在企業(yè)數(shù)字化建設(shè)過程中，經(jīng)常混淆使用的兩個(gè)術(shù)語“商業(yè)智能”（BI）和“數(shù)據(jù)分析”。它們不是一回事，但如果有人要求你解釋不同之處，你會(huì)怎么說？

有些人說：商業(yè)智能是通過回顧歷史數(shù)據(jù)來描述已經(jīng)發(fā)生的事情，而數(shù)據(jù)分析使用數(shù)據(jù)科學(xué)技術(shù)來預(yù)測(cè)未來將會(huì)發(fā)生或應(yīng)該發(fā)生的事情，這是兩者的區(qū)別。我們認(rèn)為這很接近，但還有更多。

商業(yè)智能涉及使用數(shù)據(jù)來幫助做出商業(yè)決策，或者正OLAP.com 所說，BI“是指用于收集、集成、分析和呈現(xiàn)商業(yè)信息的技術(shù)、應(yīng)用程序和實(shí)踐。商業(yè)智能的目的是支持更好的業(yè)務(wù)決策。”

但是，我們平時(shí)說的數(shù)據(jù)分析好像也是這樣。

— 1 —從有關(guān)分析的4中類型說起?

為了在商業(yè)智能和數(shù)據(jù)分析之間劃清界限，我們認(rèn)為談?wù)撐覀兿胍瓿傻氖虑楦杏谩Ｎ覀兛梢詫⒎治龇譃樗念悾好枋鲂苑治觥⒃\斷性分析、預(yù)測(cè)性分析和規(guī)范性分析。

1、描述性分析

獲取數(shù)據(jù)并將其轉(zhuǎn)化為業(yè)務(wù)經(jīng)理可以可視化、理解和解釋的東西。它提供有關(guān)歷史表現(xiàn)的情報(bào)并回答有關(guān)發(fā)生了什么的問題。描述性分析報(bào)告旨在定期運(yùn)行和查看。示例包括客戶、運(yùn)營和銷售報(bào)告。在不同類型的分析方法中，描述性分析是從數(shù)據(jù)中得到見解的最簡(jiǎn)單、最直接的方法。通過使用指標(biāo)報(bào)告、匯總統(tǒng)計(jì)、數(shù)據(jù)聚合、數(shù)據(jù)挖掘和聚類等技術(shù)，描述性分析可以用來回答“發(fā)生了什么”的問題。描述性分析的例子可能包括定性或定量數(shù)據(jù)、數(shù)據(jù)查詢、描述性統(tǒng)計(jì)、或數(shù)據(jù)圖表的報(bào)告。這種方法經(jīng)常用于不同的業(yè)務(wù)領(lǐng)域，尤其是銷售、營銷和財(cái)務(wù)部門。比如一個(gè)電商店主，他想知道圣誕節(jié)期間，加州什么產(chǎn)品最不受歡迎。通過對(duì)歷史數(shù)據(jù)進(jìn)行描述性分析，該店主可以獲得有關(guān)該時(shí)期人們最不愿意購買的商品的信息。描述性分析還可以提供銷售的整體情況，還能顯示商店的總體運(yùn)營表現(xiàn)。

2、診斷性分析

描述性分析會(huì)向我們展示發(fā)生了什么，而診斷分析則是通過尋找因果關(guān)系來回答“為什么”會(huì)發(fā)生這樣的問題。通過描述性分析獲得見解后，診斷性分析可提供更為廣闊的視角，供你分析這些見解。通過診斷性分析，你可以快速識(shí)別數(shù)據(jù)的模式和異常值，以了解不同因素之間的關(guān)系。診斷性分析可能包括可能性、概率或分布式結(jié)果，包括如回歸分析、主成分分析、和敏感性分析等技術(shù)。

3、預(yù)測(cè)性分析

提供有關(guān)可能的未來結(jié)果的見解——預(yù)測(cè)，基于描述性數(shù)據(jù)，但使用數(shù)據(jù)科學(xué)和通常利用多個(gè)數(shù)據(jù)集的算法進(jìn)行附加預(yù)測(cè)。可用的數(shù)據(jù)越多，預(yù)測(cè)就越好。示例包括銷售預(yù)測(cè)、消費(fèi)者信用評(píng)分以及零售商對(duì)您接下來可能想要閱讀、查看或購買的內(nèi)容的建議。與描述性和診斷性分析相比，預(yù)測(cè)性分析更復(fù)雜，因?yàn)樗髷?shù)據(jù)科學(xué)家具備專業(yè)知識(shí)。簡(jiǎn)而言之，這種方法會(huì)使用統(tǒng)計(jì)建模，進(jìn)行可靠的預(yù)測(cè)。它可能包括以下內(nèi)容：

預(yù)測(cè)建模： 使用數(shù)據(jù)的定量分析確定模式。通過將數(shù)據(jù)提供給預(yù)測(cè)模型，你可以得到某個(gè)決策反饋，例如，更改業(yè)務(wù)流程中的某些元素。

時(shí)間序列數(shù)據(jù)挖掘：隨著時(shí)間的推移收集有組織的數(shù)據(jù)（例如，天氣記錄），以便找到和確定模式，并基于該模式進(jìn)行預(yù)測(cè)。最簡(jiǎn)單的例子是：解釋某公司的產(chǎn)品或服務(wù)在一年中的什么時(shí)段會(huì)出現(xiàn)需求高峰。

