關注新聞的朋友們可能注意到了，最近這段時間關于數據要素、數字經濟、數字化轉型的相關行動越來越多，一方面是各級政府的政策規(guī)劃以及大規(guī)模的發(fā)展行動，另一方面是則是各行各業(yè)的企業(yè)開始探尋數字經濟，通過數字化轉型進行改革，充分發(fā)揮數據價值。這些動作都說明了數字化時代已然到來，所以相關的技術、理念、應用等都會實現高速增長。

也是前段時間，國際數據公司IDC更新商業(yè)智能BI市場數據，發(fā)布了《2021下半年中國商業(yè)智能軟件市場跟蹤報告》，其中顯示2021年下半年中國商業(yè)智能軟件市場規(guī)模為4.8億美元，2021年度市場規(guī)模達到7.8億美元，同比增長34.9%，呈現飛速增長的態(tài)勢，說明了商業(yè)智能BI在數字化時代，對企業(yè)來說有多大的價值。

不過相比于商業(yè)智能BI在市場和企業(yè)間的口碑發(fā)展，對于整個社會環(huán)境來說，很多人對于商業(yè)智能BI還是比較陌生，不知道商業(yè)智能BI到底是什么，這對于市場發(fā)展是不利的。那么究竟什么是商業(yè)智能BI？商業(yè)智能BI到底有什么意義？為什么商業(yè)智能BI如此火熱？今天就針對這些問題，帶大家詳細了解商業(yè)智能BI是什么。

一、什么是商業(yè)智能BI？

經過數十年的發(fā)展，商業(yè)智能BI在不斷變化的環(huán)境中，形成了一套成熟的理論和產品體系，并且在現代的信息化、數字化加成下，成為了各行各業(yè)企業(yè)的成熟產品。

商業(yè)智能BI的定義其實很簡單，簡單概括一下就是，商業(yè)智能是一套完整的由數據倉庫、查詢報表、數據分析等組成的數據類技術解決方案，能夠實現業(yè)務流程和業(yè)務數據的規(guī)范化、流程化、標準化，打通ERP、OA、CRM等不同業(yè)務信息系統(tǒng)，整合歸納企業(yè)數據。

很多不太了解商業(yè)智能BI的人可能會有疑問，為什么商業(yè)智能BI在企業(yè)中會這么受歡迎？其實商業(yè)智能BI是一個既全面又能夠實現專精的數據類技術解決方案，比如商業(yè)智能BI可以制作滿足不同部門、不同層級員工的數據可視化報表，可以幫助一線業(yè)務人員實現業(yè)務的追蹤、預測、復盤等操作；也可以幫助企業(yè)高層管理人員，通過商業(yè)智能BI的管理駕駛艙、核心KPI指標、集團看板等，全面獲取企業(yè)信息，輔助進行決策。

將商業(yè)智能BI核心內容進行總結，大致有三大特征：

1. 一套完整的由數據倉庫、查詢報表、數據分析等組成的數據類技術解決方案；

2. 將企業(yè)中不同系統(tǒng)（ERP、OA）中的數據打通并進行有效的整合；

3. 利用合適的查詢和分析工具快速準確地提供報表，為企業(yè)提供決策支持。

商業(yè)智能BI在企業(yè)中確實十分重要，這是因為商業(yè)智能BI在企業(yè)中發(fā)揮著承上啟下的作用，往下看商業(yè)智能BI能打通ERP、OA、CRM等不同業(yè)務信息系統(tǒng)，并將清洗后的數據統(tǒng)一存儲到數據倉庫；往上看商業(yè)智能BI可以提供不同主題、形式的數據可視化報表，通過數據可視化分析全面展現企業(yè)發(fā)展狀況，輔助管理人員進行決策。

商業(yè)智能BI可以根據企業(yè)數據生命周期的不同階段劃分為三個層次：

第一層，可視化分析展現層?- 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，這些就在這一層進行展現。

第二層，數據模型層?- 商業(yè)智能BI數據倉庫，主要負責企業(yè)數據的分析模型，完成從業(yè)務計算規(guī)則向數據計算規(guī)則的轉變。

第三層，數據源層?- 商業(yè)智能BI的數據層，不同部門、業(yè)務線的業(yè)務信息系統(tǒng)，其底層數據庫的數據通過ETL抽取到商業(yè)智能BI的數據倉庫中，建模分析等等，最終支撐到前端的可視化分析展現。

