商業(yè)智能BI在市場上獲得了口碑和份額的多重認可，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，其落地對企業(yè)究竟意味著什么。

一、什么是商業(yè)智能BI？

?信息化、數(shù)字化的種種技術與應用的落地實施，讓人們對數(shù)據(jù)就是未來的“石油”，有了更深層次的認識。數(shù)據(jù)和石油有相似之處，它是需要開發(fā)后才能夠真正顯露出巨大的價值，而這就是當前企業(yè)應用數(shù)據(jù)分析、數(shù)據(jù)處理的原因，也是商業(yè)智能BI能夠如此火熱的需求所在。

想必有人看到這里已經(jīng)很好奇了，商業(yè)智能BI為什么會和數(shù)據(jù)產(chǎn)生關系，在企業(yè)落地后有什么意義呢？簡單概括一下就是，商業(yè)智能是一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術解決方案，能夠實現(xiàn)業(yè)務流程和業(yè)務數(shù)據(jù)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(shù)據(jù)。

有些人可能聽到過，商業(yè)智能BI雖然對企業(yè)不同人群都有很高的價值，但最需要商業(yè)智能BI的就是企業(yè)高層管理人員。他們通過利用商業(yè)智能BI，借助數(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，獲取信息和知識，從而為管理和業(yè)務提供數(shù)據(jù)依據(jù)和決策支持。

將商業(yè)智能BI核心內(nèi)容進行總結，大致有三大特征：

1、一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術解決方案；

2、將企業(yè)中不同系統(tǒng)（ERP、OA）中的數(shù)據(jù)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。

?回到主題，我們了解到了商業(yè)智能BI是什么，也知道了企業(yè)能夠通過商業(yè)智能BI實現(xiàn)什么功能，那么商業(yè)智能BI在企業(yè)的落地有沒有什么深層次的含義，談到商業(yè)智能BI的意義是什么應該怎么理解。

實際上，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(shù)據(jù)統(tǒng)一存儲到數(shù)據(jù)倉庫；往上看商業(yè)智能BI可以提供不同主題、形式的數(shù)據(jù)可視化報表，通過數(shù)據(jù)可視化分析全面展現(xiàn)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(jù)企業(yè)數(shù)據(jù)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(xiàn)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(xiàn)。

第二層，數(shù)據(jù)模型層?- 商業(yè)智能BI數(shù)據(jù)倉庫，主要負責企業(yè)數(shù)據(jù)的分析模型，完成從業(yè)務計算規(guī)則向數(shù)據(jù)計算規(guī)則的轉(zhuǎn)變。

第三層，數(shù)據(jù)源層?- 商業(yè)智能BI的數(shù)據(jù)層，不同部門、業(yè)務線的業(yè)務信息系統(tǒng)，其底層數(shù)據(jù)庫的數(shù)據(jù)通過ETL抽取到商業(yè)智能BI的數(shù)據(jù)倉庫中，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

前邊剛提到過，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(shù)據(jù)形成了一整套完整的數(shù)據(jù)價值體系，充分發(fā)揮的數(shù)據(jù)在企業(yè)中的作用。

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，所以可以把大部分的企業(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(shù)據(jù)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(diào)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(zhuǎn)效率、降低企業(yè)人力、時間、精力等成本，沉淀大量業(yè)務數(shù)據(jù)等，是業(yè)務管理思路的體現(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，將企業(yè)經(jīng)營管理模式從經(jīng)驗驅(qū)動調(diào)整為到數(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(shù)據(jù)的沉淀，而沒有數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)、記錄流程、查看業(yè)務信息等。

數(shù)據(jù)信息化的主要使用對象?- 數(shù)據(jù)信息化的主要使用對象是管理決策人員，在企業(yè)的經(jīng)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(shù)據(jù)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(shù)據(jù)孤島到底說明了什么？

數(shù)據(jù)孤島這個詞其實很形象，從字面意思上我們就能明白，數(shù)據(jù)孤島指的是數(shù)據(jù)就像一座座孤島一樣互相隔絕，彼此之間無法交流協(xié)作。這樣一來，企業(yè)的管理人員在了解企業(yè)信息，進行決策的時候，就很難獲得企業(yè)全面的數(shù)據(jù)情況，接導致中高層管理人員難以獲取不同部門的數(shù)據(jù)，這樣一來不僅會導致決策出現(xiàn)問題，甚至有可能讓企業(yè)無法處理異常數(shù)據(jù)，解決不了發(fā)現(xiàn)的問題，讓企業(yè)發(fā)展陷入困境。

?

