在近些年的時(shí)間里，相關(guān)的數(shù)字化技術(shù)、理念、應(yīng)用擴(kuò)散到各行各業(yè)，讓整個(gè)社會(huì)開(kāi)始進(jìn)行深層次的改變，也讓城市建設(shè)這種傳統(tǒng)的基礎(chǔ)建設(shè)開(kāi)始融合數(shù)字化，并利用數(shù)據(jù)結(jié)合數(shù)據(jù)中心、城市大腦等構(gòu)建新型基礎(chǔ)建設(shè)模式。

數(shù)據(jù)在這些年的時(shí)間中，也逐漸成長(zhǎng)為了個(gè)人、機(jī)構(gòu)、企業(yè)乃至國(guó)家的戰(zhàn)略資源，被很多人放到“新時(shí)代的石油”這一位置上。雖然這個(gè)說(shuō)法也引起了一些爭(zhēng)議，但更多只是討論數(shù)據(jù)和石油的差異性，卻并沒(méi)有多少人否認(rèn)數(shù)據(jù)的價(jià)值，這也足以說(shuō)明數(shù)據(jù)伴隨著數(shù)字化的成長(zhǎng)，已經(jīng)發(fā)展到了一個(gè)新的程度。

一、什么是商業(yè)智能BI？

數(shù)字化的普及應(yīng)用以及數(shù)據(jù)資產(chǎn)價(jià)值化的實(shí)現(xiàn)，使得各行各業(yè)的企業(yè)都開(kāi)始了數(shù)字化轉(zhuǎn)型的路徑，而商業(yè)智能BI則是在這種浪潮中發(fā)揮巨大作用的數(shù)據(jù)類技術(shù)解決方案。

很多人之前不了解商業(yè)智能BI，看到最近比較火熱就覺(jué)得商業(yè)智能BI發(fā)展時(shí)間不長(zhǎng)，其實(shí)不是這樣。商業(yè)智能BI能夠成為當(dāng)前商業(yè)世界中備受企業(yè)歡迎的數(shù)據(jù)類技術(shù)解決方案其實(shí)是有原因的，早在1958年，IBM研究員就將商業(yè)智能BI的早期形態(tài)定義為：“對(duì)事物相互關(guān)系的一種理解能力，并依靠這種能力去指導(dǎo)決策，以達(dá)到預(yù)期的目標(biāo)?！?/span>

在此之后，商業(yè)智能BI的概念并沒(méi)有停滯不前，而是隨著時(shí)間、技術(shù)的發(fā)展等不斷更新著自身定義和產(chǎn)品形態(tài)。直到2013年，在信息化和數(shù)字化的影響下，商業(yè)智能BI形成了一套現(xiàn)代化的概念，圍繞企業(yè)發(fā)展進(jìn)行擴(kuò)展，重新確定了商業(yè)智能BI的定義：“商業(yè)智能BI是一個(gè)概括性術(shù)語(yǔ)。它包含了應(yīng)用、基礎(chǔ)結(jié)構(gòu)、工具，以及提供信息訪問(wèn)和分析加以改進(jìn)、優(yōu)化決策表現(xiàn)的最佳實(shí)踐”

經(jīng)過(guò)數(shù)十年商業(yè)智能BI的發(fā)展，我們對(duì)當(dāng)前環(huán)境下主流的商業(yè)智能BI產(chǎn)品有了一個(gè)明確的定義，一種有三條，分別是：

第一，商業(yè)智能BI是一套完整的由數(shù)據(jù)倉(cāng)庫(kù)、查詢報(bào)表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案。

第二，商業(yè)智能BI可以將企業(yè)不同業(yè)務(wù)信息系統(tǒng)（ERP、CRM、OA）中的數(shù)據(jù)打通并進(jìn)行有效的整合。

