這里不再闡述商業(yè)智能的概念了，關(guān)于BI，就從過(guò)往的了解，搜索以及知乎的一些問(wèn)答，大家困惑的點(diǎn)主要集中于大數(shù)據(jù)與BI的關(guān)系，BI的一些技術(shù)問(wèn)題，以及BI行業(yè)和個(gè)人職業(yè)前景的發(fā)展。這里歸納成8個(gè)問(wèn)題點(diǎn)，每個(gè)問(wèn)題都做了精心的解答，希望能給大家?guī)?lái)幫助。

問(wèn)題1：商業(yè)智能BI和大數(shù)據(jù)是什么關(guān)系，如何選擇？

BI(BusinessIntelligence)即商業(yè)智能，它是一套完整的解決方案，用來(lái)將企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合，快速準(zhǔn)確的提供報(bào)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(yíng)決策。

大數(shù)據(jù)(Big Data)是指在可承受的時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來(lái)適應(yīng)海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

兩者是不一樣的概念，BI相對(duì)于大數(shù)據(jù)更傾向于決策，適合支持經(jīng)營(yíng)指標(biāo)支撐類(lèi)的問(wèn)題，大數(shù)據(jù)則內(nèi)涵更廣，傾向于刻畫(huà)個(gè)體，更多的在于個(gè)性化的決策。

現(xiàn)今，大型互聯(lián)網(wǎng)企業(yè)采用hadoop一類(lèi)的大數(shù)據(jù)架構(gòu)——數(shù)據(jù)倉(cāng)庫(kù)——自己研發(fā)的報(bào)表、OLAP分析等，或者前端選用成熟的商業(yè)智能報(bào)表和BI分析軟件，像FineBI之類(lèi)的大數(shù)據(jù)BI都能對(duì)接大數(shù)據(jù)平臺(tái)。傳統(tǒng)企業(yè)，小型的公司沒(méi)有那么多的業(yè)務(wù)分析的需求，大多尋求excel、業(yè)務(wù)系統(tǒng)的簡(jiǎn)單報(bào)表功能或者專(zhuān)業(yè)的報(bào)表工具來(lái)解決問(wèn)題；一般中大型企業(yè)數(shù)據(jù)量大時(shí)會(huì)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，用BI在前端分析展現(xiàn)。當(dāng)然很多傳統(tǒng)企業(yè)針對(duì)特定業(yè)務(wù)（比如用戶(hù)畫(huà)像、風(fēng)控分析）采用大數(shù)據(jù)技術(shù)。

整體來(lái)講，選擇大數(shù)據(jù)還是BI依據(jù)需求來(lái)定，大數(shù)據(jù)組件大多開(kāi)源，需要大量的人力開(kāi)發(fā)。BI大多商用，需要一定資金和一定時(shí)間的項(xiàng)目實(shí)施。

問(wèn)題2：什么是大數(shù)據(jù)BI？什么是自助式BI？和傳統(tǒng)BI有何區(qū)別？

大數(shù)據(jù)BI

大數(shù)據(jù)BI有這樣幾類(lèi)特性：能對(duì)接hadoop一類(lèi)的大數(shù)據(jù)平臺(tái)，做數(shù)據(jù)分析；能處理大數(shù)據(jù)量（億級(jí)以上），響應(yīng)速度快，比較考驗(yàn)的是BI的數(shù)據(jù)處理計(jì)算性能和數(shù)據(jù)庫(kù)性能。

傳統(tǒng)BI &自助式BI

傳統(tǒng)BI重在于數(shù)據(jù)平臺(tái)搭建，提供報(bào)表服務(wù)，以IT為主導(dǎo)；自助式BI重在于數(shù)據(jù)分析，以業(yè)務(wù)分析為主導(dǎo)。兩者的數(shù)據(jù)處理流程相通。

傳統(tǒng)BI：通常指企業(yè)內(nèi)部大而全的統(tǒng)一報(bào)表或分析平臺(tái)，代表性的老牌BI工具廠商如 IBM的cognos，Oracle的OBIEE，SAP的BO等均包含豐富的功能模塊，比較適合于打造一體化的大而全的統(tǒng)一平臺(tái)。傳統(tǒng)BI一般面向IT研發(fā)人員，他們多集中在企業(yè)的技術(shù)部門(mén)，傳統(tǒng)BI的打造方式基本如下：

自助BI：面向的是不具備IT背景的業(yè)務(wù)分析人員，與傳統(tǒng)BI相比更靈活且易于使用，而且一定程度上擺脫對(duì)IT部門(mén)的大幅度依賴(lài)。不同于以往“IT主導(dǎo)的報(bào)表模式”，轉(zhuǎn)而向“業(yè)務(wù)主導(dǎo)的自助分析模式”發(fā)展。自助BI通常的應(yīng)用場(chǎng)景：

