對于BI（Business Intelligence，商業(yè)智能）的解釋，無論是在維基百科還是百度百科，你能搜到的都大差不差，都是告訴你：BI一個是利用XXX技術進行數(shù)據(jù)分析以輔助決策，提升決策效率的工具/方案。

可惜的是，經(jīng)調研發(fā)現(xiàn)，很多人對BI的理解卻是側重于數(shù)據(jù)的分析和展示，BI更多地被大家直接等同于數(shù)據(jù)分析與數(shù)據(jù)可視化。

這其實是錯誤的。

帆軟數(shù)據(jù)應用研究院等在文獻研究和企業(yè)調研的基礎上，結合我國的市場環(huán)境，對 BI 做出如下的定義：

BI 是在打通企業(yè)數(shù)據(jù)孤島，實現(xiàn)數(shù)據(jù)集成和統(tǒng)一管理的基礎上，利用數(shù)據(jù)倉庫、數(shù)據(jù)可視化與分析技術，將指定的數(shù)據(jù)轉化為信息和知識的解決方案，其價值體現(xiàn)在滿足企業(yè)不同人群對數(shù)據(jù)查詢、分析和探索的需求，從而為管理和業(yè)務提供數(shù)據(jù)依據(jù)和決策支持。

所以，簡單來說，BI是工具/平臺/系統(tǒng)/解決方案。

商業(yè)智能BI≠數(shù)據(jù)分析

BI和數(shù)據(jù)分析是兩個容易混淆的概念，雖然它們之間存在不少類似的地方，商業(yè)智能軟件也可以幫助業(yè)務人員進行數(shù)據(jù)分析，但數(shù)據(jù)分析絕不等同于商業(yè)智能。

數(shù)據(jù)分析是個過程，是個解決方式，對象常常是某個問題。比如分析某次促銷活動的效果，就需要對UV、客單價、復購率等關鍵性的指標數(shù)據(jù)做監(jiān)控。還需要和過去的活動進行對比，從數(shù)據(jù)庫里尋找最佳對照組進行建模，在SAS里做統(tǒng)計分析。也就是說，數(shù)據(jù)分析是利用數(shù)理統(tǒng)計等科學方法做假設驗證，通常的工作就是對指標進行分析對比，KPI監(jiān)控，異常指標分析，預測趨勢，最終生成結果報告。專業(yè)的數(shù)據(jù)分析工具有R、Python等。

商業(yè)智能是一整套的解決方案，對象往往是企業(yè)的經(jīng)營問題。利用企業(yè)在日常經(jīng)營過程中生產(chǎn)的大量數(shù)據(jù)，并將它們轉化為信息和知識，讓每一個決定、管理細節(jié)、戰(zhàn)略規(guī)劃都有數(shù)據(jù)參考。比如領導經(jīng)常會關注銷售、采購和財務狀況，技術人員做好固定格式的數(shù)據(jù)報表（Dashboard/數(shù)據(jù)看板），領導打開就能查看，并且數(shù)據(jù)自動更新。商業(yè)智能工具一般通過連接ERP、CRM、MES等業(yè)務系統(tǒng)的數(shù)據(jù)，并將這些數(shù)據(jù)有規(guī)則地匯總到數(shù)據(jù)倉庫中，從而制作業(yè)務主題相關的分析報表，還可以對接大數(shù)據(jù)平臺進行可視化的分析展示。

BI和數(shù)據(jù)可視化是另一對容易混淆的概念，根據(jù)信通院的《大數(shù)據(jù)白皮書》的定義可知，在整個大數(shù)據(jù)技術體系中，BI與數(shù)據(jù)可視化是交叉關系。

數(shù)據(jù)可視化通過圖表、圖形、儀表板和報表等方式，將數(shù)據(jù)以視覺化的形式展現(xiàn)出來，以幫助用戶更好地理解和解釋數(shù)據(jù)可視化。實現(xiàn)數(shù)據(jù)可視化的工具有很多，簡單的圖表，Excel、Python Matplotlib基本上就可滿足需求了，如果希望配置成例行圖表，則需要通過商業(yè)BI軟件來完成，比如FineBI、PowerBI和Tableau等。對于儀表盤和報表，一般則是用Excel、FineBI、PowerBI，F(xiàn)inereport等工具來實現(xiàn)。

