近日，IDC國際數(shù)據(jù)公司發(fā)布了《2021下半年中國商業(yè)智能軟件市場跟蹤報告》，其中提到的關(guān)于商業(yè)智能BI的市場數(shù)據(jù)就是現(xiàn)階段商業(yè)智能BI情況的最好呈現(xiàn)，具體表現(xiàn)為2021年下半年中國的商業(yè)智能BI軟件市場規(guī)模為4.8億美元，2021全年市場規(guī)模達(dá)到7.8億美元，同比增長高達(dá)34.9%。

IDC還根據(jù)商業(yè)智能BI市場的現(xiàn)狀進(jìn)行了預(yù)測，認(rèn)為2026年中國商業(yè)智能BI軟件市場規(guī)模會達(dá)到20.2億美元，非常看好商業(yè)智能BI的市場前景。不得不說，隨著社會的數(shù)字化程度不斷提高，各行各業(yè)的企業(yè)都開始了新的轉(zhuǎn)型發(fā)展。在這個發(fā)展的過程中，商業(yè)智能BI發(fā)揮了重要的作用。所以，到底為什么商業(yè)智能BI會有這么高的增長？對企業(yè)來說商業(yè)智能BI到底能提供什么價值？下面來從各方面進(jìn)行介紹。

什么是商業(yè)智能BI ？

商業(yè)智能BI的發(fā)展和數(shù)據(jù)的增長有很強(qiáng)的關(guān)聯(lián)性，而當(dāng)前人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等技術(shù)和應(yīng)用都對數(shù)據(jù)的增長有促進(jìn)作用，所以商業(yè)智能BI也就伴隨著數(shù)據(jù)的增長，在各行各業(yè)的企業(yè)中開始發(fā)揮作用。

為什么商業(yè)智能BI會因為數(shù)據(jù)的增長而得到快速發(fā)展？這就不得不提到商業(yè)智能BI的概念了。商業(yè)智能BI是一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案，能夠?qū)崿F(xiàn)業(yè)務(wù)流程和業(yè)務(wù)數(shù)據(jù)的規(guī)范化、流程化、標(biāo)準(zhǔn)化，打通ERP、OA、CRM等不同業(yè)務(wù)信息系統(tǒng)，整合歸納企業(yè)數(shù)據(jù)。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

商業(yè)智能BI對于企業(yè)中大多數(shù)員工的工作都有促進(jìn)的作用，單單只是高效敏捷的數(shù)據(jù)可視化，就可以在很大程度上為企業(yè)實現(xiàn)降本增效的作用。不過商業(yè)智能BI雖然對企業(yè)不同人群都有很高的價值，但最需要商業(yè)智能BI的就是企業(yè)高層管理人員。他們通過利用商業(yè)智能BI，借助數(shù)據(jù)可視化滿足企業(yè)不同人群對數(shù)據(jù)查詢、分析和探索的需求，獲取信息和知識，從而為管理和業(yè)務(wù)提供數(shù)據(jù)依據(jù)和決策支持。

將商業(yè)智能BI核心內(nèi)容進(jìn)行總結(jié)，大致有三大特征：

1. 一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案；
2. 將企業(yè)中不同系統(tǒng)（ERP、OA）中的數(shù)據(jù)打通并進(jìn)行有效的整合；
3. 利用合適的查詢和分析工具快速準(zhǔn)確地提供報表，為企業(yè)提供決策支持。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺 商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

從商業(yè)智能BI在企業(yè)中發(fā)揮的作用來看，只要能夠把商業(yè)智能BI在數(shù)據(jù)全生命周期流程中的作用發(fā)揮出來，那商業(yè)智能BI就能產(chǎn)生巨大的價值。而談到為什么，就不得不提到商業(yè)智能BI在企業(yè)中連通上下的關(guān)鍵位置，往下看商業(yè)智能BI能打通ERP、OA、CRM等不同業(yè)務(wù)信息系統(tǒng)數(shù)據(jù)庫，在ETL處理后將數(shù)據(jù)統(tǒng)一存儲到數(shù)據(jù)倉庫；往上看商業(yè)智能BI可以提供不同主題、形式的數(shù)據(jù)可視化報表，通過數(shù)據(jù)可視化分析全面展現(xiàn)企業(yè)發(fā)展?fàn)顩r，輔助業(yè)務(wù)人員和管理人員進(jìn)行業(yè)務(wù)發(fā)展決策。

商業(yè)智能BI可以根據(jù)企業(yè)數(shù)據(jù)生命周期流程的不同階段劃分為三個層次：

第一層，可視化分析展現(xiàn)層 – 商業(yè)智能BI的需求層，一方面代表了用戶的需求，用戶想看什么、要看什么、另一方面也代表了用戶要分析什么，這些就在這一層進(jìn)行展現(xiàn)。

第二層，數(shù)據(jù)模型層 – 商業(yè)智能BI數(shù)據(jù)倉庫，主要負(fù)責(zé)企業(yè)數(shù)據(jù)的分析模型，完成從業(yè)務(wù)計算規(guī)則向數(shù)據(jù)計算規(guī)則的轉(zhuǎn)變。

