文章来源：杭州美创科技有限公司
数据模型对于每一个数据项目的成功都具有关键的意义，它不仅决定着模型的生命周期，也关系着企业是否准确的从有价值的规律和信息中挖掘出“真知灼见”。
由于不同行业有不同行业的特点。因此，从业务角度看，相应的数据模型也是千差万别。对此，关于数据模型的设计，美创在医疗、港口、交通物流、社保工商等行业不断实践过程中形成了自己的思路和方法论，本文将介绍介绍几种分析场景下的数据模型设计方式。
一、 面向流程类建模
1、场景
流程类业务具有普遍性，其特点是时序性较强，具备线性执行特征，比如医院诊疗业务，港口集装箱进出口业务。
由于各行各业实际业务流程内容天差地别，不同行业信息化建设不同，流程环节的业务可能会由不同供应商建设，企业员工需详细了解各行业、各类供应商的数据模型，但这显然很难做到。另外，即使是行业流程很熟悉的业务人员，基于供应商源系统数据进行流程分析，难免也会陷入片面化的情况。
2、设计思路
针对流程业务的分析、时效分析，我们应该从业务本来的面目出发分析模型，而不应该拘泥于业务系统的流程结构。对此美创提出真实世界模型的设计思路，运用流程资源组件的分析方法进行设计。
面向流程类：真实世界模型、业务流程链、基础对象(资源)、基础事务(流程)、处理中心(输入/输出)
(1)真实世界模型特点
Ⅰ、按照业务本来面目去组织、集成和交换数据
Ⅱ、黑盒子分析方法
Ⅲ、标的物和输入输出分析方法
Ⅳ、流程、组件和资源标准化
(2)基本理念
每个流程任何输出都是对于输入处理的结果，是对于输入的一种反映。每个流程都可以分解为子流程，直至不能分解为止。
(3)设计步骤
Ⅰ.梳理行业的业务流程，运用黑盒子分析方法，从最大最粗粒度的流程出发，然后进行分解来梳理业务的脉络，直至不能分解为止;
Ⅱ.运用标的物和输入输出分析方法，对每个流程解析其输入标的物，输出交付物，处理中心的各项业务资源(人或组织、工具或场地、其他资源);
Ⅲ.针对每个流程的输入和输出，补充其上下文，从时间、空间、状态、目的、费用、结果、统计类信息等方面入手。如果这个流程涉及计划、排队等，输入上下文还可补充这些相关信息;
Ⅳ、所有流程梳理完后，对各环节涉及的资源进行汇总，对于相同业务实体对象或标的物，做标准化，形成实体标准统一，业务逻辑有区分。
这样设计的真实世界模型，避开了各业务源系统碎片化的问题，做到了时序上、流程链上的统一。在数据组织过程中，可以观察和分析数据，发现业务系统在流程信息化上的遗漏之处，寻找可以支撑的新业务。
二、统计分析类建模
1、场景
统计汇总分析是企业最普遍的需求，上至领导层的汇报，下至各部门人员的统计报表、业务分析人员的分析报告。统计分析数据需全面了解企业运营现状，并且能够发现问题，层层钻头到细节，使运营效率改善，业务质量提升。
由于以往的数据都是部门人员从各自的业务系统报表提取上报，因此会产生信息孤岛、标准不统一等问题，不能全面了解企业运营状况。
2、设计思路
针对企业运营统计类分析，可以运用平衡计分卡评价体系，通过维度建模的方法来构建数据仓库模型。平衡计分卡是从财务、客户、内部运营、学习与成长四个角度，将组织的战略落实为可操作的衡量指标和目标值的一种管理体系。
运用平衡计分卡，对企业业务分析主题的梳理可以做到全面，堵住“执行漏斗”。通过维度建模的方法论，可以对各个分析主题很好的梳理出所需的维度和指标体系：
统计分析类：平衡记分卡模型、维度建模方法、财务收益、客户服务、运营流程、组织优化和员工成长
（1）平衡计分卡模型特点：
Ⅰ、全面数字化企业运营，运营信息整合;
Ⅱ、关注运营流程的效果和合理合规性;
Ⅲ、分析维度层级化，统计指标体系化;
（2）基本理念
组织优化和员工成长→运营流程改善→客户服务质量提升→财务效益变好、成本降低，每一类相关的主题指标均要梳理统计分析，达到全面化分析。
而维度建模方法，是经典数据仓库建模的常用方法，对于梳理业务主题所包含的维度与指标非常有效。
（3）设计步骤
Ⅰ、梳理行业的业务流程，画出关系图;
Ⅱ、对于每个流程环节和业务主题，梳理相应的业务主体和标量;
Ⅲ、通过CRUD矩阵的方式确定度量所需的维度及其层级粒度;
Ⅳ、根据业务主题、维度，对度量进行相应归并，建立仓库模型。