貝葉斯分析：一種統(tǒng)計(jì)模型，通過確定假設(shè)的概率（例如，利率的變化影響股票市場(chǎng)指數(shù)的概率），從而減少不確定性。

4、規(guī)范性分析

規(guī)范性分析是公司為了實(shí)現(xiàn)預(yù)期結(jié)果而采取的步驟，提供有關(guān)采取何種行動(dòng)的建議。它檢查不同可能的行動(dòng)可能產(chǎn)生的結(jié)果，并建議哪些行動(dòng)將產(chǎn)生最佳結(jié)果。該分析建立在預(yù)測(cè)分析的基礎(chǔ)上，但卻多了了對(duì)未來發(fā)展的建議。換句話說，這類分析回答了“如何讓某事發(fā)生？”的問題，可以為決策者提供最佳操作規(guī)劃。最重要的是，規(guī)范性模型包含的機(jī)制通常會(huì)不斷從用戶反饋中學(xué)習(xí)，并根據(jù)新信息調(diào)整輸出。創(chuàng)建規(guī)范性分析需要先進(jìn)的建模技術(shù)和許多分析算法的知識(shí)——這些都是數(shù)據(jù)科學(xué)家工作的一部分。大數(shù)據(jù)策略師 Mark van Rijmenam 寫道：“如果我們將描述性分析視為商業(yè)智能的基礎(chǔ)，并且將預(yù)測(cè)性分析視為大數(shù)據(jù)的基礎(chǔ)，那么我們可以說說明性分析將是大數(shù)據(jù)的未來。”

— 2 —BI和數(shù)據(jù)分析的區(qū)別?

使用這三個(gè)類別，我們可以更好地區(qū)分 BI 和數(shù)據(jù)分析。所有描述性分析都屬于商業(yè)智能的范疇。一些預(yù)測(cè)分析也屬于 BI。畢竟，如果您不打算使用分析來采取行動(dòng)來增強(qiáng)未來的結(jié)果，為什么還要看分析呢？然而，規(guī)范性分析超越了 BI，進(jìn)入了數(shù)據(jù)分析領(lǐng)域。我們?cè)谀睦锂嬀€？商業(yè)智能依賴于業(yè)務(wù)經(jīng)理使用的數(shù)據(jù)。如果他們接受過使用可視化工具（如 Tableau、Microsoft Power BI、Looker 或任何?其他選項(xiàng)）的培訓(xùn)，他們可以創(chuàng)建自己的 BI 報(bào)告。數(shù)據(jù)分析需要更高水平的數(shù)學(xué)專業(yè)知識(shí)。數(shù)據(jù)科學(xué)家采用大數(shù)據(jù)集并應(yīng)用算法對(duì)其進(jìn)行組織和建模，以使數(shù)據(jù)可用于前瞻性、預(yù)測(cè)性報(bào)告。它依靠算法、模擬和定量分析來確定表面上不明顯的數(shù)據(jù)之間的關(guān)系。BI不會(huì)發(fā)生這種情況。數(shù)據(jù)分析不是回答有關(guān)?發(fā)生了什么的問題，而是試圖了解事情發(fā)生的原因。我們同意這樣的說法：“數(shù)據(jù)分析是關(guān)于迭代地提出問題。任何給定問題的答案通常只查看一次，并用于在我們回答基本業(yè)務(wù)問題或解決問題的過程中通知下一個(gè)問題。”

— 3 —BI和數(shù)據(jù)分析的相同點(diǎn)?

商業(yè)智能解決持續(xù)運(yùn)營問題，幫助企業(yè)和部門實(shí)現(xiàn)業(yè)務(wù)和管理的目標(biāo)。數(shù)據(jù)分析可以幫助那些希望改變其經(jīng)營方式的公司。這兩個(gè)學(xué)科都可以從少量數(shù)據(jù)準(zhǔn)備中受益。數(shù)據(jù)分析通常需要數(shù)據(jù)建模，其中收集、清理、分類、轉(zhuǎn)換、聚合、驗(yàn)證和轉(zhuǎn)換原始數(shù)據(jù)。當(dāng)然，干凈的數(shù)據(jù)對(duì) BI 也很有十分重要。一旦數(shù)據(jù)干凈，它就會(huì)以適合報(bào)告的結(jié)構(gòu)和格式存儲(chǔ)。這通常意味著數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)倉庫中——一種柱狀數(shù)據(jù)存儲(chǔ)，如今，它通常在可擴(kuò)展的云基礎(chǔ)設(shè)施上運(yùn)行。數(shù)據(jù)倉庫中的數(shù)據(jù)代表了所有企業(yè)報(bào)告的單一真實(shí)版本，包括 BI 和數(shù)據(jù)分析。BI 和數(shù)據(jù)分析都需要基于數(shù)據(jù)倉庫的分析堆棧，數(shù)據(jù)通過 ETL 工具輸入。

寫在最后 你覺得這次討論把商業(yè)智能（BI）和數(shù)據(jù)分析的概念講清楚了嗎？不見得。無論我們?nèi)绾味x它，人們?nèi)匀粫?huì)使用他們喜歡的術(shù)語。那么如果有人說，“數(shù)據(jù)分析是你獲得商業(yè)智能的方式”或“商業(yè)智能包含數(shù)據(jù)分析”怎么辦？如果他們想談?wù)摗皹I(yè)務(wù)分析”怎么辦？隨它吧，總之能夠解決業(yè)務(wù)問題，帶來業(yè)務(wù)價(jià)值的分析就是好分析！這兩個(gè)過程的重點(diǎn)是分析數(shù)據(jù)并創(chuàng)建報(bào)告以改進(jìn)決策——在這一點(diǎn)上，我們都同意。