随着企业的成长和发展，计划成为将战略目标付诸实施的关键部分。 但是，由于系统断开、数据量大和手动流程，计划通常非常复杂且耗时。 这些问题会导致不准确、延迟和高昂的总拥有成本 (TCO)。 当企业寻求充分利用关键机会时，他们缺乏对数据关系和任何异常值的可见性。
为了支持高效、准确的计划流程，解决方案必须提供简化的数据聚合、一组熟悉的协作工具以及将计划转化为行动的能力。
业务绩效计划提供财务和运营计划和分析，可打造互联企业体验。 它使用熟悉的 Microsoft Power BI 和 Excel 高效办公工具。 通过使用这些工具，您可以帮助计划和创建假设场景。 借助 Dataverse 的强大功能，您可以使用数据流和 Microsoft Power Platform 来消除手动流程并为您的组织实现更高的效率。
业务绩效计划功能集包含两个主要概念：
- 对计划所需的数据进行建模
- 对提供的数据采取行动
在业务绩效计划应用中，您可以创建维度和多维数据集，将事实数据加载到多维数据集中以及定义维度和多维数据集访问。 此外，通过使用画布应用程序、Power BI 和 Excel，您可以修改维度数据以创建新的主数据。
您可以通过应用特定于计划的视觉对象来对 Power BI 中的维度和多维数据集采取行动。 使用视觉对象轻松将实际数据复制到初步计划中，创建计划的多个版本，使用从 Power BI 到 Dataverse 的写回功能以确保您查看的是最新数据，并通过直接在计划中输入注释来提供协作体验。 由于业务绩效计划是本机 Dataverse 解决方案，因此 Power Automate 和其他 Microsoft Power Platform 功能可用于通知、工作流、自定义字段等。
Excel 加载项（在更高版本中提供）提供了更多更新维度数据和输入计划相关信息的方法。
关键概念和术语
- 多维数据集 - 维度和事实数据的集合，用于建模和分析目的。
- 维度 - 定义事实的描述符。 它们通常是您想要用于切割和查看事实数据的内容。 常见维度是人员、产品、地点和时间。 维度由一列或多列组成。 例如，时间维度可能包含日期、月份、年份和其他聚合详细信息或属性。 然后，这些列可用于交易记录分析，以创建分层结构，从而提供从年份到月份再到日期的向下钻取路径。
- 事实 - 可以聚合和分析的数值。 （聚合和分析是定义多维数据集的根本原因。）事实数据的示例包括销售发票、生产成本或薪金和工资。
多维数据集示例
考虑您在汇编多维数据集时要创建和包含的维度。 维度提供用于在 Power BI 中筛选您的数据的机制。 当您创建多维数据集时，选择要在其中包含的所有维度。 但是，请记住，仅当事实数据与这些维度有关系时，您才可以按这些维度在 Power BI 中筛选数据。
例如，Contoso 公司具有以下销售数据。
| 销售额 | 产品 | 订单日期 | 顾客 | 销售区域 |
|---|---|---|---|---|
| 1000 | 自行车 | 2022 年 3 月 1 日 | Oregon trails | 西部 |
| 1000 | 自行车 | 2022 年 3 月 1 日 | Southern rides | 西部 |
| 1000 | 自行车 | 2022 年 3 月 1 日 | Longhorn Sales | 西部 |
| 10 | 水瓶 | 2022 年 5 月 1 日 | Southern rides | 南部 |
| 10 | 水瓶 | 2022 年 5 月 1 日 | Route 66 Bikes | 南部 |
| 1000 | 自行车 | 2022 年 5 月 2 日 | Oregon trails | 西部 |
| 10 | 水瓶 | 2022 年 6 月 1 日 | Dessert Oasis | 南部 |
| 10 | 水瓶 | 2022 年 6 月 1 日 | Dessert Oasis | 南部 |
| 1000 | 自行车 | 2022 年 6 月 15 日 | Blue Ox Trails | 北部 |
| 50 | 头盔 | 2022 年 6 月 15 日 | Blue Ox Trails | 北部 |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Dakota bikes | 北部 |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Oregon trails | 西部 |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Joe's bikes | 西部 |