第三，商業(yè)智能BI可以借助合適的查詢和分析工具快速準(zhǔn)確的提供可視化分析或報(bào)表，為企業(yè)提供決策支持。

商業(yè)智能BI一套完整的解決方案，其中有很多不同的功能模塊，能夠讓企業(yè)實(shí)現(xiàn)多種多樣的效果，例如商業(yè)智能BI可以根據(jù)企業(yè)業(yè)務(wù)數(shù)據(jù)的不同流程劃分為三個(gè)層次：

第一層，可視化分析展現(xiàn)層?- 可視化分析展現(xiàn)層也就是商業(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?- 數(shù)據(jù)模型層也就是常說(shuō)的商業(yè)智能BI數(shù)據(jù)倉(cāng)庫(kù)，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(jì)算規(guī)則向數(shù)據(jù)計(jì)算規(guī)則的轉(zhuǎn)變。

第三層，數(shù)據(jù)源層?- 數(shù)據(jù)源層也就是商業(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(kù)的數(shù)據(jù)通過(guò)ETL抽取到商業(yè)智能BI的數(shù)據(jù)倉(cāng)庫(kù)中，建模分析等等，最終支撐到前端的可視化分析展現(xiàn)。

二、商業(yè)智能BI在企業(yè)IT信息化中的位置

商業(yè)智能BI在企業(yè)中主要承擔(dān)承上啟下的責(zé)任，圍繞數(shù)據(jù)形成了一整套數(shù)據(jù)戰(zhàn)略體系，同時(shí)也是企業(yè)信息化建設(shè)中重要的一部分，可以說(shuō)是企業(yè)進(jìn)行信息化建設(shè)或者數(shù)字化轉(zhuǎn)型前必須進(jìn)行布署規(guī)劃的一環(huán)。

一般來(lái)說(shuō)，企業(yè)的信息化建設(shè)具有通用性，所以可以把大部分的企業(yè)的 IT 信息化分為兩個(gè)階段：一個(gè)是業(yè)務(wù)信息化，一個(gè)是數(shù)據(jù)信息化。這樣對(duì)比講，一般的用戶更容易理解一些。

?

業(yè)務(wù)信息化?- 企業(yè)使用的ERP、CRM、OA、自建的業(yè)務(wù)系統(tǒng)等，業(yè)務(wù)系統(tǒng)的建設(shè)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管理企業(yè)的業(yè)務(wù)流程，通過(guò)規(guī)范化、標(biāo)準(zhǔn)化、線上化，來(lái)提高業(yè)務(wù)運(yùn)轉(zhuǎn)效率、降低企業(yè)人力、時(shí)間、精力等成本，為商業(yè)智能BI的建設(shè)打下數(shù)據(jù)基礎(chǔ)，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(tīng)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(yíng)管理，從經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)，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。

?

信息化建設(shè)具有連貫性，沒(méi)有業(yè)務(wù)系統(tǒng)的建設(shè)，就不會(huì)有數(shù)據(jù)的沉淀，而沒(méi)有數(shù)據(jù)的沉淀，就沒(méi)有建設(shè)商業(yè)智能 BI 的基礎(chǔ)。同時(shí)，商業(yè)智能 BI 的建設(shè)能夠反向推動(dòng)業(yè)務(wù)信息化的建設(shè)，提高數(shù)據(jù)的質(zhì)量。

業(yè)務(wù)信息化的主要使用形式?- 表單式的、以業(yè)務(wù)用戶錄入為主、數(shù)據(jù)的增刪改操作居多，是對(duì)業(yè)務(wù)過(guò)程數(shù)據(jù)、業(yè)務(wù)流程進(jìn)行管理的軟件系統(tǒng)，可以對(duì)業(yè)務(wù)流程進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化處理。

數(shù)據(jù)信息化的主要使用形式?- 例如商業(yè)智能BI主要是對(duì)業(yè)務(wù)結(jié)果數(shù)據(jù)進(jìn)行整體信息呈現(xiàn)和局部深度分析，旨在打通ERP、OA、CRM等業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，跨業(yè)務(wù)、跨系統(tǒng)整合數(shù)據(jù)。