第三層，數(shù)據(jù)源層 – 商業(yè)智能BI的數(shù)據(jù)層，不同部門、業(yè)務(wù)線的業(yè)務(wù)信息系統(tǒng)，其底層數(shù)據(jù)庫的數(shù)據(jù)通過ETL抽取到商業(yè)智能BI的數(shù)據(jù)倉庫中，建模分析等等，最終支撐到前端的可視化分析展現(xiàn)。

商業(yè)智能BI在企業(yè)IT信息化中的位置

和上面提到的一樣，商業(yè)智能BI在企業(yè)中的位置主要是承上啟下，可以連通并利用企業(yè)資源，是整個信息化建設(shè)中的重要一環(huán)。商業(yè)智能BI圍繞數(shù)據(jù)形成了一整套完整的數(shù)據(jù)價值體系，通過數(shù)據(jù)可視化以及報表體系充分發(fā)揮出了數(shù)據(jù)在企業(yè)中的作用。

很多人可能也注意到了，信息化建設(shè)中商業(yè)智能BI的位置決定了其企業(yè)中的位置。所以商業(yè)智能BI圍繞數(shù)據(jù)形成了一整套完整的數(shù)據(jù)價值體系，充分發(fā)揮的數(shù)據(jù)在企業(yè)中的作用。一般來說，企業(yè)的信息化建設(shè)具有通用性，可以把大部分的企業(yè)的 IT 信息化分為兩個階段：一個是業(yè)務(wù)信息化，一個是數(shù)據(jù)信息化。

企業(yè)信息化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

業(yè)務(wù)信息化 – 企業(yè)使用的ERP、CRM、OA以及自建的業(yè)務(wù)信息系統(tǒng)等都統(tǒng)稱為業(yè)務(wù)信息化。業(yè)務(wù)信息化的主要作用是優(yōu)化調(diào)整企業(yè)的業(yè)務(wù)流程，通過規(guī)范化、標(biāo)準(zhǔn)化、線上化，來提高業(yè)務(wù)運(yùn)轉(zhuǎn)效率、降低企業(yè)人力、時間、精力等成本，沉淀大量業(yè)務(wù)數(shù)據(jù)等，是業(yè)務(wù)管理思路的體現(xiàn)，也是現(xiàn)代的企業(yè)管理方式。

數(shù)據(jù)信息化 – 像我們經(jīng)常所聽到的大數(shù)據(jù)、商業(yè)智能BI、數(shù)據(jù)分析、數(shù)據(jù)挖掘等我們都統(tǒng)稱為數(shù)據(jù)信息化。數(shù)據(jù)信息化可以幫助企業(yè)全面的了解企業(yè)的經(jīng)營管理，將企業(yè)經(jīng)營管理模式從經(jīng)驗驅(qū)動調(diào)整為到數(shù)據(jù)驅(qū)動，降低情緒、心理等主觀影響，形成以數(shù)據(jù)為基礎(chǔ)的業(yè)務(wù)決策支撐，提高決策的準(zhǔn)確性，這是企業(yè)更高層次的企業(yè)管理方式。

企業(yè)信息化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

企業(yè)的信息化建設(shè)是一個完整的過程，沒有業(yè)務(wù)系統(tǒng)的建設(shè)，就不會有數(shù)據(jù)的沉淀，而沒有數(shù)據(jù)的沉淀，企業(yè)也就沒有部署商業(yè)智能BI的基礎(chǔ)。這就是業(yè)務(wù)信息化和數(shù)據(jù)信息化的雙向作用，能夠讓業(yè)務(wù)系統(tǒng)推動商業(yè)智能BI的部署，也能讓商業(yè)智能BI提高業(yè)務(wù)系統(tǒng)的效果。

誰是商業(yè)智能BI的主要用戶？

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

業(yè)務(wù)信息化的主要使用對象 – 業(yè)務(wù)信息化的主要使用對象是一線業(yè)務(wù)人員，所以業(yè)務(wù)信息化的使用人群更多是從業(yè)務(wù)視角出發(fā)，針對業(yè)務(wù)進(jìn)行錄入數(shù)據(jù)、記錄流程、查看業(yè)務(wù)信息等。

數(shù)據(jù)信息化的主要使用對象 – 數(shù)據(jù)信息化的主要使用對象是管理決策人員，在企業(yè)的經(jīng)營管理等日常流程中，決策人員更多是從管理視角利用商業(yè)智能BI等數(shù)據(jù)類技術(shù)解決方案去定位問題、分析問題，最終形成業(yè)務(wù)決策。

數(shù)據(jù)孤島到底說明了什么？

數(shù)據(jù)孤島一般指的是只有一部分人能夠訪問的數(shù)據(jù)集，這個詞其實很形象，從字面意思上我們就能明白，數(shù)據(jù)孤島指的是數(shù)據(jù)就像一座座孤島一樣互相隔絕，彼此之間無法交流協(xié)作。

所以企業(yè)業(yè)務(wù)發(fā)展、管理決策等需要掌握大部分，或者說全部數(shù)據(jù)才能進(jìn)行分析、挖掘，做出最后的決斷。而數(shù)據(jù)孤島直接導(dǎo)致其他人難以獲取這部分?jǐn)?shù)據(jù)，不僅會導(dǎo)致數(shù)據(jù)浪費(fèi)，甚至有可能讓企業(yè)無法處理異常數(shù)據(jù)，解決不了發(fā)現(xiàn)的問題，讓企業(yè)發(fā)展陷入困境。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

