BI一詞早在20年前就被提出，加特納集團將商業(yè)智能定義為描述一系列的概念和方法，通過應(yīng)用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定。BI商業(yè)智能從國外興起，當(dāng)時IBM、SAP、微軟等廠商無論是在BI的理念上還是技術(shù)上都做的比較出色。BI的風(fēng)頭經(jīng)過了一段時間的蟄伏，于2000年初開始迎來春天，被國內(nèi)許多企業(yè)所接納，正式走向上升趨勢。

?

如今，隨著信息技術(shù)與經(jīng)濟社會的交匯融合引發(fā)了數(shù)據(jù)的迅猛增長，在數(shù)據(jù)量爆發(fā)的同時，也引起了許多企業(yè)的重視，數(shù)據(jù)已經(jīng)成為企業(yè)發(fā)展的基礎(chǔ)戰(zhàn)略資源，成為企業(yè)解決分析的重要依據(jù)。與此同時，數(shù)據(jù)治理、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)據(jù)倉庫、大數(shù)據(jù)等詞匯被提出，借此BI商業(yè)智能又重新被炒火，造成很多人在大數(shù)據(jù)分析與BI商業(yè)智能的概念上混淆，事實上大數(shù)據(jù)分析與BI商業(yè)智能是兩種不同的概念和工具，今天對未來大數(shù)據(jù)分析是否會取代傳統(tǒng)BI進行探討。

概念定義區(qū)分

若想?yún)^(qū)分兩者的不同，首先就從淺層面說起，即兩者的概念區(qū)分。

1 BI商業(yè)智能

BI(Business Intelligence)即商業(yè)智能，它是一套完整的解決方案，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進行有效的整合，快速準(zhǔn)確地提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策，既可以是操作層的，也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。

提到BI商業(yè)智能一定會提到數(shù)據(jù)倉庫，數(shù)據(jù)倉庫DW主要對多種業(yè)務(wù)數(shù)據(jù)進行篩選和整合，是提供所有類型數(shù)據(jù)支持的戰(zhàn)略集合，可以用于數(shù)據(jù)決策分析、數(shù)據(jù)報表等場景。數(shù)據(jù)倉庫是BI商業(yè)智能重要的一環(huán)，有些BI產(chǎn)品中數(shù)據(jù)倉庫作為系統(tǒng)中的組件，用來支撐BI系統(tǒng)統(tǒng)一數(shù)據(jù)來源，存儲所有系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)，簡化數(shù)據(jù)的查詢與組合。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析是指對規(guī)模巨大的數(shù)據(jù)進行分析，從收集的海量數(shù)據(jù)中，通過算法將這些來自不同渠道、格式的數(shù)據(jù)進行直接分析，從中找到數(shù)據(jù)之間的相關(guān)性，大數(shù)據(jù)可以概括為4個V， 數(shù)據(jù)量大(Volume)、速度快(Velocity)、類型多(Variety)、價值(Value)。

提到大數(shù)據(jù)分析常會伴隨數(shù)據(jù)湖這一詞，數(shù)據(jù)湖是一個集中式存儲庫，用來集中存儲多來源(內(nèi)外部系統(tǒng)、機器、傳感器、社交網(wǎng)絡(luò))、多類型(結(jié)構(gòu)化、非結(jié)構(gòu)化、半結(jié)構(gòu)化)的海量數(shù)據(jù)。數(shù)據(jù)湖與大數(shù)據(jù)分析技術(shù)進行良好融合，與大數(shù)據(jù)需要的Hadoop、Hbase、Spark、Storm等技術(shù)工具相互支撐，實現(xiàn)包括數(shù)據(jù)采集、處理、實時分析、機器學(xué)習(xí)、配置展現(xiàn)等技術(shù)環(huán)節(jié)，以達到更好的決策分析。

數(shù)據(jù)來源區(qū)分

BI商業(yè)智能與大數(shù)據(jù)分析的數(shù)據(jù)來源是不同側(cè)重的，大數(shù)據(jù)分析的數(shù)據(jù)來源更廣，它不僅涵蓋BI所能獲取的數(shù)據(jù)來源，還具備BI不能或不擅長獲取的數(shù)據(jù)來源。

