了解大数据 之 商业智能BI和大数据

企业核心目的之一是创造利润，为达到利润最大化，企业管理者需协调各职能部门包含财务、销售、市场、研发、生产、售后、人资、IT等，让大家能齐心协力地创造收入，节约成本，提高效能，把控风险，管理合规，分配合理。

为保证流程一致性并收集作业环节中的所有数据，于是企业有了CRM、ERP、MES、HR、OA等业务系统；为更好保证目标达成，于是有了**各种管理措施包含MBO(OKR)管理、计划管理（包含预算和预测）、绩效管理、CMMI、ISO作业流程标准等。**管理者为了达成目标，必须快速理解企业内外部的现状和历史过往的轨迹，分析实际和目标的差异，准确预测未来和及时做出决策。

BI核心目标是协助企业建立一个高度整合和自动化的管理决策分析系统，目的是为了帮助企业各层级各部门人员基于统一的业务理解和洞察，高效推进沟通和协作，不但能及时发现问题，并能深度分析历史过往，还可准确预见未来趋势。BI应用不只是某个部门内部的事情，而必须从最高管理者视角来进行分解和分析。

BI英文全称是Business Intelligence，一般翻译是商务智能。随着大数据时代来临，BI是非常关键的落地手段。BI已发展多年，最初始的概念就是报表和分析，现在包括了更广泛的技术内容，比如决策支持、管理驾驶舱、仪表盘、数据可视化、多维分析、数据整合、数据仓库、数据集市、数据挖掘、全数据、大数据等。

我们分别从技术视角和管理视角给 BI 简单的定义：

技术视角

BI = 数据整合（Data Integration）+数据分析(Data Analysis)+数据可视化 (Data Visualization)

a) 数据整合：把不同来源（CRM、ERP、OA、手工Excel、外部等）数据进行搜集、清洗和汇整，搭建企业数据中心(数据仓库或集市)，数据中心可存储海量数据，保留历史痕迹，包含历史交易数据、客户数据、产品数据、生产数据、财务数据等，另外也可保留各种变更记录，包含组织变更、产品变更等。更重要是统一数据口径，避免一个指标多种定义和说法，保证数据准确，便于人员沟通，为各部门建立共同的业务理解。一般数据整合时，也会涉及数据治理和数据质量的课题。

b) 数据分析：基于某个场景或特定目的，通过数据分析发现问题和采取措施，一般包括比较分析、比率分析、趋势分析、因素分析等方法，比如，按区域、销售人员、客户、产品等维度，分析业绩目标达成率，找出业绩与目标的差异，再加上横向与同类产品、同类客户比较，纵向和去年同期、上个月、历史最高值最低值比较，分析原因，落实到人，采取行动，并结合未来的业绩预测，估计全年的达成率情况。面临更多维度和指标的复杂场景，以及更深层次的数据探索，则需要用到数据挖掘和统计分析。

c) 数据可视化：利用各种图表呈现数据分析结果，更加直观美观、清晰有效地传达与沟通信息。图表报告自动化能节省很多人力，而且用户可在PC、平板电脑、手机和大屏等多种终端查看，更加便捷易用，尤其管理者可通过移动BI实现走动管理。

管理视角

BI 是一种企业文化，一种思维方法，一套制度流程，一个系统体系，和一门专业技能。

a) 一种企业文化：任何的会议和讨论中的工作报告都讲数字成果，描述问题有数据依据。BI文化涉及管理层是否建立了以数据为辅助的管理决策模式，全员是否对数据处理和计算规则有一致的理解，对维度和指标有统一的定义和解读，对数据分析有概念，能结合业务需求来深度理解问题、机会、威胁以及预测未来。这需要不断强化企业管理规范和培训。

b) 一种思维方法 ：分析数据可分为两大类-维度和指标，一般所说的客户、产品、区域、组织、会计科目、时间都是维度；订单、开票、发货、回款都是指标。所有分析报告都是基于各种维度和指标的组合产生的。此外，指标有当期目标数据、当期实际数据、历史数据和预测数据等，这些数据的差异分析、趋势分析和比例分析，再结合多维度，就形成了复杂的组合。BI就是希望将这些复杂且持续变化的数据，透过有效的方式来呈现出来，让管理者能很快理解和发现问题。

