|
对于BI（Business Intelligence，商业智能）的解释，无论是在维基百科还是百度百科，你能搜到的都大差不差，都是告诉你：BI一个是利用XXX技术进行数据分析以辅助决策，提升决策效率的工具/方案。
可惜的是，经调研发现，很多人对BI的理解却是侧重于数据的分析和展示，BI更多地被大家直接等同于数据分析与数据可视化。
这其实是错误的。帆软数据应用研究院等在文献研究和企业调研的基础上，结合我国的市场环境，对 BI 做出如下的定义：
BI 是在打通企业数据孤岛，实现数据集成和统一管理的基础上，利用数据仓库、数据可视化与分析技术，将指定的数据转化为信息和知识的解决方案，其价值体现在满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务提供数据依据和决策支持。
所以，简单来说，BI是工具/平台/系统/解决方案。
商业智能BI≠数据分析
BI和数据分析是两个容易混淆的概念，虽然它们之间存在不少类似的地方，商业智能软件也可以帮助业务人员进行数据分析，但数据分析绝不等同于商业智能。
数据分析是个过程，是个解决方式，对象常常是某个问题。比如分析某次促销活动的效果，就需要对UV、客单价、复购率等关键性的指标数据做监控。还需要和过去的活动进行对比，从数据库里寻找最佳对照组进行建模，在SAS里做统计分析。也就是说，数据分析是利用数理统计等科学方法做假设验证，通常的工作就是对指标进行分析对比，KPI监控，异常指标分析，预测趋势，最终生成结果报告。专业的数据分析工具有R、Python等。
商业智能是一整套的解决方案，对象往往是企业的经营问题。利用企业在日常经营过程中生产的大量数据，并将它们转化为信息和知识，让每一个决定、管理细节、战略规划都有数据参考。比如领导经常会关注销售、采购和财务状况，技术人员做好固定格式的数据报表（Dashboard/数据看板），领导打开就能查看，并且数据自动更新。商业智能工具一般通过连接ERP、CRM、MES等业务系统的数据，并将这些数据有规则地汇总到数据仓库中，从而制作业务主题相关的分析报表，还可以对接大数据平台进行可视化的分析展示。
商业智能的作用一方面是将常规的分析过程固化并简化下来，另一方面是让业务的自助分析更为方便快捷。简单来说商业智能BI是一套有关数据的解决方案，入口是数据，出口也是数据或者以数据为基础的报表呈现，更多强调的是解决方案；数据分析更多的以人为主，对数据仓库产出的数据、或者其他渠道产出的数据做分析的过程。前者强调怎么让数据合理的加工或者呈现出来，后者强调如何通过数据发现问题，有一个探索和思考的过程，这个思考的过程是工具本身不能替代的。
BI和数据可视化是另一对容易混淆的概念，根据信通院的《大数据白皮书》的定义可知，在整个大数据技术体系中，BI与数据可视化是交叉关系。
数据可视化通过图表、图形、仪表板和报表等方式，将数据以视觉化的形式展现出来，以帮助用户更好地理解和解释数据可视化。实现数据可视化的工具有很多，简单的图表，Excel、Python Matplotlib基本上就可满足需求了，如果希望配置成例行图表，则需要通过商业BI软件来完成，比如FineBI、PowerBI和Tableau等。对于仪表盘和报表，一般则是用Excel、FineBI、PowerBI，Finereport等工具来实现。
商业智能BI包括数据仓库、数据挖掘、数据分析和预测建模等，其中的数据展示就是数据可视化的部分，也就是上文的技术人员制作固定的数据报表/仪表盘给领导看。因此，商业智能BI的一个出口就是数据可视化呈现，呈现形式是报表或者仪表盘。
 
按照不同的功能模式，当前的 BI 又可以细分为报表式、传统式和自助式三类。
报表式BI
报表式 BI 主要面向 IT 人员，适用于各类固定样式的报表设计，通常用来呈现业务指标体系，支持的数据量不大。国内的报表式 BI 于 1999 年左右开始起步，在 2013 年趋于成熟。由于国内企业对于报表格式的纠结和坚持，非常多的企业对表格式报表情有独钟，国内企业的报表格式自称一派，很多国外的报表工具在制作报表样式时，图形格式交互上都磨合困难，且一些表格的业务逻辑和国外不同，所以解决中国式复杂报表经常成为企业选型的重点需求。当下，国内报表工具以帆软FineReport等代表已成主流。