1 BI商業(yè)智能

BI商業(yè)智能分析的數(shù)據(jù)來源一般為企業(yè)內(nèi)部信息化系統(tǒng)中的數(shù)據(jù)，BI在其中的作用更多的是對這些數(shù)據(jù)的集成，從數(shù)據(jù)的抽取到轉(zhuǎn)換到裝載，幫助企業(yè)實現(xiàn)內(nèi)部數(shù)據(jù)交換和使用，對數(shù)據(jù)進行更好的運用。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析的數(shù)據(jù)來源不僅是局限于企業(yè)內(nèi)部的信息化系統(tǒng)，還包括各種外部系統(tǒng)、機器設(shè)備、數(shù)據(jù)庫的數(shù)據(jù)，如：政府、銀行、國計民生、行業(yè)產(chǎn)業(yè)、社交網(wǎng)站等數(shù)據(jù)，其中數(shù)據(jù)結(jié)構(gòu)多樣化，包括：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。

技術(shù)運用區(qū)分

在技術(shù)的運用上，BI商業(yè)智能使用的是ETL、數(shù)倉、OLAP、可視化報表等傳統(tǒng)技術(shù)。大數(shù)據(jù)分析采用的是Hadoop、流處理等解決海量數(shù)據(jù)(結(jié)構(gòu)化、非結(jié)構(gòu)化)傳輸問題，同時結(jié)合Spark、MPP、HBase等技術(shù)方式來實現(xiàn)數(shù)據(jù)的挖掘、計算、分析問題。

1 BI商業(yè)智能

隨著時代的變革與技術(shù)的迭代，相應(yīng)的，傳統(tǒng)BI在技術(shù)上也經(jīng)歷了多次優(yōu)化和變革，在數(shù)據(jù)處理的某些環(huán)節(jié)技術(shù)上已經(jīng)在向大數(shù)據(jù)分析技術(shù)靠攏，但由于其基因定位，始終未能形成一整套的技術(shù)體系。BI的技術(shù)體系主要包括數(shù)據(jù)ETL的過程，數(shù)倉構(gòu)建、聯(lián)機分析處理的過程、數(shù)據(jù)配置展現(xiàn)的過程。

1.1 數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是BI智能分析的基礎(chǔ)，數(shù)據(jù)倉庫能夠從大容量的業(yè)務(wù)處理型數(shù)據(jù)庫中抽取數(shù)據(jù)，處理、轉(zhuǎn)換為新的存儲格式。這部分技術(shù)的實現(xiàn)重點就是ETL(抽取、轉(zhuǎn)換、裝載)的過程，滿足對數(shù)據(jù)挖掘的需求，具體為從來自不同企業(yè)系統(tǒng)的關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件中提取出關(guān)鍵分析數(shù)據(jù)，之后經(jīng)過對各種業(yè)務(wù)數(shù)據(jù)的抽取和相關(guān)轉(zhuǎn)化，按照目標(biāo)需求轉(zhuǎn)化為相應(yīng)的格式，來滿足數(shù)據(jù)倉庫或數(shù)據(jù)集成對數(shù)據(jù)格式和內(nèi)容挖掘的要求，隨著技術(shù)發(fā)展，很多BI產(chǎn)品支持離線使用cube 數(shù)據(jù)存儲，支持 cube 數(shù)據(jù)定時全量以及增量更新。

1.2 處理分析

在數(shù)據(jù)處理分析部分，BI商業(yè)智能通常采用OLAP聯(lián)機分析處理技術(shù)，OLAP是數(shù)據(jù)倉庫的主要應(yīng)用，提供多維分析操作，支持復(fù)雜分析操作的同時，直觀的為用戶展現(xiàn)分析結(jié)果。OLAP的基本多維分析操作有鉆取(roll up和drill down)、切片(slice)和切塊(dice)、以及旋轉(zhuǎn)(pivot)等，而時間、產(chǎn)品、數(shù)量、地區(qū)、人員、利潤等都可以成為分析的維度，通過結(jié)合形成不同的分析指標(biāo)。市面上很多BI產(chǎn)品基于OLAP分析組件實現(xiàn)如：維度切換、指標(biāo)添加、數(shù)據(jù)預(yù)警、查詢分析等功能，使用戶從多個角度觀察數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)的利用價值。