二、商業(yè)智能BI在企業(yè)IT信息化中的位置

上邊剛提到，商業(yè)智能BI在企業(yè)中的位置主要是承上啟下，是信息化建設中的重要一環(huán)。商業(yè)智能BI圍繞數據形成了一整套完整的數據價值體系，充分發(fā)揮了數據在企業(yè)中產生的價值。

談到商業(yè)智能BI在企業(yè)IT信息化中的位置，首先要了解企業(yè)的信息化建設是什么。一般來說，企業(yè)的信息化建設具有通用性，可以統(tǒng)一把大部分的企業(yè)的 IT 信息化分為兩個階段：一個是業(yè)務信息化，一個是數據信息化。

這兩個部門相互獨立又互相產生影響，但總的來說還是把數據當做其中的基礎，業(yè)務信息化產生數據并通過數據優(yōu)化業(yè)務本身，數據信息化利用數據但也可以讓數據發(fā)揮作用，優(yōu)化業(yè)務信息化。

業(yè)務信息化?- 企業(yè)使用的ERP、CRM、OA以及自建的業(yè)務信息系統(tǒng)等都統(tǒng)稱為業(yè)務信息化。業(yè)務信息化的主要作用是優(yōu)化調整企業(yè)的業(yè)務流程，通過規(guī)范化、標準化、線上化，來提高業(yè)務運轉效率、降低企業(yè)人力、時間、精力等成本，沉淀大量業(yè)務數據等，是業(yè)務管理思路的體現，也是現代的企業(yè)管理方式。

數據信息化?- 像我們經常所聽到的大數據、商業(yè)智能BI、數據分析、數據挖掘等我們都統(tǒng)稱為數據信息化。數據信息化可以幫助企業(yè)全面的了解企業(yè)的經營管理，將企業(yè)經營管理模式從經驗驅動調整為到數據驅動，降低情緒、心理等主觀影響，形成以數據為基礎的業(yè)務決策支撐，提高決策的準確性，這是企業(yè)更高層次的企業(yè)管理方式。

企業(yè)的信息化建設是一個完整的過程，沒有業(yè)務系統(tǒng)的建設，就不會有數據的沉淀，而沒有數據的沉淀，企業(yè)也就沒有部署商業(yè)智能BI的基礎。這就是業(yè)務信息化和數據信息化的雙向作用，能夠讓業(yè)務系統(tǒng)推動商業(yè)智能BI的部署，也能讓商業(yè)智能BI提高業(yè)務系統(tǒng)的效果。

三、誰是商業(yè)智能BI的主要用戶？

業(yè)務信息化的主要使用對象?- 業(yè)務信息化的主要使用對象是一線業(yè)務人員，所以業(yè)務信息化的使用人群更多是從業(yè)務視角出發(fā)，針對業(yè)務進行錄入數據、記錄流程、查看業(yè)務信息等。

數據信息化的主要使用對象?- 數據信息化的主要使用對象是管理決策人員，在企業(yè)的經營管理等日常流程中，決策人員更多是從管理視角利用商業(yè)智能BI等數據類技術解決方案去定位問題、分析問題，最終形成業(yè)務決策。

四、數據孤島到底說明了什么？

企業(yè)發(fā)展到一定程度，因為數據量的增加，也因為信息化建設的必要性，企業(yè)會為不同部門建設相應的業(yè)務信息化系統(tǒng)。這些業(yè)務信息化系統(tǒng)（ERP、OA、CRM）可以規(guī)范業(yè)務流程，形成標準化的業(yè)務模式，并通過系統(tǒng)數據庫自動沉淀業(yè)務數據，為企業(yè)積累數據資產。毫無疑問，數據價值凸顯的當下，能夠沉淀業(yè)務數據，這當然是一件好事。

但這些不同部門、不同業(yè)務信息系統(tǒng)數據庫中的數據往往無法互通，只能在各自數據庫中儲存，無法統(tǒng)一進行利用，沒有針對企業(yè)整體的全局視角。這樣一來，每個部門、每個業(yè)務系統(tǒng)的數據都相互分隔，就像海外一座座孤島，彼此無法連接，無法交流，這就是平時經常聽到的數據孤島。

