商业智能产品.docx

商业智能产品.docx

《商业智能产品.docx》由会员分享，可在线阅读，更多相关《商业智能产品.docx（25页珍藏版）》请在冰豆网上搜索。

商业智能产品

一、企业数据仓库

1、企业数据仓库

概述

企业数据平台是商业智能体系的基础，通过建立层次化的数据仓库体系结构、统一的数据模型，整合企业生产系统的数据，从而为数据分析平台和CRM等上层应用提供数据支撑。

企业数据平台沉淀了企业多年来的生产经营数据，数据按照存储粒度分为细节级、轻度综合级、汇总级，其数据量通常非常庞大，少则几TB，多则上百TB，而且每天都有大量的生产数据被抽取、整合进入企业数据平台，并传送到数据分析平台和其他系统，以满足其数据需要。

如此庞大的数据量、吞吐量和复杂的业务逻辑，对企业数据平台的存取效率、数据质量、易管理性，易维护性等均提出了很高的要求。

公司在多年的数据仓库建设过程中研发出一套适用于电信行业的统一数据模型（该模型中的核心部分已经被中国联通作为数据仓库模型的标准规范）。

基于统一数据模型、结合数据仓库技术、元数据技术，并对ETL过程进行优化处理，公司实现了电信行业海量数据仓库的标准化构建和高效运转。

企业数据仓库（EDW）是企业分析型数据的统一存储，它和运营数据存储一起构成企业的统一数据平台。

企业数据仓库在企业内部建立统一的数据架构和数据模型，沉淀来自运营数据存储、生产系统的数据，采用多维分析和数据挖掘手段，细分市场和客户，为企业内各个部门、各个层面的使用者的信息查询获取、经营分析、决策支持等需求提供全方位的数据支撑服务。

企业数据仓库从根本上解决了沉淀数据分散重复、共享困难和信息孤岛问题，充分发挥数据资源价值，提高了企业在信息化建设方面的投资回报率。

系统架构

系统功能

1.数据域划分

EDW的数据存储按域可以分为：

客户域、产品域、市场营销域、服务域、业务域、竞争域。

客户域以三户模型为基础，客户域包含客户、客户对产品的订购等相关信息，如客户的基本属性、衍生属性，客户的消费、欠费、缴费、行为、结算、服务、产品订购和业务订购等。

数据加工主要是以ODS中的营业域、计费域、帐务域、结算域数据进行整合，按照分层次、分类别、多维度进行数据汇总。

产品域以产品模型为基础，包括产品的定价、产品基础信息、产品目录、产品生命周期、产品定位、产品营销等信息。

数据加工以ODS的营业域、计费域、帐务域、结算域等数据进行整合，按照分层次、分类别、多维度进行数据汇总。

市场营销域包含营销活动、营销能力、营销过程、营销结果、渠道等信息。

数据来源是CRM系统的营销活动、营销计划、营销执行、渠道等内容，数据加工在ODS的营业域、帐务域、结算域等数据基础之上按照分层次、分类别、多维度数据汇总加工。

服务域主要包含对主动服务和被动服务的信息的分析，包括服务能力、服务过程和服务结果等。

数据加工在ODS的客服域基础上进行主动服务和被动服务的数据汇总。

业务域从单一业务和组合业务的角度分析企业的经营信息，包含了各业务的发展、收入、使用等信息。

数据加工在ODS的客户域、营业域、计费域、帐务域、结算域等数据基础上，按照业务为主线进行分层次多维度数据汇总。

竞争域包含竞争对手及其产品、营销、发展、话务等信息。

数据加工在ODS的客户域、营业域、计费域基础上，按照对端号码归属电信运营商进行多维度、分层次数据汇总加工。

2.数据加工（ETL）

ETL是英文Extract-Transform-Load的缩写，提供数据的抽取、转换和加载功能。

从源系统中抽取目标数据，按照一定的规则进行清洗、集成、转换、汇总等处理工作，并将处理之后的数据加载到数据仓库的目标层中。

为了利用目标数据仓库的并行处理能力，一般先抽取、加载，再做转换处理。

3.数据模型支撑

企业数据仓库（EDW）是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库，它的数据基于OLTP源系统。