數(shù)據(jù)孤島其實只是信息化建設(shè)初期絕大多數(shù)企業(yè)都會出現(xiàn)的一個通用的問題，想要解決數(shù)據(jù)孤島可以繼續(xù)堅持信息化建設(shè)的道路，進(jìn)行下一階段，也就是我們常說的數(shù)據(jù)信息化階段，在這個階段數(shù)據(jù)孤島可以解決，并讓企業(yè)數(shù)據(jù)逐漸發(fā)揮價值，成為企業(yè)資產(chǎn)。

在數(shù)據(jù)信息化階段，企業(yè)一般會部署商業(yè)智能BI等數(shù)據(jù)類技術(shù)解決方案。商業(yè)智能BI是目前大多數(shù)企業(yè)突破數(shù)據(jù)孤島封鎖的重要方案，商業(yè)智能BI可以利用數(shù)據(jù)倉庫統(tǒng)一儲存各業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)，并通過ETL和數(shù)據(jù)模型對數(shù)據(jù)進(jìn)行分類分級，以指標(biāo)的形式規(guī)范的儲存在一個大的數(shù)據(jù)庫中，將數(shù)據(jù)孤島的風(fēng)險解決，以全面視角展現(xiàn)企業(yè)整體的發(fā)展?fàn)顩r。

管理駕駛艙 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

所以在介紹商業(yè)智能BI的時候，必須要搞清楚不同人員的需求。站在企業(yè)不同員工角度，有的人認(rèn)為是有數(shù)據(jù)孤島存在的，一定要解決。有的人是不認(rèn)為有數(shù)據(jù)孤島存在的，即使存在對他們也沒有影響，所以不用解決，其根本原因是沒有把握商業(yè)智能BI真正的服務(wù)對象。

商業(yè)智能BI從業(yè)務(wù)系統(tǒng)取數(shù)據(jù)取數(shù)的方式

商業(yè)智能BI是通過訪問和連接業(yè)務(wù)系統(tǒng)數(shù)據(jù)源數(shù)據(jù)庫的方式來進(jìn)行取數(shù)的，不管是什么樣類型的數(shù)據(jù)庫，商業(yè)智能BI通過ETL連接數(shù)據(jù)庫抽取業(yè)務(wù)系統(tǒng)原表數(shù)據(jù)到數(shù)據(jù)倉庫中加工處理，最后支撐到前端的可視化分析報表展現(xiàn)。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

之前有朋友這么提問的：數(shù)據(jù)源層是需要開發(fā)接口嗎？

其實一般來說是不需要的，基本上這么提問的都是經(jīng)歷過軟件系統(tǒng)的接口對接，軟件系統(tǒng)的接口對接是因為有的業(yè)務(wù)軟件是 JAVA 開發(fā)的，有的是 .NET 開發(fā)的，有的是 B/S 架構(gòu)，有的是 C/S 架構(gòu)。

軟件系統(tǒng)之間的接口是需要開發(fā)參與的，主要是串聯(lián)不同軟件的業(yè)務(wù)流程，這種接口是需要動代碼的。但商業(yè)智能BI在獲取數(shù)據(jù)的接口不一樣，是與業(yè)務(wù)系統(tǒng)軟件自身無關(guān)的，是只需要訪問和連接業(yè)務(wù)系統(tǒng)背后的數(shù)據(jù)庫就可以的，直接從數(shù)據(jù)庫取數(shù)，因此是不需要軟件接口，或者沒有軟件接口訪問這種概念的。

除非一種情況，這個業(yè)務(wù)系統(tǒng)是公有云，純SAAS模式，這種情況下就只能通過軟件對外開放的API接口取數(shù)了。

某醫(yī)藥行業(yè)銷售人員績效分析 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

某白酒行業(yè)渠道終端管理分析 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

數(shù)據(jù)中臺、商業(yè)智能BI、大數(shù)據(jù)之間的關(guān)系應(yīng)該如何理解？

系統(tǒng)的商業(yè)智能BI在遇到大數(shù)據(jù)量、非結(jié)構(gòu)化數(shù)據(jù)處理的場景，底層的數(shù)據(jù)倉庫就升級為大數(shù)據(jù)的數(shù)據(jù)倉庫架構(gòu)，這就是大數(shù)據(jù)下的商業(yè)智能BI分析.