按照该思路进行设计的统计分析模型，可做到维度上的统一，指标计算的定义标准化。在数据统计分析过程中，可以减少歧义，并在各个主题的维度分析查找原因后，还可以从平衡计分卡角度，对各类指标作因果影响分析，达到宏观全面化运营分析的目的。
三、面向档案类建模
1、场景
除常规的业务流程类企业，业务主主体对象的监管单位，需要对一个或多个关键实体对象进行全方位的了解和监管。而常规业务流程类单位，也需要对一些实体对象，如客户、产品等，进行画像分析。
一般业务源系统的建设都是为了完成某一组业务的流转运营而实现，主要是产生业务数据，而监管单位的系统则是以信息登记变更为主，不太会从主体对象的分析角度进行建设。
2、设计思路
针对实体对象档案类分析，通过主数据建设的方法，可以设计360视图模型。
在强调数据价值化和数据利用的时代，运用主数据建设方法，我们对企业关键实体对象进行标准、全面、详细的设计，这是最为有效的途径：
面向档案类：360视图模型、主数据建设、对象主索引、基础属性、行为属性、行为认知、关系属性、活动记录
（1）360视图模型特点
Ⅰ、对象数据标签化，数据质量，信息完整性要求更高
Ⅱ、区别于统计类，关注于对象本身，构建对象档案，可以精准化服务对象
（2）基本理念
主体对象是数据资产的核心部件，也是数据利用的主要载体，需要给主体对象增加各式各样的认知标签。标签越丰富，我们对其认知也就越充分。
按主数据建设方法，我们可以设计通用的对象模型结构。
（3）设计步骤
Ⅰ、根据业务流程，识别主体对象，梳理数据问题，并与各业务部门确认;
Ⅱ、主体内容与标准定义，做到认知统一，并用CRUD矩阵，与各部门确认责任范围;
Ⅲ、根据需求，主体对象可以分类合并，在更高级别进行统一，设计共性实体和差异实体;
Ⅳ、根据权责范围和属性分类，不停扩充各类属性标签，并完成业务规则和技术规则设计;
Ⅴ、设计主数据管理方案和利用方案。
以业务主体对象作为碎片化组织的主线，构建对象360度视图，所有关于该对象的信息通过一定的组织集成在一起，最终形成认识主体对象的全息生态链，从而做到对象的核心化、属性标签化，更容易为企业所认知，监管单位监管把控。
四、绩效考核类建模
1、场景
企业员工是企业最主要的财富资源，也是唯一的主观能动性对象，所以精细化运营管理最重要的是要通过绩效考核细化考核到个人，中到部门领导，上到整个企业战略目标。
每家企业运营的业务不完全一致，用到的考核规则，评价体系也都不尽相同，怎么设计一套通用可行的逻辑模型，是个难题。
2、设计思路
根据精益六西格玛质量管理方法的启发，并研究了各行业的绩效评价体系，美创总结出了一定的规律，并设计如下：
绩效考核类：绩效考核模型、精益六西格玛、指标模型、目标与考核规则管理模型、企业绩效、部门绩效、全员绩效
（1）绩效考核模型特点
Ⅰ、管理层驱动的问题发现改善;
Ⅱ、精益团队驱动的流程改善;
Ⅲ、员工自我驱动的工作改善;
（2）基本理念
精细化运营需要对运营过程，运营效果进行可量化测量，还需要一套可转换的考核机制，能够评价到企业的方方面面。根据实践经验，美创总结了各类企业的各级别的通用考核规律：
综合绩效=Σ指标集(工作量(标准化转换)+工作质量(±分)+合规性(±分))*权重系数
(注：需要归一化)
（3）设计步骤
Ⅰ、梳理可测量的工作量指标、工作质量指标、合规性指标，并确定其计算统计规则;
Ⅱ、设计目标值管理;
Ⅲ、根据企业实际业务需求，考核用的评价体系，对标准化转换、工作质量奖惩、合规性操作违规处罚等进行细化设计;
Ⅳ、根据整体绩效的计算方式，对各类计算项的权重配比规则进行设计;
Ⅴ、在确定完整计算规则后，对企业级，部门级，员工级的绩效评分进行细化设计确定。
该绩效评分设计模型，可以很好的与企业实际业务和评价标准进行相融合，从而为每个企业的绩效考核做到个性化配置。
五、总结
上述介绍的四种场景下的模型设计思路，其实都是对企业运营的各方面监测分析，所以这四种模型相互关联，相互影响，即可以单独设计，也可以配合设计一起使用。
数据模型本身没有对与错之分，只有好用与否的问题。从模型设计、落地、使用，需要结合业务场景、技术路线、设备性能、运维管理等多方面的因素，综合考虑模型的实用性，才能让数据模型在满足业务需要的同时，能有更长的生命周期。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