1.3 配置展現(xiàn)

數(shù)據(jù)配置展現(xiàn)是BI商業(yè)智能產(chǎn)品的亮點，數(shù)據(jù)靈活配置、可視化也是BI廠商技術(shù)實現(xiàn)及宣傳的重點，配置方面他們推崇構(gòu)建企業(yè)自己掌控的BI產(chǎn)品，用戶可以根據(jù)展現(xiàn)需求自定義配置分析指標(biāo)。展現(xiàn)方面，為達到更好的展現(xiàn)效果和更容易理解數(shù)據(jù)，BI注重將數(shù)據(jù)搭配適合的展現(xiàn)方式，記分卡、儀表盤等是較為常見的展現(xiàn)方式，同時用戶可以自由更改數(shù)據(jù)過濾條件、切換維度和指標(biāo)。隨著移動時代到來，BI已經(jīng)支持移動端與PC端一致的分析結(jié)果展示。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析技術(shù)相對于BI商業(yè)智能來說，不僅涵蓋BI商業(yè)智能具備的技術(shù)，還包括一整套對于海量數(shù)據(jù)采集、處理、分析、展現(xiàn)的專用體系和工具，大數(shù)據(jù)分析包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)匯聚、配置展現(xiàn)等過程。

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集作為大數(shù)據(jù)分析的首個環(huán)節(jié)，技術(shù)上使用機器采集和爬蟲工具來實現(xiàn)海量數(shù)據(jù)的采集，其中采集的數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)(應(yīng)用系統(tǒng)數(shù)據(jù)、數(shù)據(jù)庫數(shù)據(jù)、各種結(jié)構(gòu)化文件、消息隊列等)與非結(jié)構(gòu)化數(shù)據(jù)(網(wǎng)絡(luò)媒體、社交工具、機器設(shè)備、傳感器等)，采集數(shù)據(jù)后將這些數(shù)據(jù)整理、清洗、轉(zhuǎn)換后，生成到一個新的數(shù)據(jù)集，為后續(xù)查詢和分析處理提供統(tǒng)一的數(shù)據(jù)視圖。在海量數(shù)據(jù)采集的過程中，通常數(shù)據(jù)的并發(fā)量會很大，所以一般會在采集端部署許多數(shù)據(jù)庫來支撐不同類型的數(shù)據(jù)存儲。

2.2 數(shù)據(jù)存儲

大數(shù)據(jù)存儲是將采集后生成的數(shù)據(jù)集持久化到計算機中，用于支撐數(shù)據(jù)的計算分析，而大數(shù)據(jù)的優(yōu)勢就是快速在海量數(shù)據(jù)中挖掘和預(yù)測相關(guān)信息，幫助業(yè)務(wù)人員做出關(guān)鍵性決策和風(fēng)險防范，所以大數(shù)據(jù)會采用高性能、高吞吐率、大容量的基礎(chǔ)設(shè)備來提供及時性或近及時性的數(shù)據(jù)供于分析，在大數(shù)據(jù)存儲部分，對于簡單的結(jié)構(gòu)化數(shù)據(jù)，采用關(guān)系數(shù)據(jù)庫即可實現(xiàn)，對于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，，這就需要用到Hadoop、列存儲數(shù)據(jù)庫Cassandra、文檔數(shù)據(jù)庫MongoDB、圖數(shù)據(jù)庫Neo4j、K/V存儲Redis等。

2.3 處理分析

處理分析部分主要是從數(shù)據(jù)中分析及預(yù)測出有用的信息供企業(yè)決策分析使用，包括對相關(guān)數(shù)據(jù)集的數(shù)據(jù)進行排序、歸集，執(zhí)行機器學(xué)習(xí)算法、實時流處理、分析預(yù)測等。處理分析部分基于Hadoop、Spark、Storm、Hive等計算框架以及數(shù)據(jù)庫及時，通過Hadoop提供海量數(shù)據(jù)存儲和分布式計算，HBase 技術(shù)提供海量數(shù)據(jù)的高效發(fā)布，圖計算支持針對圖的各種操作以及一些常用圖算法。