商業(yè)智能BI作為數(shù)據(jù)類技術解決方案，在面對數(shù)據(jù)孤島問題時，能夠通過數(shù)據(jù)信息化，利用數(shù)據(jù)倉庫和數(shù)據(jù)可視化解決企業(yè)面臨的“數(shù)據(jù)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(shù)據(jù)孤島存在的，一定要解決。有的人是不認為有數(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真正的服務對象。

五、商業(yè)智能BI從業(yè)務系統(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)務系統(tǒng)數(shù)據(jù)源數(shù)據(jù)庫的方式來進行取數(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表展現(xiàn)。

?

之前有朋友這么提問的：數(shù)據(jù)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(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(shù)據(jù)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(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(shù)了。

?

?

六、數(shù)據(jù)中臺、商業(yè)智能BI、大數(shù)據(jù)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(shù)據(jù)量、非結構化數(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，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)倉庫架構基礎之上，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、數(shù)據(jù)資產(chǎn)管理，靠右擴展了數(shù)據(jù)服務的能力，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。因此，大數(shù)據(jù)架構下的數(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)服務就構成了數(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，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)中臺之上的應用層，利用中臺的數(shù)據(jù)服務獲取數(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)中臺這三者的關系和在不同數(shù)據(jù)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(shù)據(jù)、數(shù)據(jù)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(chǎn)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(nèi)容還是以前的部門業(yè)務信息，只展現(xiàn)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(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(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)報表等組成的數(shù)據(jù)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(shù)據(jù)倉庫的設計、ETL 的開發(fā)、取數(shù)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(xiàn)，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(chǎn)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(shù)據(jù)取數(shù)到前端展現(xiàn)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(qū)動，商業(yè)智能BI就是 BI，跟數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(xiàn)數(shù)據(jù)可視化分析，至少在我個人從業(yè)的十幾年工作經(jīng)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(shù)據(jù)倉庫就搭建了很多年，底層數(shù)據(jù)架構相對比較規(guī)范。Business Driven 業(yè)務驅(qū)動，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)倉庫架構很完整，不讓業(yè)務人員碰底層數(shù)據(jù)，ETL、取數(shù)、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(shù)據(jù)分析模型接口。

3） 業(yè)務人員要非常熟悉業(yè)務和數(shù)據(jù)。

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(xiàn)寸步難行。因為培訓的時候，給出的數(shù)據(jù)表都是經(jīng)過選擇的，永遠都是質(zhì)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(xiàn)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(shù)據(jù)清洗的小案例 在數(shù)據(jù)庫中就一張數(shù)據(jù)表，數(shù)據(jù)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(shù)據(jù)倉庫建模、傳統(tǒng)數(shù)據(jù)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(chǎn)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(shù)據(jù)，我們給他們上了派可數(shù)據(jù)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?shù)據(jù)倉庫的規(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(diào)整的，數(shù)據(jù)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(shù)據(jù)架構來支撐，光靠 SQL 取數(shù)、建數(shù)據(jù)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。

除了這個案例之外，在我的手機上有很多之前上過 商業(yè)智能BI 最終失敗、沒有做好，找過來聊天吐槽的記錄，是真的產(chǎn)品不好嗎？我也客觀的幫助他們分析過：這些產(chǎn)品本身有的是 Gartner 魔力現(xiàn)象 Leader 象限的產(chǎn)品，你說產(chǎn)品行不行？ 有的產(chǎn)品是國內(nèi)商業(yè)智能 BI 領域很多年的老品牌，你說產(chǎn)品行不行？ 客觀來講，這些產(chǎn)品從我個人角度來說，這些產(chǎn)品其實都很優(yōu)秀，產(chǎn)品本身是沒有太大問題的。

問題在于，這么多從零到一需要上 商業(yè)智能BI 的企業(yè)不知道一個 商業(yè)智能BI 項目中原來還有那么多坑，很多 商業(yè)智能BI 廠商會不會去把這些點給企業(yè)客戶講清楚，一個 商業(yè)智能BI 項目到底怎么干、中間有什么樣的風險、以后還會遇到什么樣的問題、應該怎么解決這些問題、有什么樣的方法論和手段... 如果只是為了賣一套 商業(yè)智能BI 產(chǎn)品或者工具，你覺得這些 商業(yè)智能BI 銷售會跟客戶講這些東西嗎？ 不會的，至少不會講的太深太全，因為這么一講把 商業(yè)智能BI 難度講太復雜了，一旦沒有講好，反而降低了客戶的信任。