数据仓库中的数据是细节的、集成的、面向主题的，以OLAP系统的分析需求为目的。

星型模型聚合快、分析效率高，雪花型模型结构明确，便于与其他数据交互，所以EDW一般采用星型、雪花型综合架构采用面向主题方式设计模型，采用自顶向下逐层分解方法设计企业数据仓库模型。

主题域是模型针对的业务的某一关注领域或关注点，同一个域内的实体具有高内聚性，不同域的实体之间具有低耦合性。

主题域的引入有助于建立模型框架的整体视图。

4.元数据管理

元数据（Metadata）是关于数据、操纵数据的进程，以及应用程序的结构、意义的描述信息，其主要目标是使数据、程序具有自描述性，使数据、程序更易于管理和维护。

在企业数据平台中提供统一的元数据管理手段，对数据库仓库中的元数据进行采集、存储、挖掘，支持查询、分析、维护等操作，使技术人员和业务人员可以统一地对数据仓库中的元数据进行管理和分析，从而更有效地理解和控制企业数据平台的运行。

在元数据信息的基础上，通过数据稽核及稽核问题管理，实现对数据质量的管控。

1）元数据采集、同步

指对表、视图、过程、方法等数据库对象进行扫描，获取各数据库对象所包含的元数据，将其存储于系统中。

系统自动检查数据仓库中的对象，保持元数据同步，并建立元数据的版本管理。

2）元数据关系分析

通过分析元数据信息，获取各数据对象之间的关系。

元数据关系分析重点关注元数据的血统分析和元数据之间的影响分析。

通过元数据的关系分析，提供冗余发现、流程优化、故障诊断等功能。

3）数据稽核过程

包括稽核规则配置、稽核流程调度、质量报告异常统计等。

支持对各种类型、各种粒度的数据对象采用多种稽核规则方法进行质量稽核。

4）稽核问题管理

包括问题发现管理、问题发布管理、问题处理与跟踪过程管理等，支持对数据质量的流程化管理。

5）稽核质量查询

系统按数据仓库的层次、主题域等自动生成数据质量报告，并支持以多种方式进行查询分析，为系统管理、优化、故障诊断提供依据。

2、操作型数据仓储

概述

操作数据仓储（ODS）是企业数据平台的重要组成部分，整合企业生产系统的数据，是各生产系统的统一接口平台，为企业各个系统提供接口数据服务。

运营数据存储在企业运营数据层面起到数据总线的作用，消除了运营数据的全局冗余，降低了系统间数据交互的复杂度，降低了上层应用的开发成本，并使数据质量得到保障。

系统架构

系统功能

1.数据域划分

ODS的数据存储按域可以分为：

营业域、计费域、帐务域、缴费域、结算域、资源域、客户域。

营业域数据来源是营业厅营业系统、CRM系统、网上营业厅系统、电子渠道等系统。

营业域包含客户资料信息和用户受理、开通等业务相关的内容，是其他数据域的基础。

由于数据来源于不同厂家的各种业务系统，数据加工重点做数据的完整性、合法性、一致性校验。

实体主要包含客户信息、账户信息、订购资料、状态变更流水、资费变更流水以及用户协议信息等。

计费域数据来源是不同业务的计费系统。

模型核心为用户行为模型。

计费域包含与用户行为相关信息，是其他数据域的基础。

数据加工主要做用户通话行为的分业务、分类别、分层次汇总加工。

实体主要包含用户通话行为、用户增值行为、用户上网行为等。

帐务域数据来源是不同业务帐务系统、计费帐务系统，以帐目帐务模型为基础。

模型核心为分层次分类别帐目模型。

帐务域描述客户的账户、帐目、账单、帐务关系、欠费等信息，是基础数据域模型。

数据加工主要按照账户的帐目做分业务、分类别、分层次汇总加工。

缴费域数据来源是各种缴费系统，包括营业系统、CRM系统、电子渠道、网上营业厅、空中充值等系统。

缴费域描述帐目费用与帐户的对应关系，帐本与帐单数据的销帐关系，帐本金额的使用记录及帐单、发票的数据和格式信息。

数据加工主要按照用户缴费类型、缴费方式等分层次、分类别、多维度汇总加工。

结算域数据来源是各种结算系统，包括网间结算系统、网内结算系统、合作伙伴系统、渠道管理系统等。