問(wèn)題3：BI的多維數(shù)據(jù)模型和OLAP是什么，實(shí)用價(jià)值在哪？

試想一下分析業(yè)務(wù)數(shù)據(jù)時(shí)場(chǎng)景，經(jīng)常會(huì)從不同的角度來(lái)審視業(yè)務(wù)的衡量指標(biāo)。例如分析銷(xiāo)售數(shù)據(jù)，可能會(huì)綜合時(shí)間周期、產(chǎn)品類(lèi)別、分銷(xiāo)渠道、地理分布、客戶(hù)群類(lèi)等多種因素來(lái)考量。這些分析角度雖然可以通過(guò)報(bào)表來(lái)反映，但每一個(gè)分析的角度生成一張報(bào)表，各個(gè)分析角度的不同組合又生成不同的報(bào)表，每嘗試分析一次，就得抽一次數(shù)，這會(huì)使得IT人員的工作量相當(dāng)大。

而OLAP的作用就是盡可能將所有的維度條件及聚合值都準(zhǔn)備好，供使用者在分析時(shí)可以按照任意維度來(lái)分析。

以BI的實(shí)際應(yīng)用來(lái)講，拿到數(shù)據(jù)，可能需要下鉆到比較粗的粒度觀察數(shù)據(jù)，比如從日期時(shí)間維度、從地域品類(lèi)維度來(lái)分析數(shù)據(jù)，對(duì)應(yīng)到BI的操作上，就是拖拽維度、過(guò)濾排序、維度切換，鉆取等操作，cube或者數(shù)據(jù)倉(cāng)庫(kù)就要響應(yīng)這種操作，這就使用到了下鉆、切邊、切塊、轉(zhuǎn)軸等功能。

問(wèn)題4：商業(yè)智能BI在數(shù)據(jù)分析工作中的作用，是必要的嗎？

在數(shù)據(jù)分析過(guò)程中，BI也算是一個(gè)工具，能自助取數(shù)，用于快速分析，制作分析報(bào)表。很多互聯(lián)網(wǎng)、零售、金融企業(yè)會(huì)有自己的數(shù)據(jù)分析團(tuán)隊(duì)會(huì)專(zhuān)業(yè)的分析人員，使用的工具可能從SPSS、SAS、R、Python不等，這些工具能對(duì)準(zhǔn)備好的數(shù)據(jù)做數(shù)理統(tǒng)計(jì)分析，取數(shù)的工作大多還是要交給IT人員去做。像目前的自助式BI因?yàn)樯鲜趾芎?jiǎn)單，對(duì)于多維度的數(shù)據(jù)可以從各方面來(lái)展示，而且能及時(shí)生成數(shù)據(jù)報(bào)告，可在平臺(tái)上管理報(bào)表和分析表單。所以是否有必要，因需求而異。

問(wèn)題5：BI如何選型，需要考慮哪些點(diǎn)？

BI工具可分為傳統(tǒng)型BI以及自助型BI。傳統(tǒng)型BI，國(guó)外以SAP BO、cognos、Oracle BIEE等為主；自助型BI，比如國(guó)外的Tableau、Qlikview，國(guó)內(nèi)的FineBI、永洪bi等等。

站在產(chǎn)品的企業(yè)的角度，可以從領(lǐng)先能力、產(chǎn)品能力、服務(wù)能力以及價(jià)格能力去著手衡量。可通過(guò)海比研究給出的一套《BI選型指標(biāo)體系》來(lái)判斷。

1、領(lǐng)先能力=行業(yè)地位+領(lǐng)先性

比如公司在行業(yè)中的低位、市場(chǎng)占有率、公司在該領(lǐng)域的專(zhuān)注性以及技術(shù)的領(lǐng)先性。商業(yè)智能目前的市場(chǎng)格局不算大，可擴(kuò)展到報(bào)表領(lǐng)域去衡量。

2、產(chǎn)品能力=公司產(chǎn)品線+核心產(chǎn)品功能+解決方案

一般來(lái)講，公司的產(chǎn)品線越完整，相關(guān)產(chǎn)品的整合能力越強(qiáng)，越好。但是，最重要的還是產(chǎn)品的功能是否實(shí)能解決企業(yè)最關(guān)注的的問(wèn)題，是否能覆蓋更多行業(yè)，BI解決的是行業(yè)通用性的問(wèn)題，解決能力越強(qiáng)，產(chǎn)品越優(yōu)秀。

