大數(shù)據(jù)、數(shù)據(jù)中臺都是商業(yè)智能BI發(fā)展到一定階段的產(chǎn)物，核心都是圍繞數(shù)據(jù)，數(shù)據(jù)采集、數(shù)據(jù)處理能力、算力的提升催生了大數(shù)據(jù)，數(shù)據(jù)資產(chǎn)和數(shù)據(jù)服務(wù)催生了數(shù)據(jù)中臺，核心的數(shù)倉建模自商業(yè)智能BI一脈相承未曾改變，最終出口還是商業(yè)智能BI可視化。

緩慢被市場接受的商業(yè)智能BI

首先吐槽一下商業(yè)智能BI，商業(yè)智能BI這個名字一直都沒有取好，還有像數(shù)據(jù)倉庫，這些名詞非常的沒有想象力空間，很不直觀。也是經(jīng)過這么多年各個商業(yè)智能BI同行的共同努力才把可視化和商業(yè)智能BI緊密的掛鉤了，一講到商業(yè)智能BI就是可視化，一講到可視化就是商業(yè)智能BI，非常的不容易。

雖然這樣理解并不全面，但至少也算是有一個標(biāo)簽，讓商業(yè)智能容易了解。

?

大數(shù)據(jù)的爆火到數(shù)據(jù)中臺

2013年大數(shù)據(jù)的概念逐步在國內(nèi)開始火起來，央視也在天天宣傳，大數(shù)據(jù)的概念一度也非常的火熱。大數(shù)據(jù)開始搶我們商業(yè)智能BI的飯碗了，這個詞一出來就火了?；鸬绞裁闯潭?？我回老家，一個三四線的小縣城，朋友問我在北京忙啥，我說我在做商業(yè)智能BI的，搖頭不懂。我說商業(yè)智能BI啊，做可視化分析、經(jīng)營決策分析、出報表的。哦，會計，瞬間崩潰。

?

還好我聰明，也就不再去解釋商業(yè)智能BI，我說大數(shù)據(jù)你總歸懂吧！哦！你是做大數(shù)據(jù)的啊，懂了懂了。我心里想：我信你個鬼！

大家看到?jīng)]，相比商業(yè)智能BI，大數(shù)據(jù)這個詞很直觀，很容易讓人接受。

到現(xiàn)在中臺這兩個字，也比較直觀。不管什么架構(gòu)，中間搭個臺子，穩(wěn)穩(wěn)當(dāng)當(dāng)，承上啟下。到了商業(yè)智能BI，字面上就看不懂了，怎么個智能法，不太好解釋。數(shù)據(jù)倉庫，更是不懂，可能就是一個裝數(shù)據(jù)的大倉庫吧。

所以商業(yè)智能BI就感覺自己很憋屈，好不容易熬過大數(shù)據(jù)，剛剛舒服了一點，數(shù)據(jù)中臺又出來了。

花著數(shù)據(jù)中臺的錢，干著BI的活

其實從產(chǎn)品和技術(shù)架構(gòu)的角度，商業(yè)智能BI和大數(shù)據(jù)，商業(yè)智能BI和數(shù)據(jù)中臺是并不沖突的，也是完全可以互補的， 他們各自使用的場景和解決的問題并不一樣。

怕的就是企業(yè)花著大數(shù)據(jù)、數(shù)據(jù)中臺的錢，干的卻是商業(yè)智能BI的活。明明就是一個商業(yè)智能BI項目就可以解決的問題，硬生生的給自己套個中臺。企業(yè)自身的信息化水平可能就是一條石頭路，本來跑個汽車就可以了，非要弄條高鐵在上面跑，是跑不起來的。

商業(yè)智能BI、大數(shù)據(jù)與數(shù)據(jù)中臺的差異對比

我大概來說一下商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺他們彼此之間的邏輯關(guān)聯(lián)關(guān)系。

商業(yè)智能BI

先從商業(yè)智能BI來說，完整的商業(yè)智能BI解決方案就包括了底層的數(shù)據(jù)倉庫、ETL和前端的可視化報表，底層數(shù)據(jù)倉庫負責(zé)建模，ETL用來組織填充這些模型數(shù)據(jù)，這些模型數(shù)據(jù)供前端使用于是可視化報表就呈現(xiàn)了。ETL的調(diào)度通常是T+1，每天晚上同步一次，并且大部分情況下是處理結(jié)構(gòu)化的數(shù)據(jù)。

