大數據(Big Data)是指在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據更偏重于發現，以及猜測并印證的循環逼近過程。

一、大數據的定義
大數據(Big Data)是指在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據更偏重于發現，以及猜測并印證的循環逼近過程。
二、BI的定義
BI全稱商業智能（Business Intelligence），在傳統企業中，它是一套完整的解決方案。將企業的數據有效整合，快速制作出報表以作出決策。商業智能BI在數據架構中處于前端分析的位置，其核心作用是對獲取數據的多維度分析、數據的切片、數據的上鉆和下鉆、cube等。通過ETL數據抽取、轉化形成一個完整的數據倉庫、然后對數據倉庫的數據進行抽取，而后是商業智能的前端分析和展示。
三、大數據與BI的區別
1、從發展方向角度
BI的發展要從傳統的商務智能模式開始轉換，對于企業來說，BI不僅僅是一個IT項目，更是一種管理和思維的方式，從技術的部署到業務的流程規劃，BI迎來新的發展。對于大數據來說，現階段更多的大數據關注在非結構化數據，不同的數據分析工具的出現和行內的應用范圍不斷的加大，對于大數據應用來說，怎么與應用的行業進行一個深層次的結合才是最重要的
2、從人員的角度
傳統BI只要掌握核心的SQL技術就可以從事BI的工作，而大數據的數據處理，涉及太多新的技術，不同的應用場景需要不同的大數據處理方法了，而且不再有人機交互那么好的客戶端了，至少要懂流處理、HADOOP、列式或分布式鍵值數據庫吧，還需要能在SPARK上開發算法程序，對于用戶畫像、產品標簽化、推薦系統、排序算法都應有所理解。
3、從數據來源角度
大數據應用的數據來源，不僅僅包括非結構化的數據，還有各種系統數據，數據庫數據。其中非結構化數據主要是集中在互聯網以及一些社交網站上的數據以及一些機器設備的數據，這些都構成了大數據應用的數據來源。對于大數據的分析工具來說，現階段也是對于非結構化的數據分析的比較多。
BI系統則是在數據集成方面的技術越來越成熟，對于數據的提取，一個各種數據挖掘的要求來說，數據集成平臺會幫助企業實現數據的流通和交互使用，在企業內部實施BI應用就是為了可以更好的對數據進行分享和使用。
四、BI的意義
1、提高決策質量
深入分析問題BI能夠將數據轉換為知識進而輔助決策，能夠使決策者決策更加迅速準確，能夠給企業注入新的革命性的管理思想。決策者可以根據BI提供的鉆取功能對數據結果進行追根溯源，使問題的分析不止步于表面結果，發掘出數據中包含的機會：即如何以更低的成本、更快的速度、更高的質量完成任務;這使管理者能在質疑中不斷以創新來獲得差異化競爭優勢。
2、整合信息孤島
整體分析問題BI可以將企業信息化的數據孤島整合起來，提供一個全局的視圖，讓決策者可以更加全面地看待問題，降低決策失誤風險性。
3、幫企業進行風險預警
風險的預測和評估是非常重要的。企業可以在BI系統中設置數據報警閾值，數據一旦超標，系統會以各種手段通知到管理員，使企業風險可控，減少安全漏洞。
4、提高員工工作效率
在沒有BI之前，員工要寫大量復雜的SQL語句，制作大量報表以滿足業務要求，決策者在面對大量堆積報表數據也感到頭疼。而BI則徹底改變了這種現狀，使業務人員可以輕松進行數分析，使決策者可以自在查看分析，及時查看到決策所關心的數據。
5、數據挖掘預測
長遠分析問題BI系統的預測功能使企業看問題更長遠，決策更具前瞻性。BI會根據對積累的大數據進行挖掘，得到數據的之間潛在的規律或趨勢，進而做出下一步預測。由于它需要復雜的算法、統計模型和大量的數據，所以需要支持大數據量的處理能力，像并行算法和網格計算是非常有必要的。

五、億信ABI
億信ABI是億信華辰開發的一款全能型數據分析產品，融合了數據源適配、ETL數據處理、數據建模、數據分析、數據填報、工作流、門戶、移動應用等核心功能而打造的一站式數據分析平臺。ABI從數據源接入，到數據采集、數據處理，再到數據應用，打通數據生命周期的各個環節，實現數據填報、處理、分析一體化，為用戶提供一站式數據服務。利用DW/BI理論結合人工智能技術，通過豐富的數據分析手段，如：固定報表、Dashboard、大屏分析、移動分析、分析報告、幻燈片報告、自助分析等，全方位滿足用戶的數據應用場景。既可以為實施人員提供面向數據倉庫的數據分析展現，也可以為業務人員提供自助式數據分析能力，還可以讓開發人員靈活實現個性化功能擴展