆者所在的勘察設(shè)計(jì)企業(yè)的實(shí)際情況，搭建了企業(yè)的商務(wù)智能（BI）平臺(tái)，具有一定的行業(yè)普適性和推廣價(jià)值。通過該平臺(tái)提供的功能和數(shù)據(jù)，業(yè)務(wù)部門人員可以根據(jù)業(yè)務(wù)需求，搭建多種數(shù)據(jù)分析應(yīng)用模 塊，并進(jìn)行數(shù)據(jù)的深入挖掘和可視化展現(xiàn)。系統(tǒng)解決方案在企業(yè)內(nèi)得到了成功應(yīng)用，在業(yè)務(wù)部門層面，培養(yǎng)出了部門內(nèi)的數(shù)據(jù)分析能手；在企業(yè)層面，企業(yè)的綜合管控和分析決策能力得到了有效提升，大大增強(qiáng)了行業(yè)競(jìng)爭(zhēng)力。 （本文作者朱曉偉、胡迅、黃爭(zhēng)舸來自浙江大學(xué)建筑設(shè)計(jì)研究院有限公司，丁晨杰來自浙江大學(xué)計(jì)算機(jī)學(xué)院）
參考文獻(xiàn)
[1]黃爭(zhēng)舸,胡迅,朱曉偉,等.一體化信息體系助力設(shè)計(jì)院快速提升企業(yè)效能[J].中國勘察設(shè)計(jì),2019(07):56–61.
[2]喬冰琴,段全虎,高翠蓮.企業(yè)大數(shù)據(jù)分析挖掘及大數(shù)據(jù)BI工具應(yīng)用實(shí)踐[J].會(huì)計(jì)之友,2021(24):131–137.
[3]汪少鋒.大數(shù)據(jù)技術(shù)下企業(yè)BI分析系統(tǒng)在財(cái)務(wù)管理中的應(yīng)用[J].中國集體經(jīng)濟(jì),2023(14):134–137.
[4]胡志剛,王欣,李海波.從商業(yè)智能到科研智能：智能化時(shí)代的科學(xué)學(xué)與科技管理[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2021,42(01):3–20.
[5]侯杰,胡乃聯(lián),李國清,等.基于商務(wù)智能的礦業(yè)集團(tuán)運(yùn)營決策系統(tǒng)解決方案[J].計(jì)算機(jī)集成制造系統(tǒng),2016,22(01):202–212.
[6]胡立勇,李璟,胡小蘭,等.基于商務(wù)智能技術(shù)的急救設(shè)備使用智能分析平臺(tái)的構(gòu)建與應(yīng)用[J].中國醫(yī)學(xué)裝備,2023,20(04):119–123.
來源：《中國勘察設(shè)計(jì)》雜志
標(biāo)簽：