商業(yè)智能BI作為數據類技術解決方案，在面對數據孤島問題時，能夠通過數據信息化，利用數據倉庫和數據可視化解決企業(yè)面臨的“數據孤島”“信息孤島”問題，所以商業(yè)智能BI需要企業(yè)高層管理人員進行規(guī)劃，并主要為企業(yè)各層級管理人員提供決策信息，輔助進行決策。

所以在介紹商業(yè)智能BI的時候，必須要搞清楚不同人員的需求。站在企業(yè)不同員工角度，有的人認為是有數據孤島存在的，一定要解決。有的人是不認為有數據孤島存在的，亦或是即使存在對他們也沒有太大影響，所以不用解決，其根本原因是沒有把握商業(yè)智能BI真正的服務對象。

五、商業(yè)智能BI從業(yè)務系統(tǒng)取數據取數的方式

商業(yè)智能BI是通過訪問和連接業(yè)務系統(tǒng)數據源數據庫的方式來進行取數的，不管是什么樣類型的數據庫，商業(yè)智能BI通過ETL連接數據庫抽取業(yè)務系統(tǒng)原表數據到數據倉庫中加工處理，最后支撐到前端的可視化分析報表展現。

之前有朋友這么提問的：數據源層是需要開發(fā)接口嗎？

其實一般來說是不需要的，基本上這么提問的都是經歷過軟件系統(tǒng)的接口對接，軟件系統(tǒng)的接口對接是因為有的業(yè)務軟件是 JAVA 開發(fā)的，有的是 .NET 開發(fā)的，有的是 B/S 架構，有的是 C/S 架構。

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)務流程，這種接口是需要動代碼的。但商業(yè)智能BI在獲取數據的接口不一樣，是與業(yè)務系統(tǒng)軟件自身無關的，是只需要訪問和連接業(yè)務系統(tǒng)背后的數據庫就可以的，直接從數據庫取數，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，這個業(yè)務系統(tǒng)是公有云，純SAAS模式，這種情況下就只能通過軟件對外開放的API接口取數了。

六、數據中臺、商業(yè)智能BI、大數據之間的關系應該如何理解？

系統(tǒng)的商業(yè)智能BI在遇到大數據量、非結構化數據處理的場景，底層的數據倉庫就升級為大數據的數據倉庫架構，這就是大數據下的商業(yè)智能BI分析；在大數據的數據倉庫架構基礎之上，往左邊更加拓展了數據的采集能力，在中間除了原有大數據架構的數據倉庫建模之外，更加加入了數據資產的概念、數據資產盤點、數據資產管理，靠右擴展了數據服務的能力，將數據中臺中按照一定規(guī)則處理好的數據打包對外提供服務。因此，大數據架構下的數據采集、數據倉庫建模、數據資產管理和數據服務就構成了數據中臺的幾大核心。

數據中臺的底子是大數據架構，數據倉庫是傳統(tǒng)商業(yè)智能BI數據倉庫的大數據升級，而商業(yè)智能BI就變成了數據中臺之上的應用層，利用中臺的數據服務獲取數據做分析展現。

這就是商業(yè)智能BI、大數據、數據中臺這三者的關系和在不同數據場景、服務場景下的演變過程，看明白了這個過程，應該就不會再輕易的混淆他們的概念。至于商業(yè)智能BI、大數據、數據中臺應該選擇哪個，其實說到底如何選擇合適的技術路線、技術架構，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。盲目選擇的結果就是大投入，小產出沒有達到預期的期望。我們還是應該聚焦到需求本身，需求為王。

七、關于商業(yè)智能 BI 認知上的幾大誤區(qū)

很多企業(yè)把商業(yè)智能BI當做純粹的報表工具使用，輸出的形式變成了可視化圖表，可圖表展示的內容還是以前的部門業(yè)務信息，只展現了一線業(yè)務部門的基本情況，管理人員還是需要花費大量時間精力去了解企業(yè)整體的發(fā)展情況。

我這里總結了一下，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就是一個拖拉拽的分析工具產品。

3.商業(yè)智能BI就是商業(yè)智能BI，跟數據倉庫沒有關系。

4.有了商業(yè)智能BI就不需要數據倉庫建模，業(yè)務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)務驅動的，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？直接連接數據源不就可以做分析，不需要數據倉庫。