在大數(shù)據(jù)的數(shù)據(jù)倉庫架構(gòu)基礎(chǔ)之上，往左邊更加拓展了數(shù)據(jù)的采集能力，在中間除了原有大數(shù)據(jù)架構(gòu)的數(shù)據(jù)倉庫建模之外，更加加入了數(shù)據(jù)資產(chǎn)的概念、數(shù)據(jù)資產(chǎn)盤點、數(shù)據(jù)資產(chǎn)管理，靠右擴(kuò)展了數(shù)據(jù)服務(wù)的能力，將數(shù)據(jù)中臺中按照一定規(guī)則處理好的數(shù)據(jù)打包對外提供服務(wù)。因此，大數(shù)據(jù)架構(gòu)下的數(shù)據(jù)采集、數(shù)據(jù)倉庫建模、數(shù)據(jù)資產(chǎn)管理和數(shù)據(jù)服務(wù)就構(gòu)成了數(shù)據(jù)中臺的幾大核心。

數(shù)據(jù)可視化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

數(shù)據(jù)中臺的底子是大數(shù)據(jù)架構(gòu)，數(shù)據(jù)倉庫是傳統(tǒng)商業(yè)智能BI數(shù)據(jù)倉庫的大數(shù)據(jù)升級，而商業(yè)智能BI就變成了數(shù)據(jù)中臺之上的應(yīng)用層，利用中臺的數(shù)據(jù)服務(wù)獲取數(shù)據(jù)做分析展現(xiàn)。

這就是商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺這三者的關(guān)系和在不同數(shù)據(jù)場景、服務(wù)場景下的演變過程，看明白了這個過程，應(yīng)該就不會再輕易的混淆他們的概念。至于商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺應(yīng)該選擇哪個，其實說到底如何選擇合適的技術(shù)路線、技術(shù)架構(gòu)，最終還是取決于企業(yè)自身到底要解決什么，不能盲目選擇。盲目選擇的結(jié)果就是大投入，小產(chǎn)出沒有達(dá)到預(yù)期的期望。我們還是應(yīng)該聚焦到需求本身，需求為王。

關(guān)于商業(yè)智能 BI 認(rèn)知上的幾大誤區(qū)

很多企業(yè)把商業(yè)智能BI當(dāng)做純粹的報表工具使用，輸出的形式變成了可視化圖表，可圖表展示的內(nèi)容還是以前的部門業(yè)務(wù)信息，只展現(xiàn)了一線業(yè)務(wù)部門的基本情況，管理人員還是需要花費(fèi)大量時間精力去了解企業(yè)整體的發(fā)展情況。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

我這里總結(jié)了一下，大家對商業(yè)智能 BI 的理解常會碰到的一些誤區(qū)：

1.商業(yè)智能 BI 就是報表可視化，就是一堆可視化圖表，商業(yè)智能BI 就是前端可視化。

2.商業(yè)智能BI就是一個拖拉拽的分析工具產(chǎn)品。

3.商業(yè)智能BI就是商業(yè)智能BI，跟數(shù)據(jù)倉庫沒有關(guān)系。

4.有了商業(yè)智能BI就不需要數(shù)據(jù)倉庫建模，業(yè)務(wù)人員就可以自己做商業(yè)智能BI分析，就可以拖拉拽做商業(yè)智能BI分析。

5.商業(yè)智能BI 就是業(yè)務(wù)驅(qū)動的，不需要 IT 人員支撐，敏捷商業(yè)智能BI不需要 IT 介入。

6.商業(yè)智能BI直連不香嗎？直接連接數(shù)據(jù)源不就可以做分析，不需要數(shù)據(jù)倉庫。

首先簡要糾正一下對于這些問題的理解。

1、商業(yè)智能 BI 就是報表可視化，就是一堆可視化圖表，BI 就是前端可視化。

商業(yè)智能BI是一套完整的有數(shù)據(jù)倉庫、數(shù)據(jù)分析、數(shù)據(jù)報表等組成的數(shù)據(jù)技術(shù)類的解決方案，在一個 BI 項目中，20% 的時間做前端分析報表，80% 的時間都在底層數(shù)據(jù)倉庫的設(shè)計、ETL 的開發(fā)、取數(shù)開發(fā)等工作。

所以可視化報表只是商業(yè)智能 BI 的最終呈現(xiàn)，但不是 商業(yè)智能BI 的全部。

2、商業(yè)智能 BI 就是一個拖拉拽的分析工具產(chǎn)品。

拖拉拽的可視化分析工具準(zhǔn)確來講只能解決 商業(yè)智能BI 的一部分，即可視化分析。但其實 商業(yè)智能BI 所包括的技術(shù)范圍還是比較廣的，涉及到從底層數(shù)據(jù)取數(shù)到前端展現(xiàn)分析的各個方面。

單純拖拉拽的商業(yè)智能BI可視化分析工具嚴(yán)格來講只能定位于個人和部門級，和企業(yè)級的商業(yè)智能BI 有很大的不同，所以單純的上一個商業(yè)智能BI分析工具發(fā)揮不了商業(yè)智能BI的真正作用，也替代不了商業(yè)智能BI的位置。

3、以前也總有人說商業(yè)智能BI就是業(yè)務(wù)驅(qū)動，商業(yè)智能BI就是 BI，跟數(shù)據(jù)倉庫沒有關(guān)系。

這個問題很有深度，在以前我也這么認(rèn)為過，總覺得有了商業(yè)智能BI就不需要數(shù)據(jù)倉庫建模，業(yè)務(wù)人員就可以自己做 商業(yè)智能BI分析，就可以拖拉拽做 商業(yè)智能BI分析，不需要IT人員支撐，敏捷商業(yè)智能BI不需要 IT 介入，不需要建數(shù)據(jù)倉庫。

