1、大數據和BI兩者的區別

BI=商業智能，他跟企業或者機構的業務息息相關，沒業務就談不上BI，因為BI產品是企業數據化管理方案中的一個必要的因素，他要幫助企業整合數據，并提供管理者生產報表的功能呈現數據分析維度幫助管理者作出明智的業務經營決策，數據運營，數據營銷都是這類問題。

大數據，第一點區別是對企業擁有龐大的數據進行抽取，管理，處理，這些數據可以是非結構化的，或者看起來無用的數據，也可以是結構化的數據集合，這些數據是需要重新處理才能挖掘出價值。而這些數據是海量，高增長和多樣化的信息資產。大數據更側重解決某一類問題的方法，比如全網的用戶畫像，用戶言論，以及對海量的非結構化物聯數據的分析。

不管定義有什么不同，或者還有多少種解釋，大數據與傳統BI是互聯網以及數字化建設發展到不同階段的產物。大數據對于傳統BI，有繼承也有發展，BI與大數據區別在于前者更傾向于業務決策，對事實描述更多是基于歷史數據的共性，幫助決策者掌握宏觀統計趨勢，適合經營運營數據支撐類需求，而大數據則內涵更廣，傾向于刻畫個體，更多的在于個性化的決策分析。

所以站在客戶的角度來講，兩者可能都是他們需要的，而這兩者也確實可以在一定程度上共用，因為兩者幾乎都是從數據->信息->知識->智慧。

2、兩者技術上有什么相關性？

大數據和BI既有區別，又有相關。

傳統BI就目前來講，其功能都可以被對應的大數據組件所替代，但大多數企業缺乏大數據業務的驅動，也缺乏相關的高技術人才，BI更好理解，大數據更加專業。

如果我們將BI架設在大數據的應用層，利用etl抽取數據在結合大數據的架構，利用大數據算法構建業務模型，得出結果后在結合通用類的業務分析。既滿足了海量實時數據分析，也滿足了決策型的業務分析。這可以說是新型的BI系統，也可以說是貼合業務場景的大數據系統。

3、作為企業我們到底選擇什么技術？

在技術領域，雖然傳統BI的一些技術難以解決日后海量數據的處理問題，但是，也不能全盤否定或替代成大數據。一些企業采用SAP

所以說并不是每個企業都需要打造自己的大數據平臺，需要考慮到企業的信息化水平和更新成本，建議根據實際需求，可以自行研發，比如BAT；也可以選型采購，比如傳統大企業；

目前一些大數據產品已經開始重視用戶場景，使得整體架構更佳適合大數據管理和分析，再結合上層的場景化分析讓大數據容易落地，更好的支撐決策。例如：德塔精要有一款大數據平臺叫做智慧中樞，就建立在大數據架構上并深耕業務場景，讓大數據產品更好的服務于具體的行業。

大數據VS商業智能

大數據的發展還需要時間，大數據技術并不重要，重要的是用全新的數據技術手段如何來拓展和優化業務？傳統的數據支撐，大多是利用數據歷史趨勢，在感官上預估結果。舉了簡單的例子，一個人經常犯錯誤，我們就可以判斷本次任務他犯錯誤的幾率較大。這在一定的條件下確實比較直接有效，但問題是歷史數據趨勢并沒有這么明顯，如果兩個人在歷史數據中狀態相當，我們又如何判斷呢？

基于大數據的算法，我們可以利用更多的維度信息，比如：年齡，職位，獎懲，健康，結婚情況，等等表面上毫無關系的數據，來建立模型，并利用大量的真實的數據讓模型自我學習，這樣再出現一個任務時，我們就可以在兩個貌似沒有差別的人中，選出更佳適合的人選，這也是傳統BI無法實現的，大數據的魅力所在。

即使如此，傳統BI仍舊有大量的市場需求。大數據普及還需要時間，但大數據對BI不僅僅是簡單的包含的關系，它涉及了思想、工具和人員深層次的變革，所以大數據絕對不是BI包了一個高大上的空殼，但大數據也千萬不要高高在上，它需要更加貼和行業場景，解決實際的業務問題，讓自己更好的進行落地。