三、誰(shuí)是商業(yè)智能BI的主要用戶？

業(yè)務(wù)信息化的主要使用對(duì)象?- 一線業(yè)務(wù)執(zhí)行層，更多是從業(yè)務(wù)視角出發(fā)，錄入數(shù)據(jù)、記錄流程、查看業(yè)務(wù)信息。

數(shù)據(jù)信息化的主要使用對(duì)象?- 管理決策層，更多的是從管理視角通過(guò)商業(yè)智能BI可視化分析去定位問(wèn)題、分析問(wèn)題，最終形成業(yè)務(wù)決策。

兩個(gè)細(xì)節(jié)要點(diǎn)：

第一，沒(méi)有任何一個(gè)管理決策層、領(lǐng)導(dǎo)會(huì)沒(méi)事打開(kāi)財(cái)務(wù)系統(tǒng)看財(cái)務(wù)數(shù)據(jù)，打開(kāi) OA 系統(tǒng)看看合同信息，高層領(lǐng)導(dǎo)不會(huì)看這些明細(xì)數(shù)據(jù)細(xì)節(jié)，也不會(huì)進(jìn)到各個(gè)系統(tǒng)里面去看。也就是說(shuō)，業(yè)務(wù)信息化不是給這一層領(lǐng)導(dǎo)來(lái)使用的。

第二，管理決策層是不是一定是指的企業(yè)最高層的領(lǐng)導(dǎo)，不見(jiàn)得，可以是企業(yè)各個(gè)組織層次中帶有管理決策屬性的人員，這些管理決策人員都可以通過(guò)商業(yè)智能BI提供決策支持。

四、數(shù)據(jù)孤島到底說(shuō)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(wèn)的數(shù)據(jù)集，比如企業(yè)不同部門、不同業(yè)務(wù)信息系統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)往往無(wú)法互通，只能在各自數(shù)據(jù)庫(kù)中儲(chǔ)存，無(wú)法統(tǒng)一進(jìn)行利用，沒(méi)有針對(duì)企業(yè)整體的全局視角。這樣一來(lái)，每個(gè)部門、每個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)都相互分隔，就像海外一座座孤島，彼此無(wú)法連接，無(wú)法交流，這就是平時(shí)經(jīng)常聽(tīng)到的數(shù)據(jù)孤島。

根據(jù)之前我們提到的商業(yè)智能BI定義就能明白，商業(yè)智能BI可以打破數(shù)據(jù)孤島，將企業(yè)各部門的業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)統(tǒng)一存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)，后續(xù)可以直接在數(shù)據(jù)倉(cāng)庫(kù)中全面訪問(wèn)企業(yè)數(shù)據(jù)，并借助數(shù)據(jù)可視化制作形成的管理駕駛艙、集團(tuán)看板、核心KPI指標(biāo)等，以全局視角俯瞰整個(gè)企業(yè)。

在介紹商業(yè)智能BI的時(shí)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(duì)他們也沒(méi)有影響，所以不用解決，其根本原因是沒(méi)有把握商業(yè)智能BI真正的服務(wù)對(duì)象。

五、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(guò)訪問(wèn)和連接業(yè)務(wù)系統(tǒng)數(shù)據(jù)源數(shù)據(jù)庫(kù)的方式來(lái)進(jìn)行取數(shù)的，不管是什么樣類型的數(shù)據(jù)庫(kù)，商業(yè)智能BI通過(guò)ETL連接數(shù)據(jù)庫(kù)抽取業(yè)務(wù)系統(tǒng)原表數(shù)據(jù)到數(shù)據(jù)倉(cāng)庫(kù)中加工處理，最后支撐到前端的可視化分析報(bào)表展現(xiàn)。