3、服務(wù)能力=服務(wù)專(zhuān)業(yè)能力+維護(hù)能力

BI的實(shí)施很考察人員的專(zhuān)業(yè)性，過(guò)去由于國(guó)外IT巨頭的稱(chēng)霸，很多產(chǎn)品的項(xiàng)目都承包給第三方實(shí)施，造成服務(wù)脫節(jié)。現(xiàn)在很多涌現(xiàn)的國(guó)內(nèi)軟件公司一般都會(huì)有專(zhuān)業(yè)的實(shí)施團(tuán)隊(duì)，本地化服務(wù)很占優(yōu)勢(shì)，所以這一點(diǎn)不妨考慮本土產(chǎn)品。

4、價(jià)值能力=成功案例+性?xún)r(jià)比

選型前可看看同行業(yè)的企業(yè)伙伴們用的是什么類(lèi)的BI工具，使用情況如何。包括從功能費(fèi)用、項(xiàng)目實(shí)施費(fèi)用綜合考慮來(lái)看的性?xún)r(jià)比。

問(wèn)題6：如何實(shí)施BI？

實(shí)施BI的前提，最重要的是基礎(chǔ)數(shù)據(jù)的統(tǒng)一。比如貨品信息，客戶(hù)信息，公司內(nèi)部信息。缺少的數(shù)據(jù)雖然可以臨時(shí)補(bǔ)，但是隨著公司業(yè)務(wù)的擴(kuò)展，這種數(shù)據(jù)化運(yùn)營(yíng)的方式需要不斷精細(xì)，數(shù)據(jù)管理的規(guī)范任務(wù)要落實(shí)到業(yè)務(wù)員的考察，如果得到領(lǐng)導(dǎo)的支持會(huì)更容易推動(dòng)。有了這些齊全的數(shù)據(jù)，BI的實(shí)施才有保障。

然后是業(yè)務(wù)的統(tǒng)一。比如銷(xiāo)售模式，采購(gòu)模式，結(jié)算方法，質(zhì)量管理的統(tǒng)一。比如銷(xiāo)售模式不統(tǒng)一，有的分公司先結(jié)算后配送，有的公司先配送后結(jié)算，業(yè)務(wù)形式不統(tǒng)一，口徑不統(tǒng)一，就會(huì)造成數(shù)據(jù)的時(shí)間差。

其次是業(yè)務(wù)部署。每個(gè)公司的業(yè)務(wù)部署不同，有的是集中部署有的是分銷(xiāo)部署，如果BI是放在總部實(shí)施，需要將各地分散的數(shù)據(jù)統(tǒng)一起來(lái)，建立數(shù)據(jù)倉(cāng)庫(kù)，保持基礎(chǔ)數(shù)據(jù)的統(tǒng)一，但其中，如何提高速度，如何優(yōu)化配合方式，這點(diǎn)需要研究。

BI人才儲(chǔ)備是否足夠，需要業(yè)務(wù)人員和信息人員的積極配合，這個(gè)效果才能夠比較良好的推動(dòng)，而且還能夠持續(xù)的發(fā)展。為了讓技術(shù)和業(yè)務(wù)人員更好地貼合，要將技術(shù)和業(yè)務(wù)有效結(jié)合，最大效率的把報(bào)表和BI系統(tǒng)的功能發(fā)揮出來(lái)。

對(duì)于上BI，還有其他考慮，比如價(jià)格預(yù)算，比如是否用開(kāi)源，比如后續(xù)開(kāi)發(fā)和維護(hù)，這里做個(gè)統(tǒng)一的解釋。

明確業(yè)務(wù)需求：強(qiáng)烈的業(yè)務(wù)需求，明晰的業(yè)務(wù)目標(biāo)，能否抓住核心是一個(gè)項(xiàng)目成敗的關(guān)鍵。

“產(chǎn)品+定制+服務(wù)”的建設(shè)思路：是否要選擇開(kāi)源的產(chǎn)品？如果你有很強(qiáng)的開(kāi)發(fā)能力，可以考慮。但建議專(zhuān)業(yè)的事情還是交給專(zhuān)業(yè)的工具來(lái)做，傳統(tǒng)企業(yè)不比互聯(lián)網(wǎng)企業(yè)，互聯(lián)網(wǎng)企業(yè)是以數(shù)據(jù)來(lái)驅(qū)動(dòng)的，與傳統(tǒng)企業(yè)的模式不一樣，再說(shuō)，后續(xù)維護(hù)也是成本啊。業(yè)務(wù)項(xiàng)目建設(shè)如果不借助比較成熟的產(chǎn)品工具，從技術(shù)代碼進(jìn)行創(chuàng)新式的開(kāi)發(fā)，不經(jīng)過(guò)迭代以及檢驗(yàn)很難規(guī)避風(fēng)險(xiǎn)，很難形成一個(gè)成熟的產(chǎn)品。如果覺(jué)得國(guó)外BI產(chǎn)品“龐大”，完全可以選擇FineBI這一類(lèi)輕量化的工具。