除了對數(shù)據(jù)的處理分析，預(yù)測也是大數(shù)據(jù)算法應(yīng)用中的核心功能，通常會在大數(shù)據(jù)分析中預(yù)置一系列機器學(xué)習(xí)算法庫，構(gòu)建回歸、分類、聚類、關(guān)聯(lián)規(guī)則挖掘、描述性統(tǒng)計等一系列的數(shù)據(jù)模型，實現(xiàn)對當(dāng)前數(shù)據(jù)的深度挖掘、特征提取、行為分析、軌跡預(yù)測等，也可以結(jié)合流計算對實時數(shù)據(jù)提供流式計算的能力，實現(xiàn)實時追蹤頁面的訪問統(tǒng)計，訓(xùn)練機器學(xué)習(xí)模型，自動化異常檢測等，最終通過Open API的形式提供相應(yīng)的服務(wù)，以供外部調(diào)用獲取相關(guān)數(shù)據(jù)，支撐企業(yè)對大數(shù)據(jù)分析成果及數(shù)據(jù)價值的有效利用。

2.4 配置展現(xiàn)

大數(shù)據(jù)分析配置展現(xiàn)部分主要用來展示不同分析算法處理后的結(jié)果，包括導(dǎo)航配置、菜單配置、頁面配置等，配置后將計算匯總結(jié)果用一種友好界面或表格形式展現(xiàn)出來，分析形式多樣，包括：行列轉(zhuǎn)置、鉆取聯(lián)動，同時，在交互方式上針對用戶的操作方式、習(xí)慣，模擬推算用戶的分析習(xí)慣，提供更友好、更具有針對性的交互服務(wù)。數(shù)據(jù)展現(xiàn)部分相比傳統(tǒng)使用表格或文檔展現(xiàn)數(shù)據(jù)的方式，展現(xiàn)形式更具多樣化、豐富化，包括：餅圖、柱狀圖、折線圖、氣泡圖、面積圖、省份地圖、詞云、瀑布圖、漏斗圖等酷炫圖表，還包括自定義指標(biāo)、表單查詢等功能，展示頁面良好支撐PC端與移動端的轉(zhuǎn)換，并為企業(yè)建立數(shù)據(jù)戰(zhàn)略室，以數(shù)字大屏形式為企業(yè)展現(xiàn)數(shù)據(jù)。

業(yè)務(wù)場景區(qū)分

通過上述三點的區(qū)分不難看出，傳統(tǒng)BI關(guān)注的是企業(yè)過去與現(xiàn)在的業(yè)務(wù)、數(shù)據(jù)，從中歸納提取出數(shù)據(jù)間的共性、差異，多數(shù)被應(yīng)用在企業(yè)內(nèi)部的經(jīng)營分析上，體現(xiàn)的是數(shù)據(jù)價值應(yīng)用的過程，及時掌握當(dāng)下組織的運營現(xiàn)狀，做出科學(xué)的經(jīng)營決策。大數(shù)據(jù)分析不僅關(guān)注企業(yè)過去與現(xiàn)在的業(yè)務(wù)、數(shù)據(jù)，還偏重于數(shù)據(jù)價值的發(fā)展和獲取利用，在分析內(nèi)部運營決策的同時，通過對海量數(shù)據(jù)的計算，分析出一定的規(guī)律，從而預(yù)測未來的行情趨勢、風(fēng)險預(yù)警，之后不斷根據(jù)大量數(shù)據(jù)分析認(rèn)證事情的可靠程度，幫助企業(yè)個性化決策，更注重企業(yè)的過去、現(xiàn)在和未來的綜合管控。

1 BI商業(yè)智能

BI商業(yè)智能應(yīng)用場景更多圍繞企業(yè)內(nèi)部運營數(shù)據(jù)的分析，對現(xiàn)有系統(tǒng)數(shù)據(jù)進行提取、整理，建立信息中心的同時生成各種分析報表，基本上不會限定行業(yè)性，會根據(jù)企業(yè)業(yè)務(wù)不同劃分不同的分析結(jié)構(gòu)，常見的業(yè)務(wù)場景包括銷售分析、利潤分析、產(chǎn)品分析、人員分析等。

