前不久在網(wǎng)上看到一個問題，商業(yè)智能BI和報表開發(fā)有什么本質區(qū)別，覺得很有意思，拿出來跟大家討論一下。實際上現(xiàn)在的商業(yè)智能BI和報表的邊界越來越模糊，都可以做可視化分析展現(xiàn)，也都可以實現(xiàn)中國式的二維報表，在前端展現(xiàn)能力上基本上已經(jīng)差別不大。當然，也仍然有一些在用報表的思維做商業(yè)智能BI，這樣的做法是無法響應未來日漸增長的業(yè)務分析需求的。我來講講他們之間本質的差別在哪里。

商業(yè)智能BI開發(fā)和報表開發(fā)的本質區(qū)別

商業(yè)智能BI開發(fā)和報表開發(fā)的本質區(qū)別就在于報表就是面向用戶報表開發(fā)，用戶提什么報表需求，就寫SQL取數(shù)形成數(shù)據(jù)集來支撐前端報表呈現(xiàn)。而商業(yè)智能BI是面向模型開發(fā)，通過構建一個合理的分析模型，可以支撐到N多的可視化分析展現(xiàn)。

?

商業(yè)孩子能BI開發(fā)和報表開發(fā)，這兩種方式可能在最終的展現(xiàn)效果上給到用戶看基本上都是一樣的，但差別就在于分析頁面的可擴展性和模型的可擴展性上，這背后實際上考慮的就是底層的數(shù)據(jù)架構、數(shù)據(jù)倉庫架構的設計上。

報表開發(fā)與商業(yè)智能BI開發(fā)有一個非常大的不同，大部分報表的設計開發(fā)容易忽略業(yè)務分析本身，報表驅動的。當用戶在報表上提出新的調整、業(yè)務計算口徑的調整、分析維度的調整，基本上相關的數(shù)據(jù)集都需要重新調整。并且在這里面會存在指標的重復計算、重復引用、維度的重復計算，甚至沒有統(tǒng)一的一致性維度。這樣就導致業(yè)務需求變更的時候，會產生大量的重復性工作。

?

而在商業(yè)智能BI項目建設中，前期根本就不會考慮最終的可視化展現(xiàn)效果，重點關注的第一用戶要分析什么，第二從什么樣的角度進行分析。商業(yè)智能BI項目中，分析什么指的就是分析指標，從什么樣的角度進行分析就是維度，分析指標和維度就可以構成一個完整的分析模型。至于用戶以后要怎么分析，實際上從成熟的分析模型中就可以找到相應的維度和指標。

商業(yè)智能BI分析

有的朋友也會問，如果商業(yè)智能BI項目中有些指標之前用戶考慮不完善，不在分析模型中，有些維度的屬性之前也不在后續(xù)需要增加進來，這種分析模型并不穩(wěn)定啊。

?

實際上，沒有百分之百完美的分析模型，分析模型也是會隨著用戶業(yè)務分析需求的擴展而擴展變化，重要的是一個合理的商業(yè)智能BI分析模型受到這種影響會比較小，少量快速的調整就可以支撐N多的分析，并且以往的分析成果也可以最大程度上不會受到影響。在商業(yè)智能BI里面有一套完整的建模方法論來支撐，核心的就是數(shù)據(jù)倉庫建模、維度建模、一致性維度等概念。

一般報表的開發(fā)過程，包括有的商業(yè)智能BI開發(fā)過程，一開始的時候就去寫SQL取數(shù)，形成大寬表把頁面給呈現(xiàn)出來。如果用戶要的不是這些效果，就又需要回頭組織SQL取數(shù)腳本，這樣基本上把注意力完全放在取數(shù)的過程，而沒有真正關注到用戶要的到底是什么，以后可能還會分析什么。

?

那么在我們的商業(yè)智能BI建設中，我們一開始的時候就不會做任何的取數(shù)動作，而是和用戶進行充分的需求溝通再來構建合理的、穩(wěn)健的分析模型，通過原型設計和用戶確認最終的可視化效果，沒有問題之后再進行取數(shù)的開發(fā)。這個其實就是Kimball 方法論中的從原型到模型，從模型到數(shù)據(jù)的開發(fā)方法論。只要掌握了方法論并進行了融合，就可以靈活應對各種業(yè)務增長需求。