最后，就是認(rèn)清技術(shù)力量的現(xiàn)狀，不妨建議敏捷開(kāi)發(fā)、迭代開(kāi)發(fā)和重構(gòu)，注重技術(shù)和管理的配合。

問(wèn)題7：做BI人的前景在哪里？

剛?cè)腴T(mén)BI這一領(lǐng)域的人，未來(lái)的職業(yè)發(fā)展可以走技術(shù)、走管理、走開(kāi)發(fā)。

1、走技術(shù)方向：（按照技術(shù)路線進(jìn)行劃分）

ETL，這塊是BI永恒的重點(diǎn)之一，需求也是一直持續(xù)，只是相對(duì)來(lái)說(shuō)，ETL會(huì)比較枯燥。在這一塊，掌握一兩款順應(yīng)潮流的大工具，擁有相應(yīng)年限的工作經(jīng)歷，行業(yè)性要求不太高，可以找到一個(gè)不錯(cuò)的崗位。DS、INFA、SSIS這些都是蠻有需求的。

數(shù)據(jù)倉(cāng)庫(kù)，主要指的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)，架構(gòu)設(shè)計(jì)等，一般來(lái)說(shuō)LEVEL會(huì)比較高，薪水待遇也還行，屬于偏高端人才了，一般都會(huì)要有5年、7年或更多年限的經(jīng)驗(yàn)，對(duì)行業(yè)性經(jīng)驗(yàn)要求比較高。

前端應(yīng)用，SAP BO、COGNOS、BIEE等工具的熟練應(yīng)用，可以做甲方內(nèi)部顧問(wèn)也可以做乙方項(xiàng)目顧問(wèn)。從前端切入去接觸到更多業(yè)務(wù)和需求，對(duì)提高自己的業(yè)務(wù)水平有好處。

數(shù)據(jù)挖掘數(shù)據(jù)分析方面，這塊個(gè)人認(rèn)為是最有前景的，數(shù)據(jù)分析師的需求一直在增加，但和BI的背景不是非常貼合，要學(xué)數(shù)據(jù)統(tǒng)計(jì)學(xué)知識(shí)，R、Python語(yǔ)言等，學(xué)的東西很多。

2、走管理路線

管團(tuán)隊(duì)管某塊業(yè)務(wù)，做項(xiàng)目總監(jiān)，而后上升到CIO之類(lèi)的，偏向管理屬性，對(duì)人的溝通交流尤其是與高層交流的水平較高，比較IT在企業(yè)大多屬于業(yè)務(wù)支撐部門(mén)，很多事情很難推動(dòng)，同時(shí)還要思考如何提升IT在企業(yè)的地位，這個(gè)你只要觀察自己的部門(mén)領(lǐng)導(dǎo)怎么做的，慢慢摸索了。

3、走開(kāi)發(fā)

第三方軟件開(kāi)發(fā)公司了，比如SAP之類(lèi)的公司（有點(diǎn)難度），或者國(guó)內(nèi)帆軟、永洪等其他BI公司的軟件開(kāi)發(fā)了，難度是要有一定的程序開(kāi)發(fā)基礎(chǔ)，但是對(duì)業(yè)務(wù)的理解也能帶來(lái)一些幫助。再或者是去一些創(chuàng)業(yè)公司帶團(tuán)隊(duì)做BI產(chǎn)品，現(xiàn)在做前端可視化分析的公司有很多，雖然不完全類(lèi)同于BI，但有很多共通之處。

問(wèn)題8：如何系統(tǒng)的學(xué)習(xí)BI知識(shí)？

這里給出一個(gè)學(xué)習(xí)框架

1、學(xué)習(xí)數(shù)據(jù)庫(kù)知識(shí)， 掌握基礎(chǔ)技能SQL

2、技術(shù)選擇：數(shù)據(jù)倉(cāng)庫(kù) / ETL / 前端開(kāi)發(fā)等等

3、 選擇技術(shù)工具：

數(shù)據(jù)倉(cāng)庫(kù)-Oracle、SAP HANA、Hadoop都是主流；

ETL- informatica 、kettle；

自助式BI工具-Taleau、帆軟FineBI、Power BI

4、學(xué)習(xí)業(yè)務(wù)知識(shí)

5、實(shí)操數(shù)據(jù)分析工作

總結(jié)

以上是生活随笔為你收集整理的关于BI商业智能的“8大问”｜一文读懂大数据BI的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。