结算域描述结算清单、结算明细账单、合作服务方等信息。

数据加工主要是对结算明细数据进行清理和按照结算类型、结算去向等分类别、分层次、多维度数据汇总加工。

资源域数据来源是网管系统、终端系统、资源管理系统等，资源可以分为网络资源、基站资源、交换机资源、带宽资源、号码资源、卡类资源、终端资源等信息。

数据加工主要是对资源明细数据进行清洗、抽取、转换和按照资源域相关维度进行分层次、分类别、多维度的数据汇总加工。

客服域数据来源是客服系统、维系挽留系统、俱乐部管理、积分等系统。

模型核心为客服模型。

描述客服、维系挽留、营销、渠道、积分、俱乐部等服务质量相关内容。

数据加工主要对明细数据做数据一致性、完整性、合法性校验，以及对明细数据按照客服业务进行数据汇总。

2.数据整合

ODS具备完整的数据整合流程。

由ODS承载企业数据模型（EDM），促进企业各系统数据逻辑模型的统一。

通过数据模型的统一，减少系统间复杂的转换，提高各系统的效率。

ODS中建立标准的数据编码目录，源系统数据依据标准的数据编码目录，经过整合后进入ODS中存储，实现企业运营数据的标准化与统一存储。

数据整合主要包括数据的抽取、清洗、转换三种。

3.数据质量管控

ODS对数据存储、整合流程等提供全周期的数据质量管控。

ODS系统对抽取到的各生产系统的数据进行属性合法性检查、数据表关联性检查、数据比对稽核等以发现数据质量问题，反馈给源生产系统，源生产系统进行数据修正后再提交给ODS系统，形成数据质量管理的闭环流程，提升运营数据质量。

4.数据模型支撑

ODS具有统一、稳定的模型支撑。

运营数据存储（ODS）是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全体信息的需求。

采用面向主题的模型设计思想设计统一的企业数据模型，来集成来源于多个生产系统的数据，ODS数据又提供给生产系统和企业数据仓库使用。

ETL的主要工作是按照主数据思想集成、清洗来源于多个系统数据为统一的数据。

主题域是模型针对的业务的某一关注领域或关注点，同一个域内的实体具有高内聚性，不同域的实体之间具有低耦合性。

主题域的引入有助于建立模型框架的整体视图。

3、数据集市

概述

数据集市是将数据仓库中的数据按照不同角度进行组织和存储的过程，数据集市作为EDW、ODS的数据子集，主要目的是满足特定用户的应用需求，根据不同的应用需求，建立相应的业务主题。

特点是数据粒度较粗，数据采取星型或雪花型结构，较少保留历史数据，便于访问分析和快速查询。

数据集市具有面向特定用户群所需、合理的查询响应时间、便于扩展的特点。

在实现方式上，数据集市原则上采用逻辑部署的模式，考虑到系统性能和应用效果可以采用物理部署的模式，但是数据必须由ODS、EDW统一提供。

系统架构

数据集市分类

数据集市的数据按不同的应用需求，可以分为本地网数据集市、自助取数数据集市、营销维挽数据集市、收入稽核数据集市、网格营销数据集市等。

1.本地网数据集市

本地网数据集市的数据包括两类：

1）整合层、汇总层数据

包含整合的客户基本信息、客户行为类信息、客户消费类信息、客户接触类信息等，具体数据有：

每日提供经过整合的用于考核的各种业务量（如装、拆、在网等）基础数据等，每月提供业务量考核统计基础数据；每月提供经过整合的分产品、分行业的月计费基础数据等；每日提供经过整合的网间分运营商、分类型的结算数据等。

2）接口层数据

来源于ODS、EDW接口层，为本地网数据集市提供生产系统原始数据。

每日提供昨日CRM的客户资料、产品资料、订单资料、营销活动资料等增量数据，每月提供CRM全量数据一份；每日提供昨日计费账务系统的话单增量数据、日欠费全量数据，每月提供全量月计费帐单数据等；每日提供结算系统的分运营商、分结算类型的各类结算增量数据；每日提供资源管理系统、服务开通系统中用户资源与业务开通等增量基础数据，每月提供对应全量数据。