大數(shù)據(jù)

后來，因為數(shù)據(jù)量太大了，每天的數(shù)據(jù)處理要到幾百GB、TB級別的數(shù)據(jù)，并且越來越多的非結(jié)構(gòu)化的數(shù)據(jù)。這個時候商業(yè)智能BI的ETL就無力解決這些問題了。還有越來越多的實時數(shù)據(jù)采集要求，商業(yè)智能BI的傳統(tǒng)數(shù)據(jù)倉庫就扛不住了。于是大數(shù)據(jù)就來了，多節(jié)點并行處理各種結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)，各種離線的、實時的數(shù)據(jù)。

商業(yè)智能BI的傳統(tǒng)關(guān)系型數(shù)據(jù)倉庫就變成了大數(shù)據(jù)架構(gòu)下的數(shù)據(jù)倉庫，商業(yè)智能BI的前端可視化還是那個可視化，沒有變。并且大數(shù)據(jù)還是做了同樣的一件事情，就是：不管是大數(shù)據(jù)、還是小數(shù)據(jù)，都是把非結(jié)構(gòu)化不可分析的、結(jié)構(gòu)化不可分析的，變成結(jié)構(gòu)化可分析的數(shù)據(jù)支撐到商業(yè)智能BI來使用。

數(shù)據(jù)中臺

商業(yè)智能BI和大數(shù)據(jù)之后，現(xiàn)在又引發(fā)了新的幾個問題，數(shù)據(jù)越來越龐大，動輒幾十個業(yè)務(wù)系統(tǒng)、上百個系統(tǒng)，數(shù)據(jù)標(biāo)準(zhǔn)越發(fā)混亂了、越來越不統(tǒng)一了，于是就想著是不是得做下數(shù)據(jù)盤點，把數(shù)據(jù)當(dāng)作資產(chǎn)一樣來進行管理。

比如數(shù)據(jù)的分類、打標(biāo)簽，元數(shù)據(jù)管理、數(shù)據(jù)血緣、數(shù)據(jù)追溯，形成標(biāo)準(zhǔn)的分門別類的數(shù)據(jù)資產(chǎn)。這些數(shù)字資產(chǎn)、數(shù)據(jù)標(biāo)準(zhǔn)不僅僅是為商業(yè)智能BI中數(shù)據(jù)倉庫提供服務(wù)的，更多的是要對外提供服務(wù)，一種數(shù)據(jù)的服務(wù)，這就是數(shù)據(jù)服務(wù)。

?

比如用戶畫像、精準(zhǔn)營銷。以往商業(yè)智能BI數(shù)據(jù)倉庫做完清洗，數(shù)據(jù)推到前端可視化分析做展現(xiàn)就結(jié)束了?，F(xiàn)在在數(shù)據(jù)中臺中就不是這樣了，這些用戶畫像數(shù)據(jù)是可以封裝起來對外推送，提供給第三方的應(yīng)用，比如數(shù)據(jù)營銷、個性化推薦等等。是把中臺的數(shù)據(jù)賦予了對外服務(wù)的屬性。

同時，業(yè)務(wù)系統(tǒng)與業(yè)務(wù)系統(tǒng)之間的數(shù)據(jù)交換，各個底層的交換協(xié)議、傳輸協(xié)議、安全協(xié)議可能各不相同，那么在數(shù)據(jù)中臺中就可以通過數(shù)據(jù)服務(wù)進行系統(tǒng)之間數(shù)據(jù)交換的工作。推給第三方應(yīng)用、數(shù)據(jù)交換都是數(shù)據(jù)服務(wù)的一種形式，對外支持商業(yè)智能BI分析應(yīng)用，算不算是數(shù)據(jù)服務(wù)的一種，也算，商業(yè)智能BI從數(shù)據(jù)中臺調(diào)用需要分析的模型數(shù)據(jù)進行可視化分析展現(xiàn)。

商業(yè)智能BI、大數(shù)據(jù)和數(shù)據(jù)中臺的區(qū)別聯(lián)系

所以，傳統(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)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。

如果對商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺等內(nèi)容感興趣，歡迎關(guān)注作者，每天會持續(xù)更新干貨文章。