1.1 銷售分析

銷售分析主要是幫助企業(yè)跟蹤銷售情況，通過對數(shù)據(jù)對比、極值、預(yù)測的方式，一方面幫助企業(yè)鑒別、留住有價值的客戶，另一方面分析各項銷售指標(biāo)，與KPI對比，幫助企業(yè)快速調(diào)整銷售策略。客戶分析方面，BI實現(xiàn)對企業(yè)內(nèi)部客戶的劃分、重點客戶與潛在客戶的比對;銷售指標(biāo)分析方面，實現(xiàn)如毛利、交叉比、盈利能力、銷售額、周轉(zhuǎn)率、環(huán)比等指標(biāo)分析。

1.2 利潤分析

利潤分析以企業(yè)每一月度/季度/年度的利潤情況為基礎(chǔ)，分析計算利潤增減幅度，并將利潤與同期計劃相比，查明利潤變動原因，對應(yīng)修改相應(yīng)計劃，幫助企業(yè)擴大市場占有率、增長利潤來源，包括：銷售(產(chǎn)品/項目/其它)利潤分析、營業(yè)外收支分析、成本變動分析、稅率變動分析、價格變動分析等，從淺層次的統(tǒng)計分析結(jié)果為企業(yè)未來營銷發(fā)展方向提供深入支撐。

1.3 產(chǎn)品分析

產(chǎn)品分析部分主要是對產(chǎn)品的進銷存情況進行管理與統(tǒng)計分析，分析指標(biāo)或主題包括：庫存率、產(chǎn)量、暢銷產(chǎn)品/滯銷產(chǎn)品統(tǒng)計、產(chǎn)品淘汰率、產(chǎn)品引進率、產(chǎn)品置換率、折扣率、動銷率、周轉(zhuǎn)率等。根據(jù)這些統(tǒng)計內(nèi)容意在減少企業(yè)產(chǎn)品滯銷、庫存量大周轉(zhuǎn)資金低、進銷存不合理、銷售滯后等現(xiàn)象，繼而輔助企業(yè)對產(chǎn)品結(jié)構(gòu)進行調(diào)整，產(chǎn)品與戰(zhàn)略合理配置。

1.4 人員分析

人員分析部分主要幫助企業(yè)合理利用、調(diào)配人力資源，對員工業(yè)績進行考核、監(jiān)督，避免人力成本浪費，提升企業(yè)對人員管理的有效性。人員分析主題包括：員工人員構(gòu)成、員工人均成本、人均銷售額、毛利貢獻、人均產(chǎn)量、引進商品銷量情況等。

2 大數(shù)據(jù)分析

大數(shù)據(jù)不僅包括企業(yè)內(nèi)部應(yīng)用系統(tǒng)的數(shù)據(jù)分析，還包括與行業(yè)、產(chǎn)業(yè)的深度融合，雖然大數(shù)據(jù)分析技術(shù)并沒有完全普及，但在一些行業(yè)內(nèi)已經(jīng)開始并較有成效的被使用，大數(shù)據(jù)分析的應(yīng)用場景具有行業(yè)性，不同行業(yè)所呈現(xiàn)的內(nèi)容與分析維度各不相同，具體場景包括：互聯(lián)網(wǎng)行業(yè)、政府行業(yè)、金融行業(yè)、傳統(tǒng)企業(yè)中的地產(chǎn)、醫(yī)療、能源行業(yè)等。

2.1 互聯(lián)網(wǎng)行業(yè)

互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)的應(yīng)用代表為電商、社交、網(wǎng)絡(luò)檢索領(lǐng)域，此類場景都有一個共性，就是具備先天的數(shù)據(jù)優(yōu)勢，可以更好的支撐大數(shù)據(jù)分析平臺的建設(shè)，電商行業(yè)可以根據(jù)銷售數(shù)據(jù)、客戶行為(活躍度、商品偏好、購買率等)數(shù)據(jù)、交易數(shù)據(jù)、商品收藏數(shù)據(jù)、售后數(shù)據(jù)等刻畫用戶畫像，根據(jù)客戶的喜好為其推薦對應(yīng)的產(chǎn)品，幫助制定營銷策略，優(yōu)化當(dāng)前問題;社交數(shù)據(jù)可以幫助潛在客戶更加了解關(guān)系的資訊或服務(wù)，為商家?guī)硪?搜索引擎與上述同理，根據(jù)用戶的搜索習(xí)慣，對于用戶進行關(guān)鍵詞和信息推薦，對于利益方面可以成為獲取收益的渠道，以精準(zhǔn)廣告投放的方式進行產(chǎn)品營銷。

