关于BI商业智能的“8⼤问”｜⼀⽂读懂⼤数据BI
这⾥不再阐述商业智能的概念了，关于BI，就从过往的了解，搜索以及知乎的⼀些问答，⼤家困惑的点主要集中于⼤数据与BI的关系，BI的⼀些技术问题，以及BI⾏业和个⼈职业前景的发展。这⾥归纳成8个问题点，每个问题都做了精⼼的解答，希望能给⼤家带来帮助。
问题1：商业智能BI和⼤数据是什么关系，如何选择？
BI(BusinessIntelligence)即商业智能，它是⼀套完整的解决⽅案，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。
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。
两者是不⼀样的概念，BI相对于⼤数据更倾向于决策，适合⽀持经营指标⽀撑类的问题，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。
现今，⼤型互联⽹企业采⽤hadoop⼀类的⼤数据架构——数据仓库——⾃⼰研发的报表、OLAP分析等，或者前端选⽤成熟的商业智能报表和BI分析软件，像FineBI之类的⼤数据BI都能对接⼤数据平台。
传统企业，⼩型的公司没有那么多的业务分析的需求，⼤多寻求excel、业务系统的简单报表功能或者专业的报表⼯具来解决问题；⼀般中⼤型企业数据量⼤时会构建数据仓库，⽤BI在前端分析展现。当然很多传统企业针对特定业务（⽐如⽤户画像、风控分析）采⽤⼤数据技术。
整体来讲，选择⼤数据还是BI依据需求来定，⼤数据组件⼤多开源，需要⼤量的⼈⼒开发。BI⼤多商⽤，需要⼀定资⾦和⼀定时间的项⽬实施。
问题2：什么是⼤数据BI？什么是⾃助式BI？和传统BI有何区别？
⼤数据BI
⼤数据BI有这样⼏类特性：能对接hadoop⼀类的⼤数据平台，做数据分析；能处理⼤数据量（亿级以上），响应速度快，⽐较考验的是BI 的数据处理计算性能和数据库性能。
传统BI &⾃助式BI
传统BI重在于数据平台搭建，提供报表服务，以IT为主导；⾃助式BI重在于数据分析，以业务分析为主导。两者的数据处理流程相通。
传统BI：通常指企业内部⼤⽽全的统⼀报表或分析平台，代表性的⽼牌BI⼯具⼚商如 IBM的cognos，
Oracle的OBIEE，SAP的BO等均包含丰富的功能模块，⽐较适合于打造⼀体化的⼤⽽全的统⼀平台。传统BI⼀般⾯向IT研发⼈员，他们多集中在企业的技术部门，传统BI的打造⽅式基本如下：大数据etl工具有哪些
⾃助BI：⾯向的是不具备IT背景的业务分析⼈员，与传统BI相⽐更灵活且易于使⽤，⽽且⼀定程度上摆脱对IT部门的⼤幅度依赖。不同于以往“IT主导的报表模式”，转⽽向“业务主导的⾃助分析模式”发展。⾃助BI通常的应⽤场景：
问题3：BI的多维数据模型和OLAP是什么，实⽤价值在哪？
试想⼀下分析业务数据时场景，经常会从不同的⾓度来审视业务的衡量指标。例如分析销售数据，可能会综合时间周期、产品类别、分销渠道、地理分布、客户类等多种因素来考量。这些分析⾓度虽然可以通过报表来反映，但每⼀个分析的⾓度⽣成⼀张报表，各个分析⾓度的不同组合⼜⽣成不同的报表，每尝试分析⼀次，就得抽⼀次数，这会使得IT⼈员的⼯作量相当⼤。
