當(dāng)今數(shù)字化時(shí)代，企業(yè)會用到各個(gè)業(yè)務(wù)系統(tǒng)，我們對數(shù)據(jù)管理，數(shù)據(jù)匯總已不再陌生，管理者越來越認(rèn)識到數(shù)據(jù)資產(chǎn)的重要性，那為什么，有了這么多業(yè)務(wù)系統(tǒng)，還要商業(yè)智能BI呢？

存在的就是合理的，存在的就有它存在的價(jià)值，商業(yè)智能BI自然是有業(yè)務(wù)系統(tǒng)所不具備的功能。因?yàn)楦鱾€(gè)業(yè)務(wù)系統(tǒng)都是服務(wù)于一線業(yè)務(wù)人員的，不是給管理者看的，管理者不需要事無巨細(xì)的看到各個(gè)經(jīng)營數(shù)據(jù)，他們需要的整體市場和企業(yè)的經(jīng)營管理，顯然業(yè)務(wù)系統(tǒng)不是給他們準(zhǔn)備的，此時(shí)就是商業(yè)智能BI大展身手的機(jī)會了。

一、商業(yè)智能BI是什么？

簡單來說，商業(yè)智能BI指的就是主要由數(shù)據(jù)倉庫、數(shù)據(jù)分析、查詢報(bào)表、數(shù)據(jù)可視化組成的數(shù)據(jù)類技術(shù)解決方案，可以將海量雜亂的數(shù)據(jù)轉(zhuǎn)化為可用的信息，滿足企業(yè)不同人群對數(shù)據(jù)查詢、數(shù)據(jù)分析和數(shù)據(jù)挖掘的需求，從而為業(yè)務(wù)和管理人員提供信息支撐，促進(jìn)業(yè)務(wù)發(fā)展，輔助進(jìn)行決策。

對于企業(yè)來說，商業(yè)智能BI的功能非常豐富，可以有效解決企業(yè)在處理數(shù)據(jù)相關(guān)流程時(shí)遇到的問題。當(dāng)然除了各種功能模塊，商業(yè)智能BI主要負(fù)責(zé)實(shí)現(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)，利用數(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，從而為管理和業(yè)務(wù)提供數(shù)據(jù)依據(jù)和決策支持。

商業(yè)智能BI已經(jīng)有了數(shù)十年的發(fā)展歷程，期間不斷更迭的概念理論以及產(chǎn)品形態(tài)為現(xiàn)今成熟的商業(yè)智能BI產(chǎn)品打下了良好的根基。2013年商業(yè)智能BI最新的定義“商業(yè)智能BI是一個(gè)概括性術(shù)語。它包含了應(yīng)用、基礎(chǔ)結(jié)構(gòu)、工具，以及提供信息訪問和分析加以改進(jìn)、優(yōu)化決策表現(xiàn)的最佳實(shí)踐”，基本上就是當(dāng)前商業(yè)智能BI的形態(tài)。

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，也有了基本的形態(tài)，大概有三條，分別是：

第一，商業(yè)智能BI是一套完整的由數(shù)據(jù)倉庫、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。

二、商業(yè)智能BI在企業(yè)IT信息化中的位置

我們都知道，目前被各行各業(yè)企業(yè)廣泛應(yīng)用的業(yè)務(wù)信息系統(tǒng)就是企業(yè)IT信息化的初級階段，也可以說是信息化建設(shè)中的底層位置，主要負(fù)責(zé)對業(yè)務(wù)流程進(jìn)行信息化改造，再進(jìn)行線上化、規(guī)范化、標(biāo)準(zhǔn)化的基礎(chǔ)上提效降本，并在系統(tǒng)數(shù)據(jù)庫中沉淀大量數(shù)據(jù)。

那么這些數(shù)據(jù)應(yīng)該如何應(yīng)用呢？這就到了商業(yè)智能BI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，一方面有效整合下層的各部門業(yè)務(wù)系統(tǒng)數(shù)據(jù)，另一方面將數(shù)據(jù)輸出實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)價(jià)值化。就這樣圍繞數(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，在數(shù)字化轉(zhuǎn)型企業(yè)中應(yīng)用也非常廣泛。?

企業(yè)的IT信息化建設(shè)可以分為兩個(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(shí)間、精力等成本，是業(yè)務(wù)管理思路的體現(xiàn)，也是現(xiàn)代常見的企業(yè)管理內(nèi)容。

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，從經(jīng)驗(yàn)驅(qū)動到數(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。

信息化建設(shè)具有連貫性，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，就沒有建設(shè)商業(yè)智能 BI 的基礎(chǔ)。同時(shí)，商業(yè)智能 BI 的建設(shè)能夠反向推動業(yè)務(wù)信息化的建設(shè)，優(yōu)化業(yè)務(wù)流程的同時(shí)提高數(shù)據(jù)的質(zhì)量。

三、誰是商業(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象：管理決策層，更多的是從管理視角通過商業(yè)智能BI可視化分析去定位問題、分析問題，最終形成業(yè)務(wù)決策。