按照不同的功能模式，當前的 BI 又可以細分為報表式、傳統(tǒng)式和自助式三類。

報表式BI

報表式 BI 大多采用類 Excel 的設計模式，雖然主要面向的對象是 IT 人員，但是業(yè)務人員也能快速學習和掌握，并在既定的數(shù)據(jù)權限范圍內(nèi)，制作一些基本的數(shù)據(jù)報表和駕駛艙報表。例如FineReport自主研發(fā)的HTML5圖表，可以滿足不同人群的視覺展示需求，也可以進行一些簡單的即席分析操作，如圖表類型的切換、排序、過濾等。

代表工具：FineReport

傳統(tǒng)式BI  

傳統(tǒng)式 BI 同樣面向的是 IT 人員，隨著數(shù)據(jù)倉庫技術發(fā)展而來，相比于報表BI，更側重于 OLAP（Online Analytical Processing，聯(lián)機分析處理），即席分析與數(shù)據(jù)可視化分析。

傳統(tǒng)式 BI 以 IBM 的 Cognos、SAP 的 BO 等國外產(chǎn)品為代表，其優(yōu)勢是面對大數(shù)據(jù)量時具有高性能和高穩(wěn)定性，劣勢也十分明顯——數(shù)據(jù)分析的能力和靈活性差。根據(jù) Forrester 的報告，如今采用傳統(tǒng)式 BI 的企業(yè)或機構中，83% 以上的數(shù)據(jù)分析需求無法得到滿足，這表明很多企業(yè)重金打造的 BI 系統(tǒng)幾乎成為擺設，收效甚微。此外，項目耗資不菲、實施周期極長、風險大、對使用者技術要求高等特點，也不利于傳統(tǒng)式 BI 的推廣和普及。

代表工具：Cognos

自助式BI  

自助式 BI 也叫敏捷 BI。由于傳統(tǒng)式BI的缺陷屢遭詬病，以及業(yè)務人員數(shù)據(jù)分析需求的增長，自助式 BI 開始快速成長起來。自助式 BI 產(chǎn)品較多，國外產(chǎn)品有 Power BI、Tableau、Qlikview，國內(nèi)產(chǎn)品有 FineBI 等。自助式BI面向業(yè)務人員，追求業(yè)務與IT的高效配合，讓IT人員回歸技術本位，做好數(shù)據(jù)底層支撐；讓業(yè)務人員回歸價值本位，通過簡單易用的前端分析工具，基于業(yè)務理解輕松地開展自助式分析，探索數(shù)據(jù)價值，實現(xiàn)數(shù)據(jù)驅動業(yè)務發(fā)展。

自 2014 年起，可視化數(shù)據(jù)分析、自助式 BI 在國內(nèi)高速發(fā)展，傳統(tǒng)式 BI 開始衰退。但是，需要注意的是，自助式 BI 也不是萬金油，企業(yè)在選擇工具時應綜合考慮自身需求及自助式 BI 的特點。

與傳統(tǒng)式 BI 相比，自助式 BI 主要有以下幾項優(yōu)勢，這也是自助式 BI 被稱為敏捷 BI 的原因：

• 快速部署。傳統(tǒng)式 BI 系統(tǒng)從總體架構的設計到具體的部署環(huán)節(jié)，通常需要花費幾個月的時間。而自助式BI 系統(tǒng)的部署不需要經(jīng)歷漫長而復雜的設計和建模過程，只需要不到一周的時間，企業(yè)就可以迅速進行數(shù)據(jù)分析和可視化項目的建設。

• 快速、靈活地應對需求。傳統(tǒng)式 BI 給 IT 人員帶來較大的壓力，大量需求堆積導致無法快速、靈活地響應。而采用自助式 BI，IT 人員只需要負責整理基礎數(shù)據(jù)架構，維護和開發(fā)接口，業(yè)務人員可以自行進行快速的可視化分析和報表分析。

• 產(chǎn)品采購成本相對較低。傳統(tǒng)式 BI 產(chǎn)品的采購成本偏高，還有一些額外的培訓和咨詢服務成本。自助式BI 產(chǎn)品只著重解決某些問題，功能不一定大而全，因而相對便宜。

• 工具使用起來簡單、易上手。傳統(tǒng)式 BI 面向 IT 或者數(shù)據(jù)等技術部門，對技術背景有一定要求，學習曲線陡峭，工具操作難度大；而自助式 BI 面向的對象是業(yè)務人員，工具操作簡單、容易上手，一般通過簡單的鼠標操作即可進行數(shù)據(jù)分析。

總而言之，對于業(yè)務人員需要進行自主分析，解決重點關注問題，靈活應對業(yè)務需求，快速完成部署等場景，自助式 BI 是一個不錯的選擇。

代表工具：FineBI