管理駕駛艙大屏 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

但凡有任何商業(yè)智能BI的銷售或者售前告訴用戶，你們企業(yè)的商業(yè)智能BI項目不需要構(gòu)建數(shù)據(jù)倉庫，直接通過商業(yè)智能BI分析工具拖拉拽就可以搞定企業(yè)里面所有的分析，不需要IT人員支撐，業(yè)務(wù)人員完全可以自己搞定… 類似于敢這樣承諾的，要么是對商業(yè)智能BI不懂，要么就是真忽悠。

在企業(yè)級的商業(yè)智能BI項目建設(shè)中，真正能做到完全靠業(yè)務(wù)人員簡單拖拉拽一些就能隨便實現(xiàn)數(shù)據(jù)可視化分析，至少在我個人從業(yè)的十幾年工作經(jīng)驗中，95%以上的企業(yè)都做不到。我服務(wù)過的重點企業(yè)包括：SHP（ Security Health Plan )、微軟（中國）、微軟（美國）、VWFC（ 大眾金融 ）等。

VWFC 做的算是非常不錯的，少有的業(yè)務(wù)人員自己動手做很多報表，線上跑了幾千張報表。為什么？ 因為底層數(shù)據(jù)倉庫就搭建了很多年，底層數(shù)據(jù)架構(gòu)相對比較規(guī)范。Business Driven 業(yè)務(wù)驅(qū)動，它的前提是什么？

1） 底層數(shù)據(jù)質(zhì)量很規(guī)范，數(shù)據(jù)倉庫架構(gòu)很完整，不讓業(yè)務(wù)人員碰底層數(shù)據(jù)，ETL、取數(shù)、指標(biāo)計算等等統(tǒng)統(tǒng)都是 IT 部門來維護(hù)。

2） 業(yè)務(wù)人員通過培訓(xùn)要熟練掌握商業(yè)智能BI前端報表工具的使用，要很懂放出來的數(shù)據(jù)分析模型接口。

3） 業(yè)務(wù)人員要非常熟悉業(yè)務(wù)和數(shù)據(jù)。

第 2）和第 3）條很多企業(yè)沒有問題，第 1）條直接弄個前端 商業(yè)智能BI 工具讓業(yè)務(wù)人員解決，能解決掉嗎？ 很顯然業(yè)務(wù)人員是不具備這種能力的。

這就是一到培訓(xùn)的時候，商業(yè)智能BI工具使用起來很簡單，但是一旦到實際的企業(yè) 商業(yè)智能BI 項目開發(fā)就發(fā)現(xiàn)寸步難行。

報表工具是怎么來的？

這十幾年我一直在技術(shù)領(lǐng)域、信息化領(lǐng)域、商業(yè)智能BI 行業(yè)，一直沒有出這個圈。做過 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技術(shù)開發(fā)，業(yè)務(wù)軟件系統(tǒng)平臺開發(fā)。

早期前端技術(shù)很弱，AJAX 的實現(xiàn)也都需要手寫，要實現(xiàn)一個表單內(nèi)數(shù)據(jù)的點擊編輯和修改需要自己用 JS DOM 操作。做報表基本上就是 JSP、ASP 腳本語言在前端嵌套 HTML 做循環(huán)輸出，報表樣式很原生很丑陋，稍微復(fù)雜一點的表格報表樣式都需要用 JS 來調(diào)整。

那個時候用過的報表像 Crystal Report 水晶報表、潤乾報表等等，在前端腳本語言中有標(biāo)簽直接可以引用，報表生成代替了大量的手寫代碼。早期的前后端技術(shù)是不分家的，http://ASP.NET 還稍微好一些，前端逐步有一些集成控件可以直接使用，JAVA 是真沒有。上面說到的這個階段大概在什么時候呢，2005年前后，2007年我覺得已經(jīng)使用的很廣泛了，老的 CSDN 上應(yīng)該還能找到很多原始的報表標(biāo)簽帖子。

像老一批報表還有像金峰報表 Jreport、思達(dá)報表 StyleReport 等等在國內(nèi)也有一定的市場。早在 2010 年之前，有些報表廠商的收入規(guī)模就已經(jīng)突破了一個億，說明基礎(chǔ)報表這個市場還是非常不錯的。

那個時候的報表定位是什么，就是純粹的 Report 報表，通過程序從后臺數(shù)據(jù)庫中查詢返回的數(shù)據(jù)聚合 List 再到前端腳本頁面上綁定一下就生成了各種報表，實際上就是用在各個業(yè)務(wù)軟件系統(tǒng)之中的報表展示，還遠(yuǎn)遠(yuǎn)沒有到 商業(yè)智能BI分析這個層面。

并且還有大量的軟件開發(fā)廠商實際上已經(jīng)具備了很強(qiáng)的報表能力，不過這些報表能力并沒有單獨(dú)拿出來作為報表產(chǎn)品在市面上運(yùn)營而已。

逐步的，隨著前端技術(shù)、前端框架的完善，從傳統(tǒng)表格技術(shù)開始到了各類柱狀圖、條形圖、餅狀圖的可視化展示，到了這個階段，報表和商業(yè)智能BI的邊界越來越模糊。為什么？商業(yè)智能BI的報表展現(xiàn)能力也就和傳統(tǒng)報表效果大致相當(dāng)，還沒有出現(xiàn)那種自助分析、自助拖拉拽就可以實現(xiàn)快速多維分析的能力。