| 50 | 头盔 | 2022 年 9 月 1 日 | Southern rides | 南部 |
| 50 | 头盔 | 2022 年 9 月 15 日 | Palm Street Sales | 南部 |
| 1000 | 自行车 | 2022 年 9 月 15 日 | Southwest Campers | 南部 |
Contoso 的销售主管可能需要以下基本问题的答案：
- 谁是我的更优客户？
- 哪个销售区域的销售额最多？
销售主管可能还希望进行更深入的分析，以了解数据之间的趋势和关系。 例如，他们可能想要以下问题的答案：
- 每个区域中更畅销的产品是什么？
- 是否有任何产品具有季节性销售模式？
通过创建包含产品、时间、客户、区域和实际销售额作为维度的多维数据集，销售主管可以根据他们想要的查看方式对数据进行筛选和分组。 例如，他们可能希望按区域对销售额进行分组，以便可以识别每个区域中更畅销的产品。 此分组可以让他们深入了解销售的峰值季节。 下表列出了多维数据集在本示例中显示的数据。
| 区域 | 销售额 | 产品 | 订单日期 | 顾客 |
|---|---|---|---|---|
| 南部 | ||||
| 10 | 水瓶 | 2022 年 5 月 1 日 | Southern rides | |
| 10 | 水瓶 | 2022 年 5 月 1 日 | Route 66 bikes | |
| 10 | 水瓶 | 2022 年 6 月 1 日 | Desert Oasis | |
| 10 | 水瓶 | 2022 年 6 月 1 日 | Desert Oasis | |
| 50 | 头盔 | 2022 年 9 月 1 日 | Southern rides | |
| 50 | 头盔 | 2022 年 9 月 15 日 | Palm Street Sales | |
| 1000 | 自行车 | 2022 年 9 月 15 日 | Southwest Campers | |
| 北部 | ||||
| 50 | 头盔 | 2022 年 6 月 15 日 | Blue Ox Trails | |
| 1000 | 自行车 | 2022 年 6 月 15 日 | Blue Ox Trails | |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Dakota Bikes | |
| 西部 | ||||
| 1000 | 自行车 | 2022 年 3 月 1 日 | Oregon Trails | |
| 1000 | 自行车 | 2022 年 3 月 1 日 | Joe's Bikes | |
| 1000 | 自行车 | 2022 年 3 月 1 日 | Longhorn Sales | |
| 1000 | 自行车 | 2022 年 5 月 2 日 | Oregon Trails | |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Oregon trails | |
| 1000 | 自行车 | 2022 年 7 月 1 日 | Joe's bikes |
销售主管可以使用在计划期间创建的维度，在 Power BI 中按区域、产品和日期对数据进行切片。 通过此方式，销售主管可以了解趋势并制定考虑任何趋势或异常值的计划。
若要识别模式并筛选数据，维度必须映射到本文中第一个表中的销售数据。 因此，为多维数据集定义以下维度：
- 区域
- 产品
- 时间
- 顾客
销售数据（事实数据）必须包含区域、产品、时间和客户的详细信息。
作为计划流程的一部分，销售主管使用销售事实数据来为他们认为下一个年度会发生的事情制定计划。 在此期间，可以将销售数据复制到名为销售计划的新场景中。 然后，组织就有了为下一个年度制定计划的起点。 例如，通过查看实际数据，他们可以计划夏季销售额高峰和冬季销售额低潮。 通过充分利用按维度对数据进行筛选和分组的能力，他们可以基于从数据中获得的见解生成计划。
配置和使用业务绩效计划
配置和使用业务绩效计划的流程涉及以下任务：
- 创建维度
- 创建多维数据集
- 将事实数据加载到多维数据集中
- 将 Power BI 连接到数据
- 安装计划视觉对象
- 配置视觉对象
- 按维度或多维数据集进行保护（在更高版本中提供）
- 共享计划