有的時候不講，是因為怕講復雜了，讓企業(yè)客戶決策周期拉的太長了。有的時候不講，是因為不懂。你不講，客戶不知道，客戶也沒有經(jīng)驗，后續(xù)商業(yè)智能BI項目建設就會出問題。

在一次大會上，某商業(yè)智能BI廠商一位高級售前技術專家在跟客戶交流時說過的一句話：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。無知者無畏，實在聽不下去，就打斷直接溝通了一下。通過溝通，可以判斷這個所謂的技術專家基本上沒有做過完整的 商業(yè)智能BI 項目經(jīng)驗，從零到一搭建一個 商業(yè)智能BI 項目的能力等于零。以這樣的一種能力跟客戶來引導一個 商業(yè)智能BI 項目，這種 商業(yè)智能BI 項目的質(zhì)量能有保證嗎，很難的。

這也就是我們派可數(shù)據(jù)、我個人做視頻號《呂品聊數(shù)據(jù)》的原因，客觀的講講 商業(yè)智能BI、客觀的講講數(shù)據(jù)，普及一下我們認為正確的 商業(yè)智能BI 知識和概念。告訴我們廣大的 商業(yè)智能BI 用戶，商業(yè)智能BI 到底應該怎么理解、怎么認知，商業(yè)智能BI 到底有什么樣的坑需要我們的企業(yè)注意。

我們不能說我們派可數(shù)據(jù)在 商業(yè)智能BI 領域講的知識和概念就一定是放之四海而皆準的，但是我們歡迎任何 商業(yè)智能BI 廠商或者任何 BI 個人愛好者就 商業(yè)智能BI 的一些知識和概念來向我們挑戰(zhàn)，來看看派可數(shù)據(jù)所普及的一些 商業(yè)智能BI 知識概念到底對不對。如果普及的對，說明這些問題大家確實都碰到了，這些知識和概念對于企業(yè)而言就是難得的經(jīng)驗。如果普及的不對，不對又是在什么地方，指出來大家一起看看，一起探討一下，我們還可以為企業(yè)做些什么。

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(xiàn)也都需要手寫，要實現(xiàn)一個表單內(nèi)數(shù)據(jù)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(diào)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(jīng)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(nèi)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(jīng)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(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(jīng)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(chǎn)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(xiàn)能力也就和傳統(tǒng)報表效果大致相當，還沒有出現(xiàn)那種自助分析、自助拖拉拽就可以實現(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項目都是拿報表思維去實現(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(zhì) - 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(chǎn)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(xiàn)的內(nèi)容就是一家企業(yè)真正關注的內(nèi)容，這里面有管理高層重點關注的企業(yè)經(jīng)營性的分析指標，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(shù)據(jù)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(xiàn)的能力，更包含了底層數(shù)據(jù)倉庫的建設過程。Gartner 在上世紀九十年代就已經(jīng)提到了商業(yè)智能 Business Intelligence，它更多的認為：BI是一種數(shù)據(jù)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(shù)據(jù)提取有分析價值的數(shù)據(jù)進行清洗、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?；蛘邇烧叨加械幕旌鲜郊軜嬆Ｐ?，最終在這個基礎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表和底層業(yè)務系統(tǒng)數(shù)據(jù)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(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(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建一套完整的數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(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，也是因為對商業(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(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(shù)據(jù)架構的構建，也就是數(shù)據(jù)倉庫這個層面。

十一、數(shù)據(jù)倉庫的建模方法論 Kimball vs Inmon 以及混合架構

數(shù)據(jù)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(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、實際開展一個 BI 項目的時候?qū)τ谛枨蟮穆涞氐姆椒ㄕ?/span>

商業(yè)智能BI是一個完全需求驅(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需求進行訪談和調(diào)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(qū)動因素跟?商業(yè)智能BI?如何結合的；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(jīng)營管理的結合度

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(zhì)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(nèi)容就是他們?nèi)粘Ｔ谄髽I(yè)中業(yè)務經(jīng)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(nèi)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(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(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(shù)據(jù)倉庫分層的ETL調(diào)度設計成可按單獨指標并自動尋找依賴的調(diào)度就大大的增加了對個別指標調(diào)度和準實時處理的靈活性。

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