2.自助取数数据集市

自助取数主要满足对客户、产品、帐户三户信息及详单级的取数，数据内容涵盖客户信息、产品、附属产品基本信息、账单、详单汇总信息等。

按月汇总表：

包括帐单月汇总信息、详单月汇总信息、小灵通短消息月汇总信息、主产品实例月汇总信息、帐户月汇总信息和客户月汇总信息等。

按日更新表：

主产品、附属产品实例、客户的基本信息等。

3.营销维挽数据集市

营销维挽数据集市包含营销维挽宽表数据、营销维挽共享数据和营销维挽事务数据三部分。

营销维挽宽表数据是经过一定的ETL处理流程，通过一定粒度汇总的，面向主题的数据集，包括客户属性、客户拥有、客户行为、客户价值、客户服务类数据、客户营销接触类数据、客户离网、过网行为、移动增值业务、客户历史营销信息等基础类数据，以及基于基础数据生成的客户属性细分、客户拥有量统计、客户行为量统计、客户价值量统计、移动增值业务量统计、增值业务量统计、营销过程评估类和效果评估数据等衍生类数据。

营销维挽共享数据包括营销客户视图信息和目标客户清单等各渠道协同所用到的数据。

其中客户营销视图信息数据主要包括：

客户属性信息、客户拥有信息、客户行为信息、客户价值类信息、客户交互类信息、客户离网类信息、移动业务专有类信息、移动业务增值信息等多种客户相关信息；客户名单主要包括对应维挽方案的目标客户清单，包含客户编码，客户名称等信息；营销维挽方案包括方案类型、渠道标识、执行人等信息；客户接触信息主要包括接触时间、接触渠道、接触人员等信息。

营销维挽事务数据则包括营销维挽规则因子配置和管理、维挽方案管理等事务功能性数据。

其中维挽规则因子信息，包括规则因子的类型、用途、维挽规则类型、维挽规则用途、紧急程度、可见范围、生失效时间等；营销维挽方案包括方案类型、营销维挽方案编码、营销维挽方案类型、渠道标识、执行人等信息。

4.收入稽核数据集市

收入稽核数据集市以支撑收入保障为目的，围绕收入稽核点，抽取某个时间点所有涉及收入稽核范围的相关系统的数据，并开展一致性比对和分析，从而发现收入流失问题。

收入稽核数据集市的数据内容包括客户和产品的状态、订单、使用记录、计费出账处理的规则和流程、配置参数信息等。

数据频度基本以月为单位。

5.网格营销数据集市

网格营销数据集市的目的是支撑以网格为最小单元进行市场营销、指标分配、绩效考核等工作任务的执行，网格营销数据集市整合了客户、产品、收入信息、业务资源使用信息、实物资源地理定位信息、人力资源信息。

二、数据分析平台

1、客户统一视图

概述

客户统一视图是一个企业对客户的了解，是一个完整的360度的视图，而不是财务部门看到的仅仅是财务、销售部门看到的仅仅是销售机会、市场部门看到的是客户活跃度等等，客户统一视图中可以看到以上的所有角度，这就需要把企业数据整合成以客户为中心的数据集合。

系统架构图

功能描述

以客户为中心，汇集各个业务系统中的各类客户信息，如基本资料、帐务信息、历史信息、服务信息等。

经过分解、合并、审核、修正等环节的处理，实现客户信息的统一视图。

主要包括公众客户视图和集团客户视图。

1、公众客户视图提供公众客户（个人客户等）360度综合的信息展示，本视图提供营销中心所关注的公众客户的基本信息和状态指标、消费特征、支付特征、接触记录、投诉咨询、以往联系方式等综合信息的展示；包含本公众客户的"固话"、"互联网"、"无线市话"等月消费指标。