⽽OLAP的作⽤就是尽可能将所有的维度条件及聚合值都准备好，供使⽤者在分析时可以按照任意维度来分析。
以BI的实际应⽤来讲，拿到数据，可能需要下钻到⽐较粗的粒度观察数据，⽐如从⽇期时间维度、从地域品类维度来分析数据，对应到BI的操作上，就是拖拽维度、过滤排序、维度切换，钻取等操作，cube或者数据仓库就要响应这种操作，这就使⽤到了下钻、切边、切块、转轴等功能。
问题4：商业智能BI在数据分析⼯作中的作⽤，是必要的吗？
在数据分析过程中，BI也算是⼀个⼯具，能⾃助取数，⽤于快速分析，制作分析报表。很多互联⽹、零售、⾦融企业会有⾃⼰的数据分析团队会专业的分析⼈员，使⽤的⼯具可能从SPSS、SAS、R、Python不等，这些⼯具能对准备好的数据做数理统计分析，取数的⼯作⼤多还是要交给IT⼈员去做。像⽬前的⾃助式BI因为上⼿很简单，对于多维度的数据可以从各⽅⾯来展⽰，⽽且能及时⽣成数据报告，可在平台上管理报表和分析表单。所以是否有必要，因需求⽽异。
问题5：BI如何选型，需要考虑哪些点？
BI⼯具可分为传统型BI以及⾃助型BI。传统型BI，国外以SAP BO、cognos、Oracle BIEE等为主；⾃助型BI，⽐如国外的Tableau、Qlikview，国内的FineBI、永洪bi等等。
站在产品的企业的⾓度，可以从领先能⼒、产品能⼒、服务能⼒以及价格能⼒去着⼿衡量。可通过海⽐研究给出的⼀套《BI选型指标体系》来判断。
1、领先能⼒=⾏业地位+领先性
⽐如公司在⾏业中的低位、市场占有率、公司在该领域的专注性以及技术的领先性。商业智能⽬前的市场格局不算⼤，可扩展到报表领域去衡量。
2、产品能⼒=公司产品线+核⼼产品功能+解决⽅案
⼀般来讲，公司的产品线越完整，相关产品的整合能⼒越强，越好。但是，最重要的还是产品的功能是否实能解决企业最关注的的问题，是否能覆盖更多⾏业，BI解决的是⾏业通⽤性的问题，解决能⼒越强，产品越优秀。
3、服务能⼒=服务专业能⼒+维护能⼒
BI的实施很考察⼈员的专业性，过去由于国外IT巨头的称霸，很多产品的项⽬都承包给第三⽅实施，造成服务脱节。现在很多涌现的国内软件公司⼀般都会有专业的实施团队，本地化服务很占优势，所以这⼀点不妨考虑本⼟产品。
4、价值能⼒=成功案例+性价⽐
选型前可看看同⾏业的企业伙伴们⽤的是什么类的BI⼯具，使⽤情况如何。包括从功能费⽤、项⽬实施费⽤综合考虑来看的性价⽐。
问题6：如何实施BI？
实施BI的前提，最重要的是基础数据的统⼀。⽐如货品信息，客户信息，公司内部信息。缺少的数据
虽然可以临时补，但是随着公司业务的扩展，这种数据化运营的⽅式需要不断精细，数据管理的规范任务要落实到业务员的考察，如果得到领导的⽀持会更容易推动。有了这些齐全的数据，BI的实施才有保障。
然后是业务的统⼀。⽐如销售模式，采购模式，结算⽅法，质量管理的统⼀。⽐如销售模式不统⼀，有的分公司先结算后配送，有的公司先配送后结算，业务形式不统⼀，⼝径不统⼀，就会造成数据的时间差。
其次是业务部署。每个公司的业务部署不同，有的是集中部署有的是分销部署，如果BI是放在总部实施，需要将各地分散的数据统⼀起来，建⽴数据仓库，保持基础数据的统⼀，但其中，如何提⾼速度，如何优化配合⽅式，这点需要研究。