报表式 BI 大多采用类 Excel 的设计模式，虽然主要面向的对象是 IT 人员，但是业务人员也能快速学习和掌握，并在既定的数据权限范围内，制作一些基本的数据报表和驾驶舱报表。例如FineReport自主研发的HTML5图表，可以满足不同人群的视觉展示需求，也可以进行一些简单的即席分析操作，如图表类型的切换、排序、过滤等。
代表工具：FineReport
扫描二维码体验代表工具FineReport
传统式BI
传统式 BI 同样面向的是 IT 人员，随着数据仓库技术发展而来，相比于报表BI，更侧重于 OLAP（Online Analytical Processing，联机分析处理），即席分析与数据可视化分析。
传统式 BI 以 IBM 的 Cognos、SAP 的 BO 等国外产品为代表，其优势是面对大数据量时具有高性能和高稳定性，劣势也十分明显——数据分析的能力和灵活性差。根据 Forrester 的报告，如今采用传统式 BI 的企业或机构中，83% 以上的数据分析需求无法得到满足，这表明很多企业重金打造的 BI 系统几乎成为摆设，收效甚微。此外，项目耗资不菲、实施周期极长、风险大、对使用者技术要求高等特点，也不利于传统式 BI 的推广和普及。
代表工具：Cognos
自助式BI
自助式 BI 也叫敏捷 BI。由于传统式BI的缺陷屡遭诟病，以及业务人员数据分析需求的增长，自助式 BI 开始快速成长起来。自助式 BI 产品较多，国外产品有 Power BI、Tableau、Qlikview，国内产品有 FineBI 等。自助式BI面向业务人员，追求业务与IT的高效配合，让IT人员回归技术本位，做好数据底层支撑；让业务人员回归价值本位，通过简单易用的前端分析工具，基于业务理解轻松地开展自助式分析，探索数据价值，实现数据驱动业务发展。
自 2014 年起，可视化数据分析、自助式 BI 在国内高速发展，传统式 BI 开始衰退。但是，需要注意的是，自助式 BI 也不是万金油，企业在选择工具时应综合考虑自身需求及自助式 BI 的特点。
与传统式 BI 相比，自助式 BI 主要有以下几项优势，这也是自助式 BI 被称为敏捷 BI 的原因：
-
快速部署。传统式 BI 系统从总体架构的设计到具体的部署环节，通常需要花费几个月的时间。而自助式BI 系统的部署不需要经历漫长而复杂的设计和建模过程，只需要不到一周的时间，企业就可以迅速进行数据分析和可视化项目的建设。
-
快速、灵活地应对需求。传统式 BI 给 IT 人员带来较大的压力，大量需求堆积导致无法快速、灵活地响应。而采用自助式 BI，IT 人员只需要负责整理基础数据架构，维护和开发接口，业务人员可以自行进行快速的可视化分析和报表分析。
-
产品采购成本相对较低。传统式 BI 产品的采购成本偏高，还有一些额外的培训和咨询服务成本。自助式BI 产品只着重解决某些问题，功能不一定大而全，因而相对便宜。
工具使用起来简单、易上手。传统式 BI 面向 IT 或者数据等技术部门，对技术背景有一定要求，学习曲线陡峭，工具操作难度大；而自助式 BI 面向的对象是业务人员，工具操作简单、容易上手，一般通过简单的鼠标操作即可进行数据分析。
总而言之，对于业务人员需要进行自主分析，解决重点关注问题，灵活应对业务需求，快速完成部署等场景，自助式 BI 是一个不错的选择。
代表工具：FineBI
扫描二维码体验代表工具FineBI
需要强调的是，这三类 BI 各有优劣，分别适用于不同的场景，不是绝对的相互替代的关系。它们，尤其是报表式和自助式 BI，将长期共存，供企业按需选择，直到信息化基础条件发生根本改变。参考 Gartner 所倡导的双模 IT 模式，建议企业根据自身数据应用成熟度来判断哪一类 BI 哪个更适合自己，或者是否需要结合使用。以下图 的双模 IT 下的帆软 BI 体系为例，报表式 BI 面向 IT 人员，可用于固定的、大型的 BI 项目，自助式 BI 面向业务人员，可应对灵活、动态的分析需求。
| 