講這么多主要想說的是我們所看到的很多商業(yè)智能BI項目都是拿報表思維去實現(xiàn)的，就是 SQL 到數(shù)據(jù)集到前端展現(xiàn)。而真正的商業(yè)智能BI思維應(yīng)該是什么呢？ 多維思維、模型思維，這一點決定了一個 商業(yè)智能BI 項目的最終走向，后面會具體講到這些點。

商業(yè)智能BI的本質(zhì) – 企業(yè)業(yè)務(wù)管理思維的落地

商業(yè)智能BI的本質(zhì) – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

商業(yè)智能 BI 到底是什么？技術(shù)？產(chǎn)品？還是其它？我們把對于 BI 的理解再提升一個層次：商業(yè)智能 BI 是一家企業(yè)業(yè)務(wù)和管理思維的落地。這個怎么來理解呢？簡單來說，就是在可視化報表上呈現(xiàn)的內(nèi)容就是一家企業(yè)真正關(guān)注的內(nèi)容，這里面有管理高層重點關(guān)注的企業(yè)經(jīng)營性的分析指標(biāo)，也有某具體部門的。

商業(yè)智能BI 和數(shù)據(jù)倉庫 Data Warehouse 有什么區(qū)別和聯(lián)系？

經(jīng)常會碰到有人問商業(yè)智能BI和數(shù)據(jù)倉庫有什么區(qū)別，實際上這個問題的背后能反映出來一些朋友對商業(yè)智能BI的理解還是有些不準(zhǔn)確和偏差，這個問題實際上從概念上把BI和數(shù)據(jù)倉庫人為的割裂了。這種情況其實也比較正常，因為大家對商業(yè)智能BI的第一印象就是各種炫酷的可視化圖表、報表，再加上市面上有很多輕量的前端可視化商業(yè)智能BI分析工具，就造成大家對BI的認(rèn)知就停留在可視化這部分了。

準(zhǔn)確的來說，商業(yè)智能BI不僅僅包含前端可視化分析、報表展現(xiàn)的能力，更包含了底層數(shù)據(jù)倉庫的建設(shè)過程。Gartner 在上世紀(jì)九十年代就已經(jīng)提到了商業(yè)智能 Business Intelligence，它更多的認(rèn)為：BI是一種數(shù)據(jù)類的技術(shù)解決方案，將許多來自不同企業(yè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)提取有分析價值的數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和加載，就是抽取Extraction、轉(zhuǎn)換 Transformation、加載Loading 的ETL過程，最終合并到一個數(shù)據(jù)倉庫中，按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的維度建模或者兩者都有的混合式架構(gòu)模型，最終在這個基礎(chǔ)上再利用合適的分析展現(xiàn)工具來形成各種可視化的分析報表為企業(yè)的管理決策層提供數(shù)據(jù)決策支撐。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

所以，可以從這里能夠看到數(shù)據(jù)倉庫Data Warehouse 的位置是介于可視化報表和底層業(yè)務(wù)系統(tǒng)數(shù)據(jù)源之間的這一層，在整個商業(yè)智能BI項目解決方案中起到的是一個承上啟下的作用。如果把商業(yè)智能BI比作是一個人的話，上半身特別是臉這個部分就是顏值，下半身腳踏實地吸取大地的精華，中間這部分的腰腹核心、核心力量就是數(shù)據(jù)倉庫。

那大家也會問到，市面上不是有很多直接鏈接數(shù)據(jù)源就可以拖拉拽分析的商業(yè)智能BI工具產(chǎn)品嗎，不也一樣可以做商業(yè)智能BI分析報表嗎？這種獨(dú)立的、單獨(dú)的面向前端的商業(yè)智能BI分析工具，他們更多的定位是部門級和個人級的商業(yè)智能BI 分析工具，對于深層次的需要復(fù)雜數(shù)據(jù)處理、集成、建模等很多場景是無法解決的。最好的方式就是底層構(gòu)建一套完整的數(shù)據(jù)倉庫，把很多分析模型標(biāo)準(zhǔn)化，再利用這些前端商業(yè)智能BI分析工具結(jié)合起來，這樣才能真正的把前端商業(yè)智能BI分析能力給釋放出來。

很多企業(yè)認(rèn)為只要買一個前端商業(yè)智能BI分析工具就可以解決企業(yè)級的商業(yè)智能BI所有問題，這個看法實際上也不可行的?？赡茉谧铋_始分析場景相對簡單，對接數(shù)據(jù)的復(fù)雜度不是很高的情況下這類商業(yè)智能BI分析工具沒有問題。但是在企業(yè)的商業(yè)智能BI項目建設(shè)有一個特點，是一個螺旋式上升的建設(shè)過程。因為對接的業(yè)務(wù)系統(tǒng)可能會越來越多，分析的深度和廣度會越來越多，數(shù)據(jù)的復(fù)雜度也會越來越有挑戰(zhàn)性，這個時候沒有一個很好的數(shù)據(jù)倉庫架構(gòu)支撐，光靠前端BI分析工具基本上是無法搞定的。