BI⼈才储备是否⾜够，需要业务⼈员和信息⼈员的积极配合，这个效果才能够⽐较良好的推动，⽽且还能够持续的发展。为了让技术和业务⼈员更好地贴合，要将技术和业务有效结合，最⼤效率的把报表和BI系统的功能发挥出来。
对于上BI，还有其他考虑，⽐如价格预算，⽐如是否⽤开源，⽐如后续开发和维护，这⾥做个统⼀的解释。
明确业务需求：强烈的业务需求，明晰的业务⽬标，能否抓住核⼼是⼀个项⽬成败的关键。
“产品+定制+服务”的建设思路：是否要选择开源的产品？如果你有很强的开发能⼒，可以考虑。但建议专业的事情还是交给专业的⼯具来做，传统企业不⽐互联⽹企业，互联⽹企业是以数据来驱动的，与传统企业的模式不⼀样，再说，后续维护也是成本啊。业务项⽬建设如果不借助⽐较成熟的产品⼯具，从技术代码进⾏创新式的开发，不经过迭代以及检验很难规避风险，很难形成⼀个成熟的产品。如果觉得国外BI产品“庞⼤”，完全可以选择FineBI这⼀类轻量化的⼯具。
最后，就是认清技术⼒量的现状，不妨建议敏捷开发、迭代开发和重构，注重技术和管理的配合。
问题7：做BI⼈的前景在哪⾥？
刚⼊门BI这⼀领域的⼈，未来的职业发展可以⾛技术、⾛管理、⾛开发。
1、⾛技术⽅向：（按照技术路线进⾏划分）
ETL，这块是BI永恒的重点之⼀，需求也是⼀直持续，只是相对来说，ETL会⽐较枯燥。在这⼀块，掌握⼀两款顺应潮流的⼤⼯具，拥有相应年限的⼯作经历，⾏业性要求不太⾼，可以到⼀个不错的岗位。DS、INFA、SSIS这些都是蛮有需求的。
数据仓库，主要指的数据仓库设计，架构设计等，⼀般来说LEVEL会⽐较⾼，薪⽔待遇也还⾏，属于偏⾼端⼈才了，⼀般都会要有5年、7年或更多年限的经验，对⾏业性经验要求⽐较⾼。
前端应⽤，SAP BO、COGNOS、BIEE等⼯具的熟练应⽤，可以做甲⽅内部顾问也可以做⼄⽅项⽬顾问。从前端切⼊去接触到更多业务和需求，对提⾼⾃⼰的业务⽔平有好处。
数据挖掘数据分析⽅⾯，这块个⼈认为是最有前景的，数据分析师的需求⼀直在增加，但和BI的背景不是⾮常贴合，要学数据统计学知
识，R、Python语⾔等，学的东西很多。
2、⾛管理路线
管团队管某块业务，做项⽬总监，⽽后上升到CIO之类的，偏向管理属性，对⼈的沟通交流尤其是与⾼层交流的⽔平较⾼，⽐较IT在企业⼤多属于业务⽀撑部门，很多事情很难推动，同时还要思考如何提升IT在企业的地位，这个你只要观察⾃⼰的部门领导怎么做的，慢慢摸索了。
3、⾛开发
第三⽅软件开发公司了，⽐如SAP之类的公司（有点难度），或者国内帆软、永洪等其他BI公司的软件开发了，难度是要有⼀定的程序开发基础，但是对业务的理解也能带来⼀些帮助。再或者是去⼀些创业公司带团队做BI产品，现在做前端可视化分析的公司有很多，虽然不完全类同于BI，但有很多共通之处。
问题8：如何系统的学习BI知识？
这⾥给出⼀个学习框架
1、学习数据库知识， 掌握基础技能SQL
2、技术选择：数据仓库 / ETL / 前端开发等等
3、 选择技术⼯具：
数据仓库-Oracle、SAP HANA、Hadoop都是主流；
ETL- informatica 、kettle；
⾃助式BI⼯具-Taleau、帆软FineBI、Power BI
4、学习业务知识
5、实操数据分析⼯作

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。