c) 一套制度流程：BI的流程包括项目规划和准备、需求分析梳理、页面原型设计、集市模型设计、系统开发测试、数据核对、上线运行，还有后面持续的修改和运营。企业需要建立一套完整制度和文档规范，每个节点都有质量监督和成本把控，每个节点对应更细致的流程，每个流程都有明确的交付成果。

d) 一个系统体系：BI系统包含了服务器硬件、支持大数据和实时数据的数据仓库软件、数据整合抽取(ETL)工具和BI工具平台，以及定制化的数据图表和分析报告。市面上有现成的软硬件产品，而数据图表和分析报告是根据企业自身需求量身定制的，是一套专业的系统体系工程。

e) 一门技能专业：企业导入BI需要用到多种技能和专业，包括业务理解和分析能力、沟通表达能力、EXCEL操作能力、数据集市模型规划和设计能力、熟练SQL和操作数据库能力、BI前端开发能力、数据挖掘算法和工具，这样才能有更深层次的数据探索和预测。

过往BI导入耗费成本巨大，加上对于实施顾问、客户环境和人员要求比较高，失败率通常较高。然而随着BI知识和技能的普及，企业环境和人员素质逐渐提高，加上越来越多优秀的人才投入BI和大数据产业，现在BI项目成功率逐步在提升中。

---

作者：dataondemand0514
来源：CSDN
原文：https://blog.csdn.net/dataondemand0514/article/details/82430267

大数据 ≠BI商业智能，大数据也不是传统商业智能的简单升级。

1、大数据和BI两者的区别

BI(BusinessIntelligence)即商业智能，它是企业数据化管理的一整套的方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策，解决的是管理运营战略的问题。

大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据侧重于解决某一类问题的方法，比如全网用户画像，对网络、传感器等非结构化海量数据的分析。

不管定义如何不同，大数据与传统BI是社会发展到不同阶段的产物，大数据对于传统BI，既有继承，也有发展，从"道"的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

当然纯粹从思想的角度讲，两者在概念上是可以实现统一的，都遵循数据-信息-知识-智慧这个脉络，甚至在更高的层次，两者也是可以统一的。

2、两者技术上有什么相关性？

传统BI的技术标签：ETL、数据仓库、OLAP、可视化报表。

大数据的技术标签：Hadoop、MPP、HDFS、MapReduce、流处理等。

传统BI就目前来讲，其功能都可以被对应的大数据组件所替代，但大多数企业缺乏大数据业务的驱动，也缺乏相关的高技术人才。

不过新型BI被赋予了更多“大数据”潜能。正如图右侧架构所示，BI架设在大数据应用层，抽取etl后或者Hive来的数据又可作通用类的业务分析。既满足了海量实时数据分析，也满足了决策型的业务分析。

3、企业应该青睐大数据还是商业智能？

在技术领域，虽然传统BI的一些技术ETL、数据仓库、OLAP、可视化报表似乎都将处于落后边缘，因为它难以解决日后海量数据的处理问题，但是，也不能全盘否定或替代成大数据。一些企业采用SAP HANA，FineBI的直连大数据引擎都是基于这个问题优化的方案。BI的那套也将长期存在，毕竟企业对BI方案还是很青睐，大数据的普及和应用也是个漫长的过程。

大数据 VS 商业智能

大数据不是空口说说，它的第一要务就是解决业务问题，大数据一定程度上就是用全新的数据技术手段来拓展和优化业务，传统企业需要聚集一拨人来研究这个问题，需要有人专门研究和探索。如果对外，想清楚新的商业模式，如果对内，想清楚在哪个场景，可以用大数据的手段提升效率。

当前大数据可以产生价值的地方，从行业的角度看，金融、银行、互联网、医疗、科研都有广阔的前景。从领域的角度看，广告、营销、风控、供应链都是大数据发挥价值的地方，对于特定企业，比如电信运营商，大数据也可以在网络优化等方面提供新方法。

并不是每个企业都需要打造自己的大数据平台，需要考虑到企业的信息化水平和各项成本，量力而行吧，可以自行研发 ，比如BAT;也可以选型采购，比如传统大企业；中小型企业也可以租用，比如用阿里云和AWS。

就事实来讲，BI的应用是远远大于大数据应用的，有其通用的道理。大数据相对于传统BI，也不仅仅是简单的PLUS的关系，它涉及了思想、工具和人员深层次的变革，BI人员既不要一提大数据，就嗤之以鼻，认为它是新包装的马甲，其实就那么回事;也不需妄自菲薄，以为搞大数据就那么高大上，它的确是BI大多数思想的传承。