基于数据和分析方法的bi商业智能工具

bi商业智能工具是用数据来支持企业决策的重要手段之一。如何收集并分析他的竞争者所不知道的商业信息，从而获得盈利，商业智能分析的关键在于把原始数据转化为有用的，有意义的信息，并基于这些信息来进行企业决策。

商业智能分析的成功取决于两个关键，一是原始数据，二是分析方法。在​商业银行早期，客户的信息被记录在账册中,由于缺乏高效的数据管理工具和分析手段，数据只是被用作客户记录来支持银行日常业务。随着计算机的使用，人们开始建立起有效的数据管理工具。这时业务的处理时间被缩短了。人们有更多的时间来思考商业方向和决策。80年代起，人们开始重视数据分析和决策。随着大数据时代的到来，采用大数据的商业智能分析有了新发展。

​1) 自助式BI
传统的商业智能分析的最终产品通常是​一个由文字和图表组成的PDF文件或者PPT文件。这种分析模式有两个缺陷：
1)分析员的主观偏差，在这类静态报告中，通常只有部分数据被分析。因此分析员可以选取他想表达的故事。
2)无限循环的补充分析，通常决策层看到报告后会有新的问题，于是分析员很容易陷入无限循环的补充分析中。自助式BI的分析结果可以克服这两个缺陷。分析员将处理好的原始数据放入分析工具中并编写好分析模板，决策层可以自己调整变量和图表来得出相应结论。

​2) 基于数据的BI
传统的商业智能分析中，分析员需要先编写SQL程序从关系数据库中取出数据。随着技术发展，这类分析工具开始提供数据接口(API)，但是接口的功能并不完善。在变量很多的情况下，分析员没法对每个字符分别定义，如果由SAS自动定义为32767位，则导入文件变得无比巨大。这种情况下，对于一些简单分析，分析员希望能直接在Hadoop上进行快速分析。这类分析工具的代表是永洪bi, 分析员可以使用Platfora建立数据Lens，从而直接在Hadoop上进行商业只能分析。

3) ​知识自动生成
通常的决策过程有三个步骤，
1) 永洪科技分析理解BI图表和数据，
2) 通过了解图表数据总结知识，
3)运用总结的知识来进行决策。传统分析中，分析员负责1,而决策层负责2和3。这种情况下哪怕图表数据再有效正确，如果决策层总结的知识出现了偏差，也会影响最后决策。这类知识自动生成的工具重点在于帮助决策层自动生成一些可用的知识, 使得决策层的决策给予正确的知识。

转载于:https://blog.51cto.com/14104769/2334944