传统BI+敏捷BI+智能BI

        第一代传统BI（1996~）由Gartner提出概念，第一代BI主要是以IT为中心的预定义报表平台，不过当时技术空心化，响应周期漫长，价值难以浮现。

        2011年开始了二代敏捷BI的热潮，敏捷BI是以有一定IT能力的业务人员为中心的自助式数据分析平台，BI的厂商也如雨后春笋，2013年开始大力发展自助式分析的BI。不过敏捷BI对于长尾数据，难以有效处理，同时分析经验和知识体系难以进行沉淀。

        在2019年前后，三代智能BI兴起，即AI+BI，以纯业务人员为中心的自然语言处理搜索驱动的数据分析平台，实现0门槛，完美支持长尾数据，并能完成知识沉淀和经验共享。

        那么，拥有自助式BI就意味着要摒弃传统BI吗？自助式BI与传统BI从使用角度由于定位的直接使用人群不一样，因此一般是互补的关系，而不是竞争的关系。就如有手机拍照的功能，同样也需要有专业的单反相机功能。

        智能制造

        智能制造的本质就是在前三次工业革命打下的坚实基础上，积累了大量有关产品研制的设计知识、工艺知识、生产知识、设备维修知识、管理和决策知识等，而且这些知识经过反复验证被证明是成熟的，人们通过高水平数字化技术的大规模应用，把这些知识转变成工业软件和数字化的产品模型，这些软件和模型在计算机上的执行，实现了对数字产品和物理产品更好的控制，对制造资源更优化的配置，逐步实现产品本身的智能化、产品系统结构定义的数字化、产品研制生产过程的数字化，以及庞大的零部件供应链的网络化，形成了全新的产业形态。

黑灯工厂-设备运行监控(防呆防错-自动化预警判异处理)

远程协管，车间生产实时监控，根据实时数据，遥控指挥（生产进度、不良品统计、物料监控）

 

 云原生时代的玩法

三种经典玩法的对比

1、全部采用AWS的组件

优点：集成度高、可共用元数据、组件之间集成快、使用流畅性好、开发效率高。

缺点：需要部署到AWS的云平台，不能部署到其他国内的商业云，如阿里云、腾讯云等。

2、AWS组件+EMR（深度分析）

优点：支持复杂分析场景+可兼容开源。

缺点：暂未发现其缺点，兼容了第一种玩法AWS的优势又支持复杂的应用场景，也兼容了开源的语法，目前认为最佳的组合拳。

3、全部采用开源EMR+AWS环境托管

优点：AWS托管不需要考虑太多底层的东西，自主研发，灵活度高，支持目前的各大厂商。

缺点：集成度不高，需要强大懂开源的开发团队，研发周期长。

4、总结

具体采用哪种玩法，需结合公司具体的业务场景来选择，如果公司有一定的研发力量又想自定义部署，建议采用第二种玩法。

增效

1、当下，IT 界的最佳技术组合可能就是“云计算 + 人工智能”。云计算解决了扩展性、数据存储、性能等问题，而人工智能技术则大大提高了数据分析和处理效率。

2、无需购买硬件，也无需维护和扩展基础架构，因此可以将您的资源集中用于发掘新的洞察。

3、云计算可以为现代化应用的峰值需求“无限续杯”与平稳运行时的“最佳能耗”。作为云计算模型之一的 Serverless，在理论上可以自动适配应用从零到无穷大的需求峰值，更加擅长解决扩展性的问题。

4、统一分析数据。统一分析数据则是通过云上专门工具实现数据有机整合与统一，将所有数据连接到一个安全且管理良好的连贯系统中，使企业拥有灵活扩展与极致性能。企业在获得实时反馈和数据后，可以很快地扩大服务规模。