之前有朋友這么提問(wèn)的：數(shù)據(jù)源層是需要開(kāi)發(fā)接口嗎？

這是回答：

一般不需要，基本上這么提問(wèn)的都是經(jīng)歷過(guò)軟件系統(tǒng)的接口對(duì)接，軟件系統(tǒng)的接口對(duì)接是因?yàn)橛械臉I(yè)務(wù)軟件是 JAVA 開(kāi)發(fā)的，有的是 .NET 開(kāi)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(kāi)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?jiǎng)哟a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(wú)關(guān)的，是只需要訪問(wèn)和連接業(yè)務(wù)系統(tǒng)背后的數(shù)據(jù)庫(kù)就可以的，直接從數(shù)據(jù)庫(kù)取數(shù)，因此是不需要軟件接口，或者沒(méi)有軟件接口訪問(wèn)這種概念的。

除非一種情況，這個(gè)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(guò)軟件對(duì)外開(kāi)放的 API 接口取數(shù)了。

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

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(chǎng)景，底層的數(shù)據(jù)倉(cāng)庫(kù)就升級(jí)為大數(shù)據(jù)的數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)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(cāng)庫(kù)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(diǎn)、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(tái)中按照一定規(guī)則處理好的數(shù)據(jù)打包對(duì)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(cāng)庫(kù)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(tái)的幾大核心。

數(shù)據(jù)中臺(tái)的底子是大數(shù)據(jù)架構(gòu)，數(shù)據(jù)倉(cāng)庫(kù)是傳統(tǒng)商業(yè)智能BI數(shù)據(jù)倉(cāng)庫(kù)的大數(shù)據(jù)升級(jí)，而商業(yè)智能BI就變成了數(shù)據(jù)中臺(tái)之上的應(yīng)用層，利用中臺(tái)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(tái)這三者的關(guān)系和在不同數(shù)據(jù)場(chǎng)景、服務(wù)場(chǎng)景下的演變過(guò)程，看明白了這個(gè)過(guò)程，應(yīng)該就不會(huì)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(tái)應(yīng)該選擇哪個(gè)，其實(shí)說(shuō)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(méi)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。

七、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(bào)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(shí)間精力去了解企業(yè)整體的發(fā)展情況。

?

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

1.商業(yè)智能 BI 就是報(bào)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(gè)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(cāng)庫(kù)沒(méi)有關(guān)系。

4.有了商業(yè)智能BI就不需要數(shù)據(jù)倉(cāng)庫(kù)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(dòng)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(cāng)庫(kù)。

首先簡(jiǎn)要糾正一下對(duì)于這些問(wèn)題的理解。

1、商業(yè)智能 BI 就是報(bào)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(cāng)庫(kù)、數(shù)據(jù)分析、數(shù)據(jù)報(bào)表等組成的數(shù)據(jù)技術(shù)類的解決方案，在一個(gè) BI 項(xiàng)目中，20% 的時(shí)間做前端分析報(bào)表，80% 的時(shí)間都在底層數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)、ETL 的開(kāi)發(fā)、取數(shù)開(kāi)發(fā)等工作。

所以可視化報(bào)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(gè)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(lái)講只能解決 商業(yè)智能BI 的一部分，即可視化分析。但其實(shí) 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(gè)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(lái)講只能定位于個(gè)人和部門級(jí)，和企業(yè)級(jí)的商業(yè)智能BI 有很大的不同，所以單純的上一個(gè)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(shuō)商業(yè)智能BI就是業(yè)務(wù)驅(qū)動(dòng)，商業(yè)智能BI就是 BI，跟數(shù)據(jù)倉(cāng)庫(kù)沒(méi)有關(guān)系。

這個(gè)問(wèn)題很有深度，在以前我也這么認(rèn)為過(guò)，總覺(jué)得有了商業(yè)智能BI就不需要數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)。

在企業(yè)級(jí)的商業(yè)智能BI項(xiàng)目建設(shè)中，真正能做到完全靠業(yè)務(wù)人員簡(jiǎn)單拖拉拽一些就能隨便實(shí)現(xiàn)數(shù)據(jù)可視化分析，至少在我個(gè)人從業(yè)的十幾年工作經(jīng)驗(yàn)中，95%以上的企業(yè)都做不到。我服務(wù)過(guò)的重點(diǎn)企業(yè)包括：SHP（ Security Health Plan )、微軟（中國(guó)）、微軟（美國(guó)）、VWFC（ 大眾金融 ）等。