數(shù)據(jù)倉庫 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

就像去中藥店抓藥一樣，之所以抓藥很快，是因為在抓藥前，別人已經(jīng)把各種原生的中藥材（原始數(shù)據(jù)源的數(shù)據(jù)）分門別類清理干凈放好了，這樣想怎么搭配藥材（維度指標(biāo)組合的可視化）就很快了。

這樣的企業(yè)在國內(nèi)有很多，也是因為對商業(yè)智能BI理解的深度不夠?qū)е铝嗽谏虡I(yè)智能BI項目建設(shè)上一些方向性的錯誤，最后s導(dǎo)致商業(yè)智能BI項目很難繼續(xù)推進(jìn)。

所以在企業(yè)中，我們需要明確我們的商業(yè)智能BI建設(shè)是面向企業(yè)級的還是個人和部門的分析工作。如果是個人數(shù)據(jù)分析師，使用這類前端商業(yè)智能BI分析工具就足夠了。如果是需要構(gòu)建一個企業(yè)級的商業(yè)智能BI項目，就不能只關(guān)注前端可視化分析能力這個層面，更應(yīng)該關(guān)注到底層數(shù)據(jù)架構(gòu)的構(gòu)建，也就是數(shù)據(jù)倉庫這個層面。

數(shù)據(jù)倉庫的建模方法論 Kimball vs Inmon 以及混合架構(gòu)

數(shù)據(jù)倉庫建模時商業(yè)智能BI項目建設(shè)中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的維度建模都是 商業(yè)智能BI 數(shù)據(jù)倉庫建模的方法論，這兩種商業(yè)智能BI建模的方式有什么區(qū)別和聯(lián)系。

實際開展一個 BI 項目的時候?qū)τ谛枨蟮穆涞氐姆椒ㄕ?/h1>

商業(yè)智能BI是一個完全需求驅(qū)動的，既然是需求就需要做訪談和調(diào)研。在商業(yè)智能BI需求進(jìn)行訪談和調(diào)研之前要提前熟悉行業(yè)的業(yè)務(wù)特點，基于企業(yè)自身要熟悉他們的業(yè)務(wù)流程，以及所訪談部門的他們大概會關(guān)注的重點，都需要提前梳理一遍。在腦海里把整個業(yè)務(wù)框架給建立起來，反復(fù)的演練。

什么樣的企業(yè)應(yīng)該要上商業(yè)智能 BI 了？

什么樣的企業(yè)適合上商業(yè)智能BI？看業(yè)務(wù)基礎(chǔ)信息化程度和日常業(yè)務(wù)管理的細(xì)致程度和顆粒度。業(yè)務(wù)基礎(chǔ)信息化程度就是企業(yè)自身的IT業(yè)務(wù)系統(tǒng)基礎(chǔ)建設(shè)，沒有業(yè)務(wù)系統(tǒng)的支撐，做商業(yè)智能BI就缺乏數(shù)據(jù)基礎(chǔ)；第二就是業(yè)務(wù)管理的顆粒度，企業(yè)自身業(yè)務(wù)管理程度是不是比較細(xì)致了，急需通過商業(yè)智能BI來提升業(yè)務(wù)管理、決策支撐的效率。

還有當(dāng)下各行各業(yè)企業(yè)紛紛開始進(jìn)行數(shù)字化轉(zhuǎn)型，這主要是企業(yè)為了應(yīng)對日益變化的市場和用戶需求，通過信息化、數(shù)字化的一切相關(guān)技術(shù)創(chuàng)建一種新的、或者對已有的商業(yè)模式進(jìn)行重塑，以滿足不斷變化的業(yè)務(wù)和市場變革。

商業(yè)智能BI作為信息化建設(shè)中的關(guān)鍵一環(huán)，在企業(yè)中通常起到承上啟下的作用，下能連接打通企業(yè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫，將各部門數(shù)據(jù)分類分級統(tǒng)一儲存到數(shù)據(jù)倉庫，簡化存儲取數(shù)流程，減少人力、時間成本；上能提供數(shù)據(jù)可視化報表，通過數(shù)據(jù)可視化分析全面展現(xiàn)企業(yè)發(fā)展?fàn)顩r，追蹤業(yè)務(wù)執(zhí)行效果，促進(jìn)業(yè)務(wù)健康發(fā)展，輔助進(jìn)行管理決策等。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

數(shù)字化轉(zhuǎn)型本就需要借助信息化相關(guān)技術(shù)、思想來完成，所以說信息化建設(shè)同樣是數(shù)字化轉(zhuǎn)型過程中非常重要的一環(huán)，而這就是商業(yè)智能BI和數(shù)字化轉(zhuǎn)型的關(guān)系。只有以用戶為中心，通過運(yùn)用商業(yè)智能BI等數(shù)據(jù)類技術(shù)解決方案實現(xiàn)數(shù)據(jù)價值，讓信息化和數(shù)字化深入企業(yè)，這樣企業(yè)數(shù)字化轉(zhuǎn)型才能真正完成。

如何高效的給高層領(lǐng)導(dǎo)做 BI 數(shù)據(jù)分析匯報總結(jié)