2.2 政府行業(yè)

政府行業(yè)在大數(shù)據(jù)分析部分也具有先天數(shù)據(jù)優(yōu)勢，可以獲取多種渠道的數(shù)據(jù)，包括質(zhì)檢部門、公安部門、氣象部門、醫(yī)療部門等，質(zhì)檢部門包括對商品生產(chǎn)、加工、物流、貿(mào)易、消費全過程的信息進行采集、驗證、檢查，保證食品物品安全;公安部門通過對各個機器設(shè)備的人臉識別、圖像采集等技術(shù)，利用這些數(shù)據(jù)，進行嫌犯追蹤或風(fēng)險管控;通過大數(shù)據(jù)，采集分析氣象歷史數(shù)據(jù)、星云圖變化歷史數(shù)據(jù)，通過構(gòu)建大氣運動規(guī)律評估模型、氣象變化關(guān)聯(lián)性分析等路徑，精準(zhǔn)地預(yù)測氣象變化，尋找最佳的解決方案，規(guī)劃應(yīng)急、救災(zāi)工作。

2.3 金融行業(yè)

金融行業(yè)也是大數(shù)據(jù)分析的重點應(yīng)用行業(yè)，金融行業(yè)的大數(shù)據(jù)分析多應(yīng)用于銀行、證券、保險等細(xì)分領(lǐng)域，在大數(shù)據(jù)分析方面銀行會結(jié)合多種渠道數(shù)據(jù)進行分析，客戶在社交媒體上的行為數(shù)據(jù)、在網(wǎng)站上消費的交易數(shù)據(jù)、客戶辦理業(yè)務(wù)的預(yù)留數(shù)據(jù)，結(jié)合客戶年齡、資產(chǎn)規(guī)模、消費偏好等對客戶群進行精準(zhǔn)定位，分析其在金融業(yè)的需求，反向?qū)ο村X、詐騙等行為進行預(yù)測分析;對于保險行業(yè)則根據(jù)用戶信息細(xì)分進行精準(zhǔn)化營銷、欺詐行為分析及預(yù)測、精細(xì)化運營等;證券行業(yè)則利用大數(shù)據(jù)分析進行估價預(yù)測、客戶關(guān)系維護與管理、流失客戶預(yù)測、投資景氣分析等。

2.4 傳統(tǒng)企業(yè)

傳統(tǒng)行業(yè)對于大數(shù)據(jù)分析的構(gòu)建要比前三點提到的行業(yè)漫長一些，很難一步做到內(nèi)外部數(shù)據(jù)聯(lián)合分析，通常都是由內(nèi)向外的一個過程，常見的行業(yè)包括：能源、電信、地產(chǎn)、零售、制造等。電信行業(yè)借助大數(shù)據(jù)應(yīng)用分析傳感器數(shù)據(jù)異常情況，預(yù)測設(shè)備故障，提高用戶滿意度;能源行業(yè)利用大數(shù)據(jù)分析挖掘客戶行為特征、消費規(guī)律，提高能源需求準(zhǔn)確性;地產(chǎn)行業(yè)通過內(nèi)外部數(shù)據(jù)的挖掘分析，使管理者掌握和了解房地產(chǎn)行業(yè)潛在的市場需求，掌握商情和動態(tài)，針對細(xì)分市場實施動態(tài)定價和差別定價等;制造行業(yè)通過大數(shù)據(jù)分析實現(xiàn)設(shè)備預(yù)測維護、優(yōu)化生產(chǎn)流程、能源消耗管控、發(fā)現(xiàn)潛在問題并及時預(yù)警等。