VWFC 做的算是非常不錯(cuò)的，少有的業(yè)務(wù)人員自己動(dòng)手做很多報(bào)表，線上跑了幾千張報(bào)表。為什么？ 因?yàn)榈讓訑?shù)據(jù)倉(cāng)庫(kù)就搭建了很多年，底層數(shù)據(jù)架構(gòu)相對(duì)比較規(guī)范。Business Driven 業(yè)務(wù)驅(qū)動(dòng)，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(cāng)庫(kù)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(jì)算等等統(tǒng)統(tǒng)都是 IT 部門來(lái)維護(hù)。

2） 業(yè)務(wù)人員通過(guò)培訓(xùn)要熟練掌握商業(yè)智能BI前端報(bào)表工具的使用，要很懂放出來(lái)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(méi)有問(wèn)題，第 1）條直接弄個(gè)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(shí)候，商業(yè)智能BI工具使用起來(lái)很簡(jiǎn)單，但是一旦到實(shí)際的企業(yè) 商業(yè)智能BI 項(xiàng)目開(kāi)發(fā)就發(fā)現(xiàn)寸步難行。因?yàn)榕嘤?xùn)的時(shí)候，給出的數(shù)據(jù)表都是經(jīng)過(guò)選擇的，永遠(yuǎn)都是質(zhì)量很高的、規(guī)范的只需要簡(jiǎn)單左表連右表例如銷售訂單表、訂單明細(xì)表，自然很容易把可視化報(bào)表給實(shí)現(xiàn)出來(lái)。

但是在實(shí)際企業(yè) 商業(yè)智能BI 項(xiàng)目分析中，分析指標(biāo)的計(jì)算規(guī)則絕非簡(jiǎn)單幾張表關(guān)聯(lián)就可以解決的，不信的話可以挑戰(zhàn)一下一個(gè)實(shí)際的指標(biāo)計(jì)算邏輯：挑戰(zhàn)一個(gè) ETL 數(shù)據(jù)清洗的小案例 在數(shù)據(jù)庫(kù)中就一張數(shù)據(jù)表，數(shù)據(jù)理解起來(lái)也很簡(jiǎn)單，但很多 商業(yè)智能BI 開(kāi)發(fā)人員做起來(lái)也需要廢很大的精力，就更別談業(yè)務(wù)人員自助 商業(yè)智能BI 分析了。

八、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 到底是什么？技術(shù)？產(chǎn)品？還是其它？我們把對(duì)于 BI 的理解再提升一個(gè)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(gè)怎么來(lái)理解呢？簡(jiǎn)單來(lái)說(shuō)，就是在可視化報(bào)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(diǎn)關(guān)注的企業(yè)經(jīng)營(yíng)性的分析指標(biāo)，也有某具體部門的。

九、商業(yè)智能BI 和數(shù)據(jù)倉(cāng)庫(kù) Data Warehouse 有什么區(qū)別和聯(lián)系？

經(jīng)常會(huì)碰到有人問(wèn)商業(yè)智能BI和數(shù)據(jù)倉(cāng)庫(kù)有什么區(qū)別，實(shí)際上這個(gè)問(wèn)題的背后能反映出來(lái)一些朋友對(duì)商業(yè)智能BI的理解還是有些不準(zhǔn)確和偏差，這個(gè)問(wèn)題實(shí)際上從概念上把BI和數(shù)據(jù)倉(cāng)庫(kù)人為的割裂了。這種情況其實(shí)也比較正常，因?yàn)榇蠹覍?duì)商業(yè)智能BI的第一印象就是各種炫酷的可視化圖表、報(bào)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(duì)BI的認(rèn)知就停留在可視化這部分了。

準(zhǔn)確的來(lái)說(shuō)，商業(yè)智能BI不僅僅包含前端可視化分析、報(bào)表展現(xiàn)的能力，更包含了底層數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)過(guò)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(lái)自不同企業(yè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)提取有分析價(jià)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(guò)程，最終合并到一個(gè)數(shù)據(jù)倉(cāng)庫(kù)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(gè)基礎(chǔ)上再利用合適的分析展現(xiàn)工具來(lái)形成各種可視化的分析報(bào)表為企業(yè)的管理決策層提供數(shù)據(jù)決策支撐。

?

