Slides for Courses Using the 

Business Intelligence Guidebook
From Data Integration to Analytics
by
Rick Sherman
www.biguidebook.com
Business Intelligence Guidebook – From Data 
Integration to Analytics

www.biguidebook.com
November 2014
Imprint: Morgan Kaufmann
Print Book ISBN : 9780124114616
eBook ISBN : 9780124115286
 Chapter 1
The Business Demand for Data, 
Information and Analytics
Too much information

f01‐01
• Data Volume ‐ 90%  world data created last 2 years.
• Data Variety – Time sensitive, Speedy, fraud detection
• Data Velocity – Various source and types of data
No water to drink, no information to consume

f01‐02
How BI, DW and DI fit together

f01‐03
• Five Cs
• Clean 
• Consistent
• Conformed
• Current
• Comprehensive
Categorizing BI, DW and DI terminology

f01‐04
Industry Terms – Table 1.1
• Page 16 to 19
 Chapter 2
Justifying BI: Building the 
Business and Technical Case
Business Needs
• BI solution Qs: • Process:
• What business problems or opportunities  • Review the organization’s business 
are being addressed? initiatives
• Who will use it? • Data needs; 
• business processes for analytics 
• What are the anticipated business 
benefits? • Enlist Bi sponsor(s) for funding 
• Were there any prior BI initiatives that  • Connect with all BI stakeholders
failed, and if so, why? • Data Analyst not only power user
• Identify business processes affected by BI 
– business benefits
• Business measures & KPIs‐ Key performance 
Indicator; not only reports & dashboards
• Document business benefits
• Else failed project, over budget, only reports
Business benefits matrix

f02‐01
Building the Technical Case:
Selecting product short‐list(s) workflow

f02‐02
Sell your Ideas
• Convince the Business Group • Convince the Technologists
• Time cost and resources • Technologies needed
• Long term investments • Short Product lists
• Easy and shortcuts issues – Excel  • What's in it for me?
tools

Powerful sponsor – possibly CIO
BI Enthusiasm
• Assessment:  • Output:
• Data and Data Quality • Organization’s current state
• 5Cs – Clean, Consistent, Conformed‐
Analyze data across common, sharable  • BI success needs
dimensions, Current, Comprehensive
• Identify gaps
• Expertise and Experience
• Data Integration, DW, MDM, Analytics • Bridge the gap
• Analytical commitment
• Training the staffs, consultants involved
• Organizational and cultural change
• Financial & Resource commitment
• Total cost estimate
• Resources & people commitment 
BI Project Scope, Plan & Budget
• Scope: Data Sources; New technologies; Business groups involved; 
Document: objectives, users, assumptions, risks etc.
• Plan: Delivery vs time based; BI road map
• Budget: Labor, SW, Infrastructure & product  cost, Support

Calculate benefits and Return on Investments (ROI)
• Changes happens because of the BI tools.

Approval !!!!
 Chapter 3
Defining Requirements –
Business, Data and Quality
Requirements – stepwise refinement
To Design, Build, and implement BI solutions

f03‐01
Requirements by Subjects
Business Requirements: Data Requirements:
• High‐level business requirements • Data sources
• Business processes supported • Data conformance, consistency, and 
• Business rules & metrics‐KPI currency
BI functional requirements: • Data integration
• Use cases • Data quality
• Process workflow & user interaction Regulatory & compliance requirements
• Analytical styles & functionality 
• Country – USA Patriot Act; HIPAA
Technical Requirements
• Infrastructure standards
• Industry
• Technology directions • Privacy and security
Business participants: Sponsors, Stakeholders(Business users, 
Roles: Data architect, Data modeler,  SMEs: Data Sources, Apps used for business processes, Current 
ETL designer, BI designer Reporting tools, Infrastructure & services), users of BI
 Defining requirements workflow

f03‐02
 Chapter 4
Architecture Framework
The four architecture categories
Detailed in Chapters 5,6,7

f04‐01
Enterprise data warehouse(EDW) Architecture

f04‐02
Data architecture workflow – Newer Architecture 

f04‐03
 BI data architecture – roles of data systems

f04‐04
BI technical architecture

f04‐05
 BI technical architecture categories – New 

f04‐06
BI analytical Tools

f04‐07
Data warehouse and BI data store layer

f04‐08
Data integration layer

f04‐09
Data sources layer

f04‐10
 Evolution of data technology BI over time

f04‐11
Metadata – Data about Data
• Description of the data as it created, transformed, stored, accessed, 
and consumed in the enterprise.
• Technical: ETL tools field definitions, mapping between sources and 
targets, transformations, workflows; BI tools describing fields and 
reports; DB domains(format, size, etc.)
• Business: inventory turns, weekly sales, budget reports, business 
descriptions; Example: CUNY headcount

Security & privacy : What, Who, Why, How Disaster Recovery

Page:84; Table: 4.2: Summary of Architecture Action Plan
 Chapter 5
Information Architecture
Information Architecture Qs
 Data integration framework (DIF) information 
architecture

f05‐01
Data preparation process

f05‐02
 Data franchising processes

f05‐03
Used for:
• Referential integrity • Query selection criteria
• Lookups and cross‐maps • Aggregations
• Business transformation • Report value bands
• Business metric calculation
 BI tool components

f05‐04
BI interface analytical styles

f05‐05
Data management processes

f05‐06
 Blended BI environment

f05‐07
 Master Data Management(MDM)

• Find the problem areas
• Assess A solution