什么是BI系统？

BI系统，是可视化、智能化、自动化的数据管理系统，让决策者随时随地通过数据可以看到公司运营情况，分析各种问题和机遇。为了满足数据量庞大、数据多样的客户需求，易仓BI携手甲骨文OAC，历经半年，推出易仓BI系统，为易仓客户带来更优质的数字体验。

易仓BI系统通过仪表盘+多维分析+钻取获取报表数据，可以让决策者先看到哪项指标有问题，问题的原因是什么，然后通过钻取多维分析模型，多角度的分析问题的真正来源；实现”拉”式与”推”式信息提供方式，随时为决策者提供策略的数据支撑。

BI系统和EXCEL报表有什么不同？

很多人觉得，报表和BI技术差不多，都是用来做数据分析的。错了！在此，举个例子；

EXCEL相当于是块黑板，制作报表的人员加班加点，把信息汇总起来即可，随意写上面即可。最后，当然，决策者看到只是表象……

而易仓BI系统就是一台电脑，无论什么数据都能通过图像显示，而且即时抓取！更重要的是BI系统能分析，会计算。

说白了，EXCEL报表是展示数据，而BI技术是真正的数据分析系统。也许，你还不觉得有多牛？那继续往下看看……

先举个例子，一起分析它的牛气之处：

您是一个连锁集团的销售总监，当BI系统告诉你2008年的收入与2007年相比，下降了5.3%时，接下来你会怎么做？

先从各分店的角度分析，发现排名前两位的大店收入只有2007年的80%左右。

这时，得从商品的角度来分析，这两个店的哪些品类的销售同比下降。

再从时间的角度来分析，下降较快的品类是否有季节性？

再回到分店的角度来分析，下降较快的品类在其他分店的情况是否也是如此呢？

再从客户的角度来分析，这些品类又主要是哪些客户在消费？哪些大客户的销售同比下降导致了这种结果？

再回到时间的角度来分析，看这个季度的每个月收入，到底哪个月下降最快？

易仓BI系统，不仅适合需要深度分析的精细化运营卖家，也同样适合账号多、产品多、员工多的铺货卖家，它能帮忙省好几个负责统计数据的人力！

亿信BI在设计报表时提供了多种报表参数，那什么是报表参数，包含哪些类型？都有什么作用呢？在设计报表时我们如何正确使用这些报表参数？今日课题为你详解报表参数的相关内容。

1什么是报表参数

亿信BI报表内容都可以作为参数，用户可以根据实际需求将报表中的可变量作为参数。

更简单点说，参数好比一个十字路口，站在十字路口的我们最后所到达的目的地（分析结果），会根据选择前后左右方向（选择参数）的不同而不同。

用sql的眼睛来看，参数可以影响到sql语句的任意部分，它可以决定select中的内容、where的内容、group by的内容、order by的内容，有SQL的地方就会有参数的影子。

2为什么要使用参数

按照报表内容的可变性，报表分为静态报表和动态报表（参数化报表）。

亿信BI参数面板支持编辑框、枚举框、勾选框组、维下拉框和日期型等多种参数类型。如果是枚举类型、勾选框组的参数，该类型参数的下拉列表内容可以是静态手工输入的，也可以来自于第三方数据源，其内容可以随第三方数据源数据动态变化。

参数面板中提供了参数类型对应参数内容变化的行为响应事件(参数联动)，极大的方便了用户使用参数化报表时对参数的选择或输入，减少了用户重复定制参数条件生成报表的工作量。