（1）、客户主视图基本信息：

包含"在网时长"、"客户状态"、"当前产品"、"客户地址"、"ARPU"、拥有电话、无线市话和增值服务等。

（2）、消费特征：

提供一个季度内的消费指标和费用构成，提供消费特征列表（账期、合计、本地费、固定费、长途费、增值费等）。

（3）、支付记录：

提供客户每月的缴费列表（日期、缴费方式、缴费费用）。

（4）、接触记录：

提供客户经理与本客户进行营销活动的接触记录列表（日期、接触号码、营销产品、活动计划、接触方式、营销内容等）。

（5）、投诉咨询：

提供本客户进行咨询活动的详细记录列表（咨询号码、咨询事情、咨询时间、咨询方式、咨询结果等）。

（6）、异网联系方式：

提供公共客户视图异网联系人列表并提供联系人的管理功能。

2、集团客户信息视图主要包括：

集团客户整体信息、集团客户属性信息、集团客户拥有信息、集团客户价值信息和集团客户交互信息，向管理人员提供集团的总体情况展示。

（1）、客户主视图基本信息：

包含"客户编码"、"客户等级"、"客户规模"、"客户经理"、"业务构成"等。

（2）、客户属性：

描述客户的基本信息、关键人信息、上下级信息、客户构成信息等。

（3）、客户拥有：

描述客户的业务构成信息、套餐订购信息、客户账户信息等。

（4）、客户价值：

描述客户的账单信息、欠费信息、支付信息等。

（5）、客户交互：

描述客户来往的文档信息、接触信息、投诉信息等。

2、竞争对手分析

概述

电信运营商的市场竞争日趋激烈，压力逐渐增大，竞争的表现将更加规范和细微，注重细节，竞争情报对企业发展的重要性巨大，可利用的市场信息，将为企业的发展提供相应的支撑。

通过了解竞争对手的信息，获知竞争对手的发展策略以及行动，以作出最适当的应对。

具体包括通过竞争对手的市场占有率对比情况、发展对比情况分析，帮助运营商掌握市场格局及格局变化趋势。

系统架构

分析思路

通过市场占有率的各种指标，针对自己和竞争对手的市场占有率进行分析，从而找到自身的优势和与竞争对手相比的差距，明确各业务的主要竞争对手以及相关业务的最大收益者。

通过对客户发展的各项指标，针对竞争对手的客户发展情况进行分析，从而了解竞争对手的客户发展情况以及趋势，实现对竞争对手发展情况进行估算和分析。

通过对竞争对手与本身用户的业务量的各项指标，针对各个竞争对手进行分析，从而通过竞争对手与通话情况来估算竞争对手业务发展与业务量情况。

通过各种呼转分析指标，针对用户的呼转情况分析，从而了解本网呼转竞争对手情况，为客户有针对性的采取措施提供依据。

通过分析竞争对手高端客户的过网通话和呼转情况，了解竞争对手高端客户的行为习惯特征，为竞争决策的制定提供信息支撑。

分析本身客户有流失倾向的高端客户的客户数构成、业务使用构成。

分析有流失倾向高端客户的网间通话特征及其收入占比情况，为高额风险的防备提供依据。

针对目前网间通话的密集性，获取竞争对手的高端客户，通过有效的营销手段和策略将该客户能拉入到自己网络，使该客户能给自己带来价值，获得收益。

分析竞争对手拨打客服的情况，利用自己优势，策反竞争对手客户提供数据支持。

3、BI-ERP决策分析系统

概述

目前，国内企业经过多年的信息化建设，已建成多个应用系统，软硬件建设和网络基础建设也已初具规模，为企业信息化建设的提升奠定了基础。

但由于各业务系统均为不同的供应商独立开发，具有不同的格式，跨越不同的软、硬件平台。

而且随着运行时间的积累，数据堆积越来越庞大，同时缺乏有效整理归纳，系统产生的数据主要停留在业务经营层面，没有经过分类、合并、归纳、整理等处理，原有业务系统在支撑决策分析上的不足，很难满足企业各级管理人员迫切需要直观的了解企业经营状况等支撑决策分析的信息。

BI-ERP决策分析系统，通过建立企业数据仓库和应用系统分析工具，自动检索企业应用系统的信息，帮助企业对经营状况进行全面的分析和监控。

同时根据经营管理的需要，从整个企业业务角度的不同侧面，进行多维的、细化的趋势分析，建立客户化的分析管理模型，与数据集市相衔接，从而满足管理者对信息及时、准确、全面、直接获得的需求。

BI-ERP决策分析系统，通过建立一套整合、高效的企业信息门户与协调工作平台，利用商务智能（BI）工具对数据进行深度挖掘，帮助企业将整个价值链中的核心业务流程和人力资源、技术资源、信息资源相整合，并及时将分析的数据与各级管理者与决策者共享，最终帮助企业进一步提升其核心竞争力。