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是一套完整的有數據倉庫、數據分析、數據報表等組成的數據技術類的解決方案，在一個 BI 項目中，20% 的時間做前端分析報表，80% 的時間都在底層數據倉庫的設計、ETL 的開發(fā)、取數開發(fā)等工作。

所以可視化報表只是商業(yè)智能 BI 的最終呈現，但不是 商業(yè)智能BI 的全部。

2、商業(yè)智能 BI 就是一個拖拉拽的分析工具產品。

拖拉拽的可視化分析工具準確來講只能解決 商業(yè)智能BI 的一部分，即可視化分析。但其實 商業(yè)智能BI 所包括的技術范圍還是比較廣的，涉及到從底層數據取數到前端展現分析的各個方面。

單純拖拉拽的商業(yè)智能BI可視化分析工具嚴格來講只能定位于個人和部門級，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、以前也總有人說商業(yè)智能BI就是業(yè)務驅動，商業(yè)智能BI就是 BI，跟數據倉庫沒有關系。

這個問題很有深度，在以前我也這么認為過，總覺得有了商業(yè)智能BI就不需要數據倉庫建模，業(yè)務人員就可以自己做 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，不需要建數據倉庫。

但凡有任何商業(yè)智能BI的銷售或者售前告訴用戶，你們企業(yè)的商業(yè)智能BI項目不需要構建數據倉庫，直接通過商業(yè)智能BI分析工具拖拉拽就可以搞定企業(yè)里面所有的分析，不需要IT人員支撐，業(yè)務人員完全可以自己搞定... 類似于敢這樣承諾的，要么是對商業(yè)智能BI不懂，要么就是真忽悠。

在企業(yè)級的商業(yè)智能BI項目建設中，真正能做到完全靠業(yè)務人員簡單拖拉拽一些就能隨便實現數據可視化分析，至少在我個人從業(yè)的十幾年工作經驗中，95%以上的企業(yè)都做不到。我服務過的重點企業(yè)包括：SHP（ Security Health Plan )、微軟（中國）、微軟（美國）、VWFC（ 大眾金融 ）等。

VWFC 做的算是非常不錯的，少有的業(yè)務人員自己動手做很多報表，線上跑了幾千張報表。為什么？ 因為底層數據倉庫就搭建了很多年，底層數據架構相對比較規(guī)范。Business Driven 業(yè)務驅動，它的前提是什么？

1） 底層數據質量很規(guī)范，數據倉庫架構很完整，不讓業(yè)務人員碰底層數據，ETL、取數、指標計算等等統(tǒng)統(tǒng)都是 IT 部門來維護。

2） 業(yè)務人員通過培訓要熟練掌握商業(yè)智能BI前端報表工具的使用，要很懂放出來的數據分析模型接口。

3） 業(yè)務人員要非常熟悉業(yè)務和數據。

第 2）和第 3）條很多企業(yè)沒有問題，第 1）條直接弄個前端 商業(yè)智能BI 工具讓業(yè)務人員解決，能解決掉嗎？ 很顯然業(yè)務人員是不具備這種能力的。

這就是一到培訓的時候，商業(yè)智能BI工具使用起來很簡單，但是一旦到實際的企業(yè) 商業(yè)智能BI 項目開發(fā)就發(fā)現寸步難行。因為培訓的時候，給出的數據表都是經過選擇的，永遠都是質量很高的、規(guī)范的只需要簡單左表連右表例如銷售訂單表、訂單明細表，自然很容易把可視化報表給實現出來。

但是在實際企業(yè) 商業(yè)智能BI 項目分析中，分析指標的計算規(guī)則絕非簡單幾張表關聯(lián)就可以解決的，不信的話可以挑戰(zhàn)一下一個實際的指標計算邏輯：挑戰(zhàn)一個 ETL 數據清洗的小案例 在數據庫中就一張數據表，數據理解起來也很簡單，但很多 商業(yè)智能BI 開發(fā)人員做起來也需要廢很大的精力，就更別談業(yè)務人員自助 商業(yè)智能BI 分析了。

講這么多不是為了一味否定自助式商業(yè)智能BI它的作用和能力，自助式商業(yè)智能BI有它的使用場景，也確實幫助我們簡化了很多的BI工作，但從專業(yè)角度出發(fā)，特別反感是部分商業(yè)智能BI 廠商以一種不負責任的方式反復向市場強化類似于這樣的概念：商業(yè)智能BI 就是可視化報表、商業(yè)智能BI 不需要數據倉庫建模、傳統(tǒng)數據倉庫建模很落后、商業(yè)智能BI 就是自助分析、商業(yè)智能BI 自助分析很簡單、業(yè)務用戶簡單幾天培訓就可以學會并且想怎么分析就怎么分析...