做完商業(yè)智能BI項目，還要考慮最終如何跟老板匯報的問題，掌握商業(yè)智能BI數(shù)據(jù)分析思維框架和匯報的五個重點：用戶業(yè)務(wù)層次與范圍、工作成果、計劃執(zhí)行復(fù)盤、問題反饋、展望規(guī)劃與愿景。

商業(yè)智能BI – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

這里只是一個簡單的匯報框架，還有很多點可以往里面加。比如圍繞行業(yè)講一下行業(yè)驅(qū)動因素跟 商業(yè)智能BI 如何結(jié)合的；從企業(yè)經(jīng)營管理角度，企業(yè)愿景到 CSF 到 KPI 到績效是如何分解和重新組織的；比如財務(wù)視角下的歸因分析；金字塔的管理模型；動態(tài)指標(biāo)庫構(gòu)成原理等等都可以有所選擇的進(jìn)行融入和說明。

商業(yè)智能BI與企業(yè)經(jīng)營管理的結(jié)合度

商業(yè)智能BI分析跟企業(yè)的經(jīng)營管理分析高度結(jié)合，ROE高的企業(yè)有可能是利潤高像茅臺、珠寶行業(yè)，有可能是周轉(zhuǎn)快比如像零售行業(yè)，也有可能是融資能力比較強(qiáng)會利用杠桿，從ROE歸因分析看行業(yè)特點。

集團(tuán)型的企業(yè)通過商業(yè)智能BI不僅僅可以看到今年或者歷年銷售收入、成本、毛利、利潤、資金和應(yīng)收的情況，還可以看到集團(tuán)下不同的業(yè)務(wù)板塊這些指標(biāo)的情況，包括預(yù)算執(zhí)行、完成率等等。

通過商業(yè)智能BI，企業(yè)的管理者可以從數(shù)據(jù)可視化報表中看到哪些業(yè)務(wù)板塊完成的比較好，哪些完成的不好，完成不好的業(yè)務(wù)板塊下又有哪些具體的企業(yè)，他們的數(shù)據(jù)情況是怎么樣的。

在擴(kuò)張發(fā)展方面，商業(yè)智能BI也可以起到很大作用，比如企業(yè)還有多少錢能夠拿出來擴(kuò)大生產(chǎn)規(guī)模，在保持收入高增長的同時擴(kuò)大邊際效益提升毛利和利潤空間。傳統(tǒng)市場的增長性如何，數(shù)字經(jīng)濟(jì)能否獲取，新領(lǐng)域新市場新產(chǎn)品的投入與增長表現(xiàn)如何等等。

商業(yè)智能BI項目行業(yè)和業(yè)務(wù)知識的積累

做商業(yè)智能BI還必須熟悉行業(yè)和業(yè)務(wù)知識，不結(jié)合行業(yè)業(yè)務(wù)知識，商業(yè)智能BI的項目是很難落地的。商業(yè)智能BI的本質(zhì)其實是企業(yè)的業(yè)務(wù)和管理思維的落地。企業(yè)的高層、業(yè)務(wù)部門的管理人員為什么要通過商業(yè)智能BI去看報表，他們看的是什么，重點關(guān)注的是什么？這些內(nèi)容就是他們?nèi)粘Ｔ谄髽I(yè)中業(yè)務(wù)經(jīng)營管理的重點。

數(shù)據(jù)可視化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

在商業(yè)智能BI項目上看上去零零散散的報表，在實際用戶眼里其實是有很強(qiáng)的邏輯關(guān)聯(lián)性的。并且層次越高的管理人員看的商業(yè)智能BI報表內(nèi)容越聚焦，看的是業(yè)務(wù)結(jié)果。一線業(yè)務(wù)部門的人員可能關(guān)注的更零散，看的是明細(xì)的業(yè)務(wù)過程數(shù)據(jù)。

所以，對于一名優(yōu)秀的商業(yè)智能BI開發(fā)人員、開發(fā)顧問，不僅僅是需要在技術(shù)層面打磨，更需要在行業(yè)性知識和企業(yè)業(yè)務(wù)知識上有所沉淀。

關(guān)于商業(yè)智能 BI 實時性處理的話題

商業(yè)智能BI 對數(shù)據(jù)的處理存在一定的滯后性，通常采用T 1模式，主要原因是ETL數(shù)據(jù)處理過程是需要有大量的時間損耗，通常是采用空間換時間的方式。

將以前按照商業(yè)智能BI 數(shù)據(jù)倉庫分層的ETL調(diào)度設(shè)計成可按單獨(dú)指標(biāo)并自動尋找依賴的調(diào)度就大大的增加了對個別指標(biāo)調(diào)度和準(zhǔn)實時處理的靈活性。

離線數(shù)據(jù)與實時處理針對的業(yè)務(wù)場景不同，背后的技術(shù)方式實現(xiàn)不同，資源投入也不同，了解它們之間的定位差異有助于選擇合適的方案以最小的資源投入達(dá)到企業(yè)既定完成商業(yè)智能BI 項目建設(shè)目標(biāo)。

移動BI_ERP數(shù)據(jù)分析_自助敏捷BI分析_數(shù)據(jù)可視化分析系統(tǒng)-派可數(shù)據(jù)