系统架构

系统架构模型包括：

•数据仓库、分析主题模型

•数据分析平台

•ETL工具

•多维分析、即席查询

•绩效管理系统

•仪表盘应用

•报表工具

所有这些系统架构模型都将为企业用户打造成最完整的数据仓储和辅助决策分析系统，极大提升客户的决策分析效率和准确性。

系统功能

BI-ERP决策分析系统通过为企业决策者提供更及时和准确，更有战略指导意义和价值的信息，帮助企业增加收入，减少运营成本，为用户提供更优质的服务，帮助企业持续不断地提高效益。

企业管理者可按照绩效管理的循环图，方便地回顾各种报表，平滑无缝地在不同应用系统中分析结果和追寻原因。

通过决策分析系统台建立起来的统一门户，形成独特的、极具以个性化的企业整合数据分析界面，监测整个企业的各个运营环节，帮助决策者预测未来企业发展趋势，及时调整计划和战略以适应不断变化的市场竞争环境。

简而言之，ERP是运用信息技术实现了业务流程信息处理的自动化、规范化；决策分析系统是对ERP产生的信息进行整理、分析和挖掘，为企业决策和管理层提供决策活动的信息支持，全面提升企业信息化应用的价值。

三、基于BI的CRM应用

1、VIP客户管理

概述

在VIP客户群体的售前（市场前期开拓）、售中（工程实施、业务开通、业务计量）和售后（业务保障、客户回访、咨询与投诉）整个活动中，VIP客户管理系统完成的主要是售前和售后活动的管理、有关业务与信息的事务处理和管理（包括对售前和售后活动的辅助决策分析与支持）。

在售中活动中，VIP客户管理系统主要是要获取各个环节产生的数据和信息，对其进行管理，并对活动的流程与质量进行监控。

在VIP客户的整个客户生命周期中，VIP客户管理系统的功能注重的是管理、服务、决策分析。

系统架构图

VIP客户管理系统由信息管理子系统、客户服务子系统、决策支持子系统、系统管理及统一VIP客户资料数据库共五部分组成。

系统功能

利用先进的信息技术与计算机应用技术成果，通过和专业系统的有机结合，为发展VIP客户、维持现有VIP客户并为之提供方便、快捷和高品质的服务建立一个综合的信息处理、管理与分析平台。

VIP客户管理系统通过收集VIP客户市场调查信息、VIP客户资料信息、VIP客户经营战略资源信息，同时采集计费、营帐、客服、网管、财务等系统的相关数据，建立完善的VIP客户信息管理系统；建立快速、全面、准确的新客户业务受理、新增需求受理及投诉与故障处理过程通道，形成完善的VIP客户服务体系；以VIP客户资料和市场调研数据为基础，建立完整的VIP客户满意度评估体系，收益评价与预测体系及辅助营销决策系统。

1.信息管理子系统

完成与VIP客户有关的各种信息的管理功能。

员工管理功能完成VIP客户营销队伍的管理，主要用于管理VIP客户发展中心员工及与VIP客户发展中心有业务往来的相关部门的员工信息，以及与员工相关的业务信息。

渠道管理模块完成代理商的资料管理、代理商发展的客户资料管理、代理商发展的业务和业务量查询与统计、代理商员工情况、代理商的综合考核、佣金发放等功能。

项目管理完成对项目的方案模型、项目财务信息、工程管理、合同管理等功能。

资源管理包含经验资源管理、市场信息管理、相关企业管理、VIP客户资料管理等功能件。

复合文档处理具有强VIP的文档处理功能，几乎可以处理日常中我们所能涉及到的所有的文档。

复合文档处理将所涉及到的文档分成通用文档和专用文档，专用文档包括客户文档、技术方案、工程文档、合同文档、政策法规、标准规范、报表文档、企业信息、市场信息、培训资料等分类。

2.客户服务子系统

完成与VIP客户有关的绿色、黄色和红色三个通道的功能，旨在通过各类VIP客户活动以加强与VIP客户之间的沟通，达到维系客户良好关系的目的。

3.决策支持子系统

完成对VIP客户市场营销的辅助决策分析与支持功能，主要对VIP量的经营数据建立多维数据库，并进行各种相应的分析：

不仅可以按照某项指标进行简单的分类统计与排序，还可以以图表的形式从不同角度