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。

真实世界模型特点

‣ 按照业务本来面目去组织、集成和交换数据

‣ 黑盒子分析方法

‣ 标的物和输入输出分析方法

‣ 流程、组件和资源标准化

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。

设计步骤

1、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；

2、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）；

3、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；

4、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：

平衡计分卡模型特点：

‣ 全面数字化企业运营，运营信息整合；

‣ 关注运营流程的效果和合理合规性；

‣ 分析维度层级化，统计指标体系化；

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。

设计步骤

1、梳理行业的业务流程，画出关系图；

2、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；

3、通过CRUD矩阵的方式确定度量所需的维度及其层级粒度；

4、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：

360视图模型特点

‣ 对象数据标签化，数据质量，信息完整性要求更高

‣ 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

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。

设计步骤

1、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；

2、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；

3、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；

4、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；

5、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：

绩效考核模型特点

‣ 管理层驱动的问题发现改善；

‣ 精益团队驱动的流程改善；

‣ 员工自我驱动的工作改善；

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）

设计步骤

1、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；

2、设计目标值管理；

3、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；

4、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；

5、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。