個人見解分析

當(dāng)下很多BI廠商宣稱其BI系統(tǒng)就是大數(shù)據(jù)分析類產(chǎn)品，可以實現(xiàn)大數(shù)據(jù)平臺的功能，滿足企業(yè)決策分析需求。實際上，企業(yè)對BI系統(tǒng)的使用量的確大于對大數(shù)據(jù)分析平臺的使用量，筆者也不止一次思考大數(shù)據(jù)是否真的可以取代傳統(tǒng)BI產(chǎn)品，最終我的答案是：大數(shù)據(jù)分析平臺與傳統(tǒng)BI會以相互配合、協(xié)作的關(guān)系共存。

雖然大數(shù)據(jù)分析平臺在技術(shù)上可以替代BI系統(tǒng)，但兩者都是構(gòu)建企業(yè)數(shù)據(jù)資產(chǎn)的一部分，一定程度上可以做到相輔相成，傳統(tǒng)BI系統(tǒng)實現(xiàn)企業(yè)內(nèi)部系統(tǒng)運營數(shù)據(jù)的有效利用，滿足對業(yè)務(wù)數(shù)據(jù)的歸納與分析，發(fā)現(xiàn)企業(yè)經(jīng)營問題;大數(shù)據(jù)分析平臺實現(xiàn)企業(yè)內(nèi)部外數(shù)據(jù)的結(jié)合，行/產(chǎn)業(yè)間上下游的聯(lián)動，為企業(yè)戰(zhàn)略、規(guī)劃、政策、目標(biāo)等大方針制定、監(jiān)督和執(zhí)行提供支撐。很多時候應(yīng)該理性看待兩者的關(guān)系，合理利用兩種工具，為自身創(chuàng)造更多的價值。

1 走出觀念誤區(qū)

若想合理利用兩種工具，首先需要走出對大數(shù)據(jù)分析與BI在理念上、功能上的觀念誤區(qū)，明確兩者當(dāng)前的技術(shù)發(fā)展趨勢。起初BI更強調(diào)以美、炫酷、自主配置、構(gòu)建企業(yè)DIY商業(yè)智能平臺為主，數(shù)據(jù)管理分析部分做的較弱，當(dāng)時構(gòu)建BI的企業(yè)多數(shù)是希望借此突出其政績工程，而沒有真正實現(xiàn)數(shù)據(jù)決策。如今BI系統(tǒng)在技術(shù)上已進行了升級，更加重視數(shù)據(jù)治理(主數(shù)據(jù)、元數(shù)據(jù))、數(shù)據(jù)整合等技術(shù)的支撐，經(jīng)過改變，一些BI系統(tǒng)已經(jīng)具備簡單的數(shù)據(jù)關(guān)聯(lián)、大數(shù)據(jù)引擎、數(shù)據(jù)挖掘等功能，真正實現(xiàn)企業(yè)經(jīng)營成果分析。

大數(shù)據(jù)分析受到BI的宣傳影響，讓很多人誤認(rèn)為大數(shù)據(jù)分析也只是注重可視化部分，事實上，可視化只是其技術(shù)中很小的一部分，大數(shù)據(jù)同樣支持鉆取、即席分析等操作，展示層面也具備儀表盤、數(shù)字大屏等效果。對于大數(shù)據(jù)分析真正的價值是對海量數(shù)據(jù)的采集、存儲、計算、配置、展現(xiàn)等一系列過程，通過數(shù)據(jù)統(tǒng)計、數(shù)據(jù)挖掘、在線分析處理、機器學(xué)習(xí)等手段，在日積月累的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，預(yù)測未來行業(yè)趨勢、預(yù)警風(fēng)險，以數(shù)據(jù)驅(qū)動業(yè)務(wù)、針對性調(diào)整優(yōu)化業(yè)務(wù)，以獲得商業(yè)利益。

2 業(yè)務(wù)管理驅(qū)動

從業(yè)務(wù)角度來看，每個企業(yè)管理都會圍繞三點進行，分別為經(jīng)營管理(市場營銷管理、產(chǎn)品體系管理、價格管理、財務(wù)管理)、團隊管理(團隊建設(shè)、部門管理、制度管理、成本管理)、可持續(xù)發(fā)展管理(戰(zhàn)略管理、手段管理、創(chuàng)新管理、風(fēng)險管理)。初期，企業(yè)核心需求為對人、財、物、產(chǎn)、供、銷的管理，這時除了必要的信息化系統(tǒng)之外，還需要有效利用系統(tǒng)中產(chǎn)生的數(shù)據(jù)進行決策分析，而BI就是有效實現(xiàn)企業(yè)內(nèi)部數(shù)據(jù)運用與分析的最佳手段。