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(jí)的還是個(gè)人和部門的分析工作。如果是個(gè)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(gè)企業(yè)級(jí)的商業(yè)智能BI項(xiàng)目，就不能只關(guān)注前端可視化分析能力這個(gè)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(cāng)庫(kù)這個(gè)層面。

十、數(shù)據(jù)倉(cāng)庫(kù)的建模方法論 Kimball vs Inmon 以及混合架構(gòu)

數(shù)據(jù)倉(cāng)庫(kù)建模時(shí)商業(yè)智能BI項(xiàng)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(cāng)庫(kù)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。

十一、實(shí)際開(kāi)展一個(gè) BI 項(xiàng)目的時(shí)候?qū)τ谛枨蟮穆涞氐姆椒ㄕ?/span>

商業(yè)智能BI是一個(gè)完全需求驅(qū)動(dòng)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(diǎn)，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(huì)關(guān)注的重點(diǎn)，都需要提前梳理一遍。在腦海里把整個(gè)業(yè)務(wù)框架給建立起來(lái)，反復(fù)的演練。

十二、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(méi)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(guò)商業(yè)智能BI來(lái)提升業(yè)務(wù)管理、決策支撐的效率。

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

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

這里只是一個(gè)簡(jiǎn)單的匯報(bào)框架，還有很多點(diǎn)可以往里面加。比如圍繞行業(yè)講一下行業(yè)驅(qū)動(dòng)因素跟?商業(yè)智能BI?如何結(jié)合的；從企業(yè)經(jīng)營(yíng)管理角度，企業(yè)愿景到 CSF 到 KPI 到績(jī)效是如何分解和重新組織的；比如財(cái)務(wù)視角下的歸因分析；金字塔的管理模型；動(dòng)態(tài)指標(biāo)庫(kù)構(gòu)成原理等等都可以有所選擇的進(jìn)行融入和說(shuō)明。

十四、商業(yè)智能BI項(xiàng)目行業(yè)和業(yè)務(wù)知識(shí)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(shí)，不結(jié)合行業(yè)業(yè)務(wù)知識(shí)，商業(yè)智能BI的項(xiàng)目是很難落地的。商業(yè)智能BI的本質(zhì)其實(shí)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(guò)商業(yè)智能BI去看報(bào)表，他們看的是什么，重點(diǎn)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(yíng)管理的重點(diǎn)。

?

在商業(yè)智能BI項(xiàng)目上看上去零零散散的報(bào)表，在實(shí)際用戶眼里其實(shí)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(bào)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(guò)程數(shù)據(jù)。

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

十五、關(guān)于商業(yè)智能 BI 實(shí)時(shí)性處理的話題

商業(yè)智能BI 對(duì)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(guò)程是需要有大量的時(shí)間損耗，通常是采用空間換時(shí)間的方式。

將以前按照商業(yè)智能BI 數(shù)據(jù)倉(cāng)庫(kù)分層的ETL調(diào)度設(shè)計(jì)成可按單獨(dú)指標(biāo)并自動(dòng)尋找依賴的調(diào)度就大大的增加了對(duì)個(gè)別指標(biāo)調(diào)度和準(zhǔn)實(shí)時(shí)處理的靈活性。

離線數(shù)據(jù)與實(shí)時(shí)處理針對(duì)的業(yè)務(wù)場(chǎng)景不同，背后的技術(shù)方式實(shí)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(xiàng)目建設(shè)目標(biāo)。