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

BI 能解決的企業(yè)問題

數(shù)據(jù)是企業(yè)的重要資產(chǎn)，也是企業(yè)商業(yè)智能BI的核心要求。通常，企業(yè)的數(shù)據(jù)存在于各部門的業(yè)務(wù)信息系統(tǒng)數(shù)據(jù)庫中，這些數(shù)據(jù)庫相互隔離，難以互通，并且因?yàn)闃I(yè)務(wù)流程的復(fù)雜性、員工的差異性等，如果沒有形成規(guī)范的數(shù)據(jù)培養(yǎng)機(jī)制，其本身數(shù)據(jù)質(zhì)量也很一般。

商業(yè)智能BI作為數(shù)據(jù)類技術(shù)解決方案，數(shù)據(jù)管理、數(shù)據(jù)治理、數(shù)據(jù)優(yōu)化培養(yǎng)的功能模塊自然存在。通過商業(yè)智能BI數(shù)據(jù)倉庫，企業(yè)可以將打通各部門系統(tǒng)數(shù)據(jù)庫，經(jīng)過ETL處理數(shù)據(jù)后，建立分類分級制度，并通過指標(biāo)、標(biāo)簽劃分?jǐn)?shù)據(jù)屬性，建立數(shù)據(jù)字典，讓企業(yè)擁有高質(zhì)量的數(shù)據(jù)，高價值的數(shù)據(jù)資產(chǎn)。

此外，想要讓企業(yè)的數(shù)據(jù)真正流通起來，持續(xù)進(jìn)行優(yōu)化，保持高質(zhì)量的數(shù)據(jù)基礎(chǔ)，需要商業(yè)智能BI通過閉環(huán)的業(yè)務(wù)流程進(jìn)行數(shù)據(jù)的培養(yǎng)。這個過程就是增強(qiáng)的商業(yè)智能BI數(shù)據(jù)可視化分析，通過數(shù)據(jù)可視化分析，企業(yè)可以為企業(yè)不同層級員工提供銷售分析、市場分析、核心KPI分析等，讓數(shù)據(jù)才業(yè)務(wù)層面發(fā)揮作用，為業(yè)務(wù)發(fā)展、管理決策提供信息支撐，并通過數(shù)據(jù)流通持續(xù)提高數(shù)據(jù)質(zhì)量和數(shù)據(jù)資產(chǎn)的價值化。

在眾多報表業(yè)務(wù)分析中，商業(yè)智能BI之所以能脫穎而出，其中一個原因就是商業(yè)智能BI擁有全方位的業(yè)務(wù)分析，可以全面展現(xiàn)企業(yè)的整體的發(fā)展?fàn)顩r，并根據(jù)這些數(shù)據(jù)、信息制作可視化報表，例如管理駕駛艙、KPI核心指標(biāo)、企業(yè)關(guān)鍵信息看板等，幫助企業(yè)管理人員獲得更高層次的洞察力，提高企業(yè)業(yè)務(wù)決策的實(shí)時性和準(zhǔn)確性。

BI 不擅長領(lǐng)域

1、數(shù)據(jù)源頭的數(shù)據(jù)質(zhì)量問題

數(shù)據(jù)源頭的數(shù)據(jù)質(zhì)量問題BI是無法解決的，BI能解決的只是將數(shù)據(jù)源頭的數(shù)據(jù)拉入到BI數(shù)據(jù)倉庫中，通過ETL完成數(shù)據(jù)的合并、清洗、治理工作，將不規(guī)范的、不可分析的數(shù)據(jù)變成規(guī)范的、可分析的數(shù)據(jù)形式支撐前端可視化分析。

比如我們經(jīng)常見到的在一些企業(yè)，信息化系統(tǒng)的規(guī)劃都是分階段進(jìn)行的，不同的系統(tǒng)不同的部門在使用，由于缺乏一定的提前統(tǒng)一規(guī)范，再加上不同的業(yè)務(wù)部門使用不同的系統(tǒng)比如對產(chǎn)品編碼、供應(yīng)商檔案信息的維護(hù)不一致，結(jié)果就造成在BI取數(shù)建模的時候就不知道到底以哪一套系統(tǒng)的維度檔案數(shù)據(jù)為主，就需要花費(fèi)大量的時間、精力來處理這類數(shù)據(jù)的合并、臟數(shù)據(jù)的剔除等開發(fā)工作。

所以，對于這些數(shù)據(jù)質(zhì)量的控制、臟數(shù)據(jù)的清洗都后置到BI層面來處理了。如果要前置處理的話，就需要依賴主數(shù)據(jù)系統(tǒng)、數(shù)據(jù)治理系統(tǒng)在數(shù)據(jù)源頭上做處理控制，建立統(tǒng)一的主數(shù)據(jù)檔案信息，所有的維度檔案都統(tǒng)一由主數(shù)據(jù)系統(tǒng)控制，再分發(fā)到各個業(yè)務(wù)系統(tǒng)建立統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)。

或者在規(guī)劃建設(shè)每一個業(yè)務(wù)信息化系統(tǒng)的時候建立數(shù)據(jù)檔案標(biāo)準(zhǔn)，遵循一定的數(shù)據(jù)規(guī)則，這也是數(shù)據(jù)質(zhì)量、數(shù)據(jù)檔案信息、數(shù)據(jù)規(guī)范的前置。所以這一類的數(shù)據(jù)處理要么前置到上BI之前來解決，要么后置到BI層面來處理。但在BI層面來處理，BI 就只能對往外輸出的數(shù)據(jù)質(zhì)量做控制，是無法逆向回溯到數(shù)據(jù)源頭解決數(shù)據(jù)源頭的數(shù)據(jù)質(zhì)量、數(shù)據(jù)標(biāo)準(zhǔn)問題。

2、BI下游輸出問題

剛才講到的是BI的上游數(shù)據(jù)問題，再來談?wù)凚I的下游往外輸出的問題，比如最開始提到的要做一些用戶分群、做一些精準(zhǔn)營銷，比如在市場營銷領(lǐng)域的 MarTech。實(shí)際上它的處理流程也是采集各類內(nèi)部系統(tǒng)、外部環(huán)境的數(shù)據(jù)做加工處理，按照一定的邏輯計(jì)算規(guī)則構(gòu)建一些模型，再根據(jù)一定的場景來使用這些數(shù)據(jù)做一些營銷工作，這部分目前也不是BI所擅長的。

BI 的定位剛才也已經(jīng)講過是在內(nèi)部數(shù)據(jù)倉庫建完分析模型的時候，對前端可視化分析負(fù)責(zé)。也就是說到前端可視化這個層面就結(jié)束了，不會介入到后續(xù)的業(yè)務(wù)流程處理上，比如營銷推廣就是一種業(yè)務(wù)流程處理過程。但是實(shí)際上看看剛才的數(shù)據(jù)處理過程，和BI的ETL過程也都是非常類似的，都需要采集各類數(shù)據(jù)庫、接口的不管是外部的還內(nèi)部的數(shù)據(jù)，也都需要進(jìn)行非常復(fù)雜的數(shù)據(jù)處理，建立模型。

?