企業(yè)若想持續(xù)發(fā)展壯大，必須具備可持續(xù)發(fā)展、防范風(fēng)險、預(yù)測未來的能力，這就意味著企業(yè)間真正拼的不在是內(nèi)部運營現(xiàn)狀的調(diào)整與分析，而是如何有效利用起內(nèi)外部數(shù)據(jù)資源，達到企業(yè)內(nèi)部與行業(yè)產(chǎn)業(yè)的上下聯(lián)動，做到信息內(nèi)外皆知，在千篇一律的經(jīng)營模式下掌握客戶所求，出奇制勝;在風(fēng)雨難測的市場環(huán)境下快速調(diào)整業(yè)務(wù)，推陳出新;在看似平穩(wěn)的發(fā)展趨勢下有效規(guī)避風(fēng)險，掌控未來。這些需求大數(shù)據(jù)平臺都可以幫助企業(yè)有效的實現(xiàn)，平臺之下融合BI系統(tǒng)，共同打造內(nèi)外部一體化決策。

3 技術(shù)發(fā)展助推

企業(yè)對于BI系統(tǒng)與大數(shù)據(jù)平臺的選擇不應(yīng)該是根據(jù)當(dāng)下潮流決定的，而是根據(jù)企業(yè)信息化建設(shè)基礎(chǔ)和業(yè)務(wù)發(fā)展?fàn)顩r決定的，兩者缺一不可，并相互制約。從信息化建設(shè)角度講，兩者建設(shè)順序與業(yè)務(wù)發(fā)展情況相同，BI系統(tǒng)會優(yōu)先于大數(shù)據(jù)平臺。伴隨著系統(tǒng)的快速構(gòu)建，數(shù)據(jù)問題也隨之出現(xiàn)，系統(tǒng)已不能再為企業(yè)帶來絕對的競爭優(yōu)勢，數(shù)據(jù)治理分析理念興起，在企業(yè)還不具備大規(guī)模數(shù)據(jù)的階段，通常會在系統(tǒng)整合與數(shù)據(jù)治理之后會選擇構(gòu)建BI系統(tǒng)，實現(xiàn)初步?jīng)Q策分析。

信息化建設(shè)對于企業(yè)來講是一個漫長的過程，需要不斷去完善、深化，并呈現(xiàn)出上升趨勢，數(shù)據(jù)時代帶來數(shù)據(jù)量大幅度增長，數(shù)據(jù)中具備許多高價值的情報待發(fā)掘，過程中促使利用大數(shù)據(jù)的技術(shù)、架構(gòu)、工具產(chǎn)生，如物聯(lián)網(wǎng)、人工智能、Hadoop、Spark等，還包括近期較火的上云計劃，將大數(shù)據(jù)分析平臺基于云上部署，減少企業(yè)運營和技術(shù)的維護成本的同時，做到性能更加優(yōu)化，以上的種種都加速了企業(yè)邁向大數(shù)據(jù)分析的步伐，達到對前期BI數(shù)據(jù)決策分析的一種更深化、穩(wěn)定、有效的傳承。

綜上所述，大數(shù)據(jù)相對于傳統(tǒng)BI產(chǎn)品，不只是所謂的升級關(guān)系，而是在相互協(xié)作中，從理念、技術(shù)、架構(gòu)、工具上進行了一定的顛覆，無論企業(yè)當(dāng)前如何發(fā)展，未來終將會走到數(shù)據(jù)驅(qū)動時代。然而對于當(dāng)下沒有構(gòu)建大數(shù)據(jù)分析平臺的企業(yè)來說，也不必著急，順應(yīng)大勢固然重要，但在建設(shè)過程中打好基礎(chǔ)更重要，要明確做好大數(shù)據(jù)平臺的前提是應(yīng)用集成、數(shù)據(jù)治理，做到基礎(chǔ)優(yōu)先，過程穩(wěn)扎穩(wěn)打，根據(jù)業(yè)務(wù)現(xiàn)狀、信息化實情、順勢而為即可。