從市場宣傳和銷售的角度來說，簡化產品的復雜度和上手難度的宣傳是沒有問題的，有問題的是以一種錯誤的講解、不專業(yè)的講解最終誤導企業(yè)接受了這些不正確的概念，并以這些不正確的概念來評估與規(guī)劃 商業(yè)智能BI 項目的建設，沒有充分預計到 商業(yè)智能BI 項目建設過程中可能會遇到的挑戰(zhàn)與風險，最后導致項目的不成功與失敗、反復建設。

我們在北京就有一個客戶之前花了一百多萬上了一套所謂的 商業(yè)智能BI 項目，項目上線了一年左右，到最后完全推不動，失敗了。后續(xù)找到派可數據，我們給他們上了派可數據商業(yè)智能BI分析平臺，這個項目我們連續(xù)做了好幾期，客戶還寫了感謝信。

之前為什么推不動、項目會失?。翰恢匾晹祿}庫的規(guī)劃。因為他們的業(yè)務是連續(xù)的、變動的，每年的需求都是需要動態(tài)調整的，數據持續(xù)增加，分析的深度和廣度都是在不斷變化，沒有一個好的底層數據架構來支撐，光靠 SQL 取數、建數據集出報表的形式是不可能支撐一家企業(yè)未來 3-5 年甚至更長遠的業(yè)務分析需求變化的。

八、報表工具是怎么來的？

這十幾年我一直在技術領域、信息化領域、商業(yè)智能BI 行業(yè)，一直沒有出這個圈。做過 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技術開發(fā)，業(yè)務軟件系統(tǒng)平臺開發(fā)。

早期前端技術很弱，AJAX 的實現也都需要手寫，要實現一個表單內數據的點擊編輯和修改需要自己用 JS DOM 操作。做報表基本上就是 JSP、ASP 腳本語言在前端嵌套 HTML 做循環(huán)輸出，報表樣式很原生很丑陋，稍微復雜一點的表格報表樣式都需要用 JS 來調整。

那個時候用過的報表像 Crystal Report 水晶報表、潤乾報表等等，在前端腳本語言中有標簽直接可以引用，報表生成代替了大量的手寫代碼。早期的前后端技術是不分家的，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。上面說到的這個階段大概在什么時候呢，2005年前后，2007年我覺得已經使用的很廣泛了，老的 CSDN 上應該還能找到很多原始的報表標簽帖子。

像老一批報表還有像金峰報表 Jreport、思達報表 StyleReport 等等在國內也有一定的市場。早在 2010 年之前，有些報表廠商的收入規(guī)模就已經突破了一個億，說明基礎報表這個市場還是非常不錯的。

那個時候的報表定位是什么，就是純粹的 Report 報表，通過程序從后臺數據庫中查詢返回的數據聚合 List 再到前端腳本頁面上綁定一下就生成了各種報表，實際上就是用在各個業(yè)務軟件系統(tǒng)之中的報表展示，還遠遠沒有到 商業(yè)智能BI分析這個層面。

并且還有大量的軟件開發(fā)廠商實際上已經具備了很強的報表能力，不過這些報表能力并沒有單獨拿出來作為報表產品在市面上運營而已。

逐步的，隨著前端技術、前端框架的完善，從傳統(tǒng)表格技術開始到了各類柱狀圖、條形圖、餅狀圖的可視化展示，到了這個階段，報表和商業(yè)智能BI的邊界越來越模糊。為什么？商業(yè)智能BI的報表展現能力也就和傳統(tǒng)報表效果大致相當，還沒有出現那種自助分析、自助拖拉拽就可以實現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項目都是拿報表思維去實現的，就是 SQL 到數據集到前端展現。而真正的商業(yè)智能BI思維應該是什么呢？ 多維思維、模型思維，這一點決定了一個 商業(yè)智能BI 項目的最終走向，后面會具體講到這些點。