兩個(gè)細(xì)節(jié)要點(diǎn)：

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

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商業(yè)智能BI提供決策支持。

四、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，比如企業(yè)不同部門、不同業(yè)務(wù)信息系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)往往無法互通，只能在各自數(shù)據(jù)庫中儲存，無法統(tǒng)一進(jìn)行利用，沒有針對企業(yè)整體的全局視角。這樣一來，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，彼此無法連接，無法交流，這就是平時(shí)經(jīng)常聽到的數(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)庫中的數(shù)據(jù)統(tǒng)一存儲在數(shù)據(jù)倉庫，后續(xù)可以直接在數(shù)據(jù)倉庫中全面訪問企業(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。

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(bào)表展現(xiàn)。

之前看到過有朋友提出了一個(gè)問題，他說數(shù)據(jù)源層是需要開發(fā)接口嗎？簡單說明一下，一般不需要，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?yàn)橛械臉I(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，這種接口是需要通過代碼實(shí)現(xiàn)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(gè)業(yè)務(wù)系統(tǒng)是公有云，純SAAS模式，這種情況下沒有辦法實(shí)現(xiàn)直接取數(shù)，就只能通過軟件對外開放的 API 接口取數(shù)了。

六、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？

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(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(gè)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(gè)，其實(shí)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。

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(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(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)倉庫、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)倉庫的設(shè)計(jì)、ETL 的開發(fā)、取數(shù)開發(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)格來講只能定位于個(gè)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(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。

八、報(bào)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(gè)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(shí)現(xiàn)也都需要手寫，要實(shí)現(xiàn)一個(gè)表單內(nèi)數(shù)據(jù)的點(diǎn)擊編輯和修改需要自己用 JS DOM 操作。做報(bào)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(bào)表樣式很原生很丑陋，稍微復(fù)雜一點(diǎn)的表格報(bào)表樣式都需要用 JS 來調(diào)整。

那個(gè)時(shí)候用過的報(bào)表像 Crystal Report 水晶報(bào)表、潤乾報(bào)表等等，在前端腳本語言中有標(biāo)簽直接可以引用，報(bào)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(gè)階段大概在什么時(shí)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(bào)表標(biāo)簽帖子。

像老一批報(bào)表還有像金峰報(bào)表 Jreport、思達(dá)報(bào)表 StyleReport 等等在國內(nèi)也有一定的市場。早在 2010 年之前，有些報(bào)表廠商的收入規(guī)模就已經(jīng)突破了一個(gè)億，說明基礎(chǔ)報(bào)表這個(gè)市場還是非常不錯(cuò)的。

那個(gè)時(shí)候的報(bào)表定位是什么，就是純粹的 Report 報(bào)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(bào)表，實(shí)際上就是用在各個(gè)業(yè)務(wù)軟件系統(tǒng)之中的報(bào)表展示，還遠(yuǎn)遠(yuǎn)沒有到 商業(yè)智能BI分析這個(gè)層面。

并且還有大量的軟件開發(fā)廠商實(shí)際上已經(jīng)具備了很強(qiáng)的報(bào)表能力，不過這些報(bào)表能力并沒有單獨(dú)拿出來作為報(bào)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(gè)階段，報(bào)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(bào)表展現(xiàn)能力也就和傳統(tǒng)報(bào)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(shí)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(xiàng)目都是拿報(bào)表思維去實(shí)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(diǎn)決定了一個(gè) 商業(yè)智能BI 項(xiàng)目的最終走向，后面會具體講到這些點(diǎn)。

九、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)怎么來理解呢？簡單來說，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)營性的分析指標(biāo)，也有某具體部門的。

十、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(shí)際上這個(gè)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(gè)問題實(shí)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(shí)也比較正常，因?yàn)榇蠹覍?/span>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(bào)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(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過程，最終合并到一個(gè)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(gè)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(bào)表為企業(yè)的管理決策層提供數(shù)據(jù)決策支撐。

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(bào)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(gè)商業(yè)智能BI項(xiàng)目解決方案中起到的是一個(gè)承上啟下的作用。如果把商業(yè)智能BI比作是一個(gè)人的話，上半身特別是臉這個(gè)部分就是顏值，下半身腳踏實(shí)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(bào)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(gè)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(gè)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(gè)看法實(shí)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(xiàng)目建設(shè)有一個(gè)特點(diǎn)，是一個(gè)螺旋式上升的建設(shè)過程。因?yàn)閷拥臉I(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(gè)時(shí)候沒有一個(gè)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。

就像去中藥店抓藥一樣，之所以抓藥很快，是因?yàn)樵谧ニ幥?，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?yàn)閷?/span>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(xiàng)目建設(shè)上一些方向性的錯(cuò)誤，最后s導(dǎo)致商業(yè)智能BI項(xiàng)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(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)倉庫這個(gè)層面。

十一、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(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。

十二、實(shí)際開展一個(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，反復(fù)的演練。

十三、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。

十四、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(gè)簡單的匯報(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(cái)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。

十五、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(diǎn)。

十六、商業(yè)智能BI項(xiàng)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(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。

十七、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(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)倉庫分層的ETL調(diào)度設(shè)計(jì)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(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)處理針對的業(yè)務(wù)場景不同，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)。