3参数设置入口

进入报表模板设计器界面，下图所示位置：

4参数类型及使用说明

目前亿信BI支持如下12种报表参数：

下面我们一起来了解一下报表参数的类型的属性和它的使用说明。

按钮

按钮用于需要有特殊点击事件的情形，如在报表上添加一个“导出”按钮。

还可增加其它常用按钮，比如计算、清空、编辑、导出、日志、订阅、添加到收藏夹、打印、打印预览、查看报表说明等。

按钮添加完成后，可以在按扭属性的“事件”中直接选择配置；如果你有更多的需求，可以在事件中自行写脚本实现。

下拉按钮

当分析表含有多个点击事件，但设置多个按钮界面又不够美观，那么下拉按钮就能很好的解决此问题。

如上图的效果，只需拖动一个下拉按钮参数组件到参数面板区，按需设置【菜单设置】属性就可以完成。

滑块

滑块参数使用时可以根据鼠标的拖动改变参数值，如下图所示：

具体属性设置如下：

【最大值】滑块最右边（到顶）的数值。

【最小值】滑块最左边的数值。

【步数】可将滑动块等分为所设置的步数。

滑动块常与钻取合用于即时刷新统计图。

输入框

输入框类型的参数通常用于用户手工输入参数，如下图所示：红色框架中的“20000”数据是手工录入的。

具体的属性设置如下图：

日期

该类型用于选择日期的参数。精确到天，以日历的形式展现，如下图所示：

具体的属性设置如下图：

【参数类型】有日期、年月、年供选择

【允许选择时间】勾选后即可选择具体时间，精确到秒

【起始时间】日历中可以选择的最早时间

【截止时间】日历中可以选择的最晚时间

如果勾选了“允许选择时间”，可选择精确到秒：

年月

年月类型默认是当前年月，也可以根据自己需要写默认值。其他属性的介绍详见《参数属性详细说明》。

年

起止日期

起止日期可输入“时间轴刻度”，拖动时间点来实现数据的更新。

当“最近”按钮在左侧时，时间按照“时间轴刻度”显示：

当“最近”按钮在右侧时，可选择“开始时间”和“结束时间”：

具体属性设置：

勾选框

勾选框类型参数一般用于控制参数的显示。

【默认值】是T 时表示勾选，F表示不勾选。

【选中时的值】勾选框选中后，“选中时的值”中的数值，才有作用；如果勾选框没有选，那么该值是没有作用的。

如下图所示：

勾选框组

勾选框组的数据可以是枚举值也可以使用系统的维表。

如下图，使用系统中的维表“行政区划”的属性设置：

设置后效果如图：

可直接在分析表格中对此参数进行过滤设置即可。

枚举下拉

枚举下拉列表可配合枚举值一起使用：

设置效果如下：

【枚举值】参数可选值由显示值和实际值组成，用分号’;’分隔开。例如：人民币:10;美元:20;日元:30。

【允许多选】勾选后，参数可以选择多个；不勾选，则只能选择一个。

维下拉

该类型用维表作为参数，方便用户选择，与枚举下拉框一样可以支持多选。

此处“参数类型”包含3种：

维下拉框

如果选择了维下拉框，下方会显示“维表”属性用用户选择，此处会列出主题域下所有维表。

单位级次下拉框

单位次级下拉框是根据主题域或者主题集设置的数据级次维和当前用户的权限来显示，支持多选。

数据期下拉框

该类型是根据所设置的主题表的数据期来显示的。选择该参数时所列的可选项是根据数据的实际情况显示，即实际数据中有数据期才在报表期下拉框中列出，否则没有。必须和某一主题表关联，该主题表是可选择的；而且该主题表需要设置数据期字段。

具体属性详解如下：

【高级输入】如果勾选选择，将直接显示数据期面板，参数名称必须是set_bbqoption，所选的数据期参数将会自动作用报表。

【主题表】设置数据期类型参数时，需指定主题表，即使用某一主题表的数据期内容。如不指定，即为空的状态，系统会自动分析当前报表所引用的主题表，选取第一个作为显示数据期的主题表。

【显示方式】可以只显示代码或者文字，也可以都显示。

【自动过滤】 勾选后，会根据该参数的相关属性，自动设置过滤条件，不需要手工书写和该参数相关的过滤条件。例如：勾选后，计算时会自动产生报表过滤条件：dim('维xxx')=@yyy。该属性还可用于“单位级次下拉框”、“数据期下拉框”参数类型。

【根节点显示】所有下级节点都可以设置为根节点。输入方式形如A0000;B0000;C0000 这样的格式，表示该下拉列表的根节点有三项。例如：110000;120000。如图235北京市和天津市被设置为了根节点。该属性的值也可以用其他参数值，如是其他参数的值，只需要填入该参数的名称即可。

【包含根节点】当勾选时，就显示“根节点显示”中指定的根节点，如果“根节点显示”为空表示以维度的顶级节点为根节点，该属性是和“根节点显示”属性配合使用！

【节点过滤】根据节点过滤表达式筛选出符合条件的节点。维节点表达式中的特殊对象，item在遍历每一个节点时，item是当前遍历的维节点对象，根据item对象可以获取到维的相关属性。