九、商業(yè)智能BI的本質 - 企業(yè)業(yè)務管理思維的落地

商業(yè)智能 BI 到底是什么？技術？產品？還是其它？我們把對于 BI 的理解再提升一個層次：商業(yè)智能 BI 是一家企業(yè)業(yè)務和管理思維的落地。這個怎么來理解呢？簡單來說，就是在可視化報表上呈現的內容就是一家企業(yè)真正關注的內容，這里面有管理高層重點關注的企業(yè)經營性的分析指標，也有某具體部門的。

十、商業(yè)智能BI 和數據倉庫 Data Warehouse 有什么區(qū)別和聯(lián)系？

經常會碰到有人問商業(yè)智能BI和數據倉庫有什么區(qū)別，實際上這個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確和偏差，這個問題實際上從概念上把BI和數據倉庫人為的割裂了。這種情況其實也比較正常，因為大家對商業(yè)智能BI的第一印象就是各種炫酷的可視化圖表、報表，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的認知就停留在可視化這部分了。

準確的來說，商業(yè)智能BI不僅僅包含前端可視化分析、報表展現的能力，更包含了底層數據倉庫的建設過程。Gartner 在上世紀九十年代就已經提到了商業(yè)智能 Business Intelligence，它更多的認為：BI是一種數據類的技術解決方案，將許多來自不同企業(yè)業(yè)務系統(tǒng)的數據提取有分析價值的數據進行清洗、轉換和加載，就是抽取Extraction、轉換 Transformation、加載Loading 的ETL過程，最終合并到一個數據倉庫中，按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的維度建?；蛘邇烧叨加械幕旌鲜郊軜嬆Ｐ停罱K在這個基礎上再利用合適的分析展現工具來形成各種可視化的分析報表為企業(yè)的管理決策層提供數據決策支撐。

所以，可以從這里能夠看到數據倉庫Data Warehouse 的位置是介于可視化報表和底層業(yè)務系統(tǒng)數據源之間的這一層，在整個商業(yè)智能BI項目解決方案中起到的是一個承上啟下的作用。如果把商業(yè)智能BI比作是一個人的話，上半身特別是臉這個部分就是顏值，下半身腳踏實地吸取大地的精華，中間這部分的腰腹核心、核心力量就是數據倉庫。

那大家也會問到，市面上不是有很多直接鏈接數據源就可以拖拉拽分析的商業(yè)智能BI工具產品嗎，不也一樣可以做商業(yè)智能BI分析報表嗎？這種獨立的、單獨的面向前端的商業(yè)智能BI分析工具，他們更多的定位是部門級和個人級的商業(yè)智能BI 分析工具，對于深層次的需要復雜數據處理、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建一套完整的數據倉庫，把很多分析模型標準化，再利用這些前端商業(yè)智能BI分析工具結合起來，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)認為只要買一個前端商業(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，這個看法實際上也不可行的?？赡茉谧铋_始分析場景相對簡單，對接數據的復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項目建設有一個特點，是一個螺旋式上升的建設過程。因為對接的業(yè)務系統(tǒng)可能會越來越多，分析的深度和廣度會越來越多，數據的復雜度也會越來越有挑戰(zhàn)性，這個時候沒有一個很好的數據倉庫架構支撐，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，是因為在抓藥前，別人已經把各種原生的中藥材（原始數據源的數據）分門別類清理干凈放好了，這樣想怎么搭配藥材（維度指標組合的可視化）就很快了。

這樣的企業(yè)在國內有很多，也是因為對商業(yè)智能BI理解的深度不夠導致了在商業(yè)智能BI項目建設上一些方向性的錯誤，最后s導致商業(yè)智能BI項目很難繼續(xù)推進。

所以在企業(yè)中，我們需要明確我們的商業(yè)智能BI建設是面向企業(yè)級的還是個人和部門的分析工作。如果是個人數據分析師，使用這類前端商業(yè)智能BI分析工具就足夠了。如果是需要構建一個企業(yè)級的商業(yè)智能BI項目，就不能只關注前端可視化分析能力這個層面，更應該關注到底層數據架構的構建，也就是數據倉庫這個層面。