例如要返回维代码前三位为010的节点，那节点表达式为left(item.id,3)=’010’。

【节点排序】格式是级数和排序参数用冒号分隔，每一级在用分号分隔开，例如0:desc;1:asc级数从0开始，0表示第一级，左边的参数表示第1级降序第二级升序。

在下图中“节点排序”属性中输入“0:desc”，数据按降序显示：

【节点选择】该属性设置控制参数值选择时只能选择叶子节点，不能选择父节点。

其他属性的介绍详见《参数属性详细说明》。

5参数属性详细说明

各属性的详细介绍：

【代号】参数容器的代号

【左边距、上边距、宽、高】用来确定参数的边距和大小

【叠放次序】多个参数相互有重叠遮盖时的叠放次序

【大小自适应】参数很多并且并排放时可以自适应大小

【水平位置、垂直位置、背景颜色、背景图片、边框】用于设置位置和外观显示

【显示】下拉框选项，分别有隐藏、不打印可预览、不打印不预览、不导出

【禁用】可对参数进行禁用，禁用后参数将不起作用。

【钻取设置】可对参数进行点击钻取设置。使用方法可参阅钻取章节。

【参数类型】设置参数的数据类型，有文本、整数和浮点供选择。

【参数顺序】多个参数时，显示的顺序，系统会根据添加先后自动给出默认顺序值。

【参数名称】报表参数的代号，建议使用数字、字母与特殊字符的组合，主要用于对参数的引用。例如：@zczj。

【参数标题】给参数命名，报表参数的标题。例如：注册资金。

【参数标题颜色】给参数标题设置颜色。

【显示参数标题】可以控制显示或者不显示参数的标题。

【长度】参数值的最大长度

【默认值】没有选择参数前，默认的值。

【记录结果集】上次选择的参数内容是否保留以便下次使用时不需要再次选择。

【自动过滤】勾选后，会根据该参数的相关属性，自动设置过滤条件，不需要手工书写和该参数相关的过滤条件。

6参数布局

亿信BI中的参数一般都是按默认的方式进行排列的，每个参数的宽度默认为200px，当一行显示不了的时候，在自动换行显示。如下图所示：

这样的方式可以满足大多数的需求，但有些报表需要特殊排版，所以我们提供了参数布局的设置面板。在参数面板空白处，点击右键->高级设置，如下图：

有3种排版方式可供选择：

系统默认布局方式为系统自适应，如果无法满足您的需求，也可以自己设置每行n个报表参数，或者设置自助拖动后，自己拖动报表参数到想要的位置。

人们常说“报表做得好，升职加薪少不了”。这就取决于，数据报告的两个重要作用：一是可指导性，是内核，让人看完报表之后恍然大悟“哦，原来问题出在这里”；二是美观性，是包装，让人看第一眼就赞叹“哇塞，这报告666”。

可是，为什么你加班加点做了那么多报表，却依然得到不老板的认可？

问题出在哪呢？

老板需要的是什么样的报表

现阶段，业务人员是如何来满足决策者的数据分析需求的？97%以上是通过Excel手工整理各种报表，不到3%利用了IT技术，实现了报表的自动化。随着决策者对分析的要求越来越高，于是报表越来越多、越来越复杂。在一个Excel页面中，密密麻麻布满了决策者关心的所有内容，只恨屏幕不够大。而这些大量的手工处理，很容易出错，且耗时久。

对上报上来的厚厚一叠报表，绝大多数决策者都会回答：有看，只是一般只看其中的一两张。没有时间，真的感觉有问题，还是直接找人来问了。

这就是问题的关键——我们给决策者提供了大量的报表，为什么帮助不大呢?因为信息一旦过多，就会变成“信息洪水”，大量的报表让决策者深陷“信息洪水”中。

员工再问决策者：希望用什么方式将信息给您呢？领导：希望有问题的时候随时能知道。

决策者这句话的核心有两点：一是有问题才让我知道，没问题的话，其实我也不需要关注。二就是我随时都可以知道。

报表能实现决策者的“希望”吗?答案是否定的。

（1）报表根本无法快速让决策者识别是不是有问题，它只是罗列了一堆数字而已。

（2）无论报表制作者多么厉害，领导想要什么就有什么，基本上也是不可能的。

那么能如何解决这个问题呢? 答案就变得简单了，就是用BI技术，改变决策者获取报表的方式。

报表工具与BI系统的区别

有人说：“我通过一个软件，能自动生成决策者想要的报表，然后再配上一些仪表盘和图表，不就可以了吗?也不见得需要BI。报表软件多简单，哪像BI要规划数据仓库，要ETL，还要建模型，多麻烦”。

以Excel报表和亿信BI来举例，对比一下报表软件与BI系统的区别：

Excel报表应用场景主要是业务报表制作，比如一些企业固定的月报，季报和关键数据指标的统计、展示和分析。主要功能分为三大类：数据展示(报表)、数据查询(参数)和数据录入(填报)，还有报表管理。数据展示报表可分为表格类和图表类。

而亿信华辰的拳头产品亿信BI有领导驾驶舱、图形化建模、自助式即席分析、智能钻取分析等多项功能。他可以构建大型的综合的数据分析平台，也可以作为小型的个性化的解决方案。相比报表，侧重点在于分析，优势在于操作简单、能够处理大量数据，可以实现任意维度、任意分析路径快速实时分析。

从工具角度上讲：

报表工具一般连接的是事务处理型数据库，不能实现多维分析的操作；当然，目前有些报表工具用链接传参的方式实现所谓的钻取，实现复杂，还会有性能的问题。

BI工具一般连接的是多维模型数据库，可以很容易实现各种多维分析的操作，如钻取、旋转和切片等；还能很容易地实现基于指标和维度的拖拽分析和自助分析。

以上两个工具也都可以连接对方的数据库，但发挥不了相应的功能；比如报表工具连接多维数据库后，多维分析操作、拖拽分析和自助分析还是实现不了。

从系统角度来讲：

报表系统一般接入在某个业务系统数据库上，为MIS系统提供灵活的报表查询实现。当然，报表系统在数据量小时也可以连接若干业务系统数据库，实现跨库的关联查询，但这个查询是由报表工具来实现的，实现起来的复杂度和性能依赖于报表工具的能力

BI系统主要包括数据仓库/数据集市、ETL、数据分析、BI应用等多个组成部分和实施过程，最终BI应用中除了有报表展现外，还有多维分析、自助分析、数据挖掘等功能。

从工程化角度来讲：

报表工程相对比较简单，投资可以比较小，实施周期相对较短，见效比较快。

BI工程相对比较复杂，投资比较大，实施周期相对比较长，见效相对较慢，但效果比较好，尤其是在数据整合的数据质量、报表口径统一化、应用性能上有很大的优势。

从发展过程看，一般先是上了报表系统，发现报表系统的若干问题后，再上BI系统。

BI为什么能替代报表

很多企业一直有个误区：认为做了一个报表系统就是用上了BI，其实不竟如此，报表只是BI的一部分。虽然BI应用的结果通常需要报表来展示，但是，BI不仅仅是报表。

报表是数据展示工具，商务智能BI是数据分析工具。商务智能的重点在于商业数据的分析，集成了数据统计、数据展示、数据分析和挖掘的解决方案。

从下图中，可以看到，大数据管理与应用技术发展过程中，数据管理已从报表阶段进化到BI阶段。BI是一个辅助决策的智能系统，它的核心就是帮助企业利用好数据，让决策管理者随时随地获取关键信息，让决策者基于数字决策，最终提高决策水平。

通过报表工具与 BI系统的区别，以及各自的特点，可以得出BI替代报表是趋势，同时也是发展的机遇。抓住机遇、争得先机应是摆在决策者面前的课题。

最后小亿谈点关于BI的价值思考：

BI不是让你相信自己所知道的，而是促使你去思考更多的问题和疑惑。BI迫使我们怀疑得出的结论、回到初步阶段、重新设定假定和条件。它促使我们思考，而不是给出事实。BI可以让你从不同视角查询一系列相关数据，以便在一组不确定的条件下更进一步接近事实。你需要BI工具帮助做出最佳决策，而不是正确决策。BI让决策不再止步于结果。