十一、數據倉庫的建模方法論 Kimball vs Inmon 以及混合架構

數據倉庫建模時商業(yè)智能BI項目建設中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的維度建模都是 商業(yè)智能BI 數據倉庫建模的方法論，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、實際開展一個 BI 項目的時候對于需求的落地的方法論

商業(yè)智能BI是一個完全需求驅動的，既然是需求就需要做訪談和調研。在商業(yè)智能BI需求進行訪談和調研之前要提前熟悉行業(yè)的業(yè)務特點，基于企業(yè)自身要熟悉他們的業(yè)務流程，以及所訪談部門的他們大概會關注的重點，都需要提前梳理一遍。在腦海里把整個業(yè)務框架給建立起來，反復的演練。

十三、什么樣的企業(yè)應該要上商業(yè)智能 BI 了？

什么樣的企業(yè)適合上商業(yè)智能BI？看業(yè)務基礎信息化程度和日常業(yè)務管理的細致程度和顆粒度。業(yè)務基礎信息化程度就是企業(yè)自身的IT業(yè)務系統(tǒng)基礎建設，沒有業(yè)務系統(tǒng)的支撐，做商業(yè)智能BI就缺乏數據基礎；第二就是業(yè)務管理的顆粒度，企業(yè)自身業(yè)務管理程度是不是比較細致了，急需通過商業(yè)智能BI來提升業(yè)務管理、決策支撐的效率。

十四、如何高效的給高層領導做 BI 數據分析匯報總結

做完商業(yè)智能BI項目，還要考慮最終如何跟老板匯報的問題，掌握商業(yè)智能BI數據分析思維框架和匯報的五個重點：用戶業(yè)務層次與范圍、工作成果、計劃執(zhí)行復盤、問題反饋、展望規(guī)劃與愿景。

這里只是一個簡單的匯報框架，還有很多點可以往里面加。比如圍繞行業(yè)講一下行業(yè)驅動因素跟 商業(yè)智能BI 如何結合的；從企業(yè)經營管理角度，企業(yè)愿景到 CSF 到 KPI 到績效是如何分解和重新組織的；比如財務視角下的歸因分析；金字塔的管理模型；動態(tài)指標庫構成原理等等都可以有所選擇的進行融入和說明。

十五、商業(yè)智能BI與企業(yè)經營管理的結合度

商業(yè)智能BI分析跟企業(yè)的經營管理分析高度結合，ROE高的企業(yè)有可能是利潤高像茅臺、珠寶行業(yè)，有可能是周轉快比如像零售行業(yè)，也有可能是融資能力比較強會利用杠桿，從ROE歸因分析看行業(yè)特點。

十六、商業(yè)智能BI項目行業(yè)和業(yè)務知識的積累

做商業(yè)智能BI還必須熟悉行業(yè)和業(yè)務知識，不結合行業(yè)業(yè)務知識，商業(yè)智能BI的項目是很難落地的。商業(yè)智能BI的本質其實是企業(yè)的業(yè)務和管理思維的落地。企業(yè)的高層、業(yè)務部門的管理人員為什么要通過商業(yè)智能BI去看報表，他們看的是什么，重點關注的是什么？這些內容就是他們日常在企業(yè)中業(yè)務經營管理的重點。

在商業(yè)智能BI項目上看上去零零散散的報表，在實際用戶眼里其實是有很強的邏輯關聯(lián)性的。并且層次越高的管理人員看的商業(yè)智能BI報表內容越聚焦，看的是業(yè)務結果。一線業(yè)務部門的人員可能關注的更零散，看的是明細的業(yè)務過程數據。

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層面打磨，更需要在行業(yè)性知識和企業(yè)業(yè)務知識上有所沉淀。

十七、關于商業(yè)智能 BI 實時性處理的話題

商業(yè)智能BI 對數據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數據處理過程是需要有大量的時間損耗，通常是采用空間換時間的方式。

將以前按照商業(yè)智能BI 數據倉庫分層的ETL調度設計成可按單獨指標并自動尋找依賴的調度就大大的增加了對個別指標調度和準實時處理的靈活性。

離線數據與實時處理針對的業(yè)務場景不同，背后的技術方式實現不同，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到企業(yè)既定完成商業(yè)智能BI 項目建設目標。