最近看了两篇有关报表工具和商业智能BI工具对比的文章，其中一篇文章说BI完全可以替代报表工具。感觉说的有点绝对。

报表工具和商业智能BI毕竟还是各有所长的，报表工具不仅能做展示和查询，还具备数据填报功能，也就是说可以把数据录入到数据库里去。这一类工具像Rag、Fine、皕杰报表都可以轻松实现。而BI工具则主要侧重于数据分析，可以进行钻取、联动、切片、旋转等多维的数据处理。这一类工具以国外的Tableau、Qlik等为主，国内的一些BI工具也有了比较多的应用。报表工具做多维、切片、旋转等分析不满足，BI工具做复杂的中国式报表也不能满足，且不具备数据录入功能。

因而我要说，报表工具和BI工具都很强大，关键看你的需求是什么。你要制作各类数据报表和图形报表，选择报表工具足够了；你要对数据进行分析和处理，将结果呈现给管理者，为管理者的决策过程提供支持，只能选BI类工具。除了功能上的差别，毕竟二者的价格还是有很大差距的，能用报表完成的工具就不用BI工具。

原作者： 黄进然 文章自：土拨鼠的菜地园

开源篇

一、Superset

1、技术架构：Python + Flask + React + Redux + SQLAlchemy

2、使用人群：

（1）开发/分析人员做好看板，业务人员浏览看板数据

（2）业务人员可自行编辑图表，查看满足条件的结果，但使用上对业务人员不是很友好

3、安装部署：

（1）docker方式的安装部署最简单

4、数据源：支持各种数据源，包括Hive、Kylin等

5、创建步骤：连接数据源-->定义数据表/SQL查询-->图表-->看板

6、可视化：

（1）支持的图表类型多，达47种

（2）图表可视化选项少，例如，数据格式选项偏少，如需添加，需要修改配置文件

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署和快速入门方面的文档详细

（2）但具体功能和图表制作方面的介绍文档几乎没有，需要自己摸索尝试

8、邮件通知：不支持

9、权限管理：

（1）报表权限设置复杂、繁琐、不好用

（2）可实现对菜单、数据源、数据表、字段、图表、看板等权限控制

10、二次开发：

（1）支持 RESTful API

（2）原属Airbnb的开源项目，有大公司团队维护，版本更新、Bug修复、二次开发有较大保障。

11、源代码：代码质量较差

12、Github星数：22132

二、Redash

1、技术架构：Python + Flask + AngularJS + SQLAlchemy

2、使用人群：由于是对SQL查询结果进行可视化，需要开发/分析人员做好看板，业务人员浏览看板数据。

3、安装部署：

（1）安装部署相对较麻烦

（2）参考文档：

4、数据源：支持数据源比superset少，不支持Kylin

5、创建步骤：连接数据源-->SQL查询-->图表-->看板

6、可视化：

（1）支持的图表类型不如Superset多，仅12种

（2）图表可视化选项多

（3）不支持在看板种添加筛选框

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）提供快速入门教程

（2）每一个功能模块都有文档且条理清晰

8、邮件通知：支持定时发送邮件

9、权限管理：权限设置简单，仅控制用户组对数据源的权限（只有两个权限：Full access或View only）

10、二次开发：

（1）提供完整的 RESTful API 接口

11、源代码：代码质量比Superset要好，但比Metabase差一点

12、Github星数：10891

三、Metabase

1、技术架构：Clojure + React + Redux

2、使用人群：界面漂亮、友好，使用体验好，适合业务人员使用

3、安装部署：

（1）windows下安装部署非常简单

4、数据源：支持数据源少（12种），不支持Hive、Kylin

5、创建步骤：连接数据源-->图表-->看板-->定时任务

6、可视化：

（1）支持的图表类型不如superset多，仅14种

（2）图表可视化选项多，例如，提供数据格式多，设置灵活

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）通过创建集合，支持图表、看板、定时任务分组管理

（5）提供图表的简单钻取功能，不支持图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署、快速入门、具体功能、API等方面的文档详细

8、邮件通知：支持定时发送邮件

9、权限管理：

（1）权限设置单一，只有访问权限

（2）仅实现对数据源、数据表、图表、集合等权限控制

10、二次开发：提供完整的API文档，即使完全不会 Clojure，依然可以凭借丰富的 API 与文档完成许多二次开发。

11、源代码：代码质量最好，结构清晰，整洁度高

12、Github星数：12368

最后，几个开源BI工具的详细对比

最后，除了以上的开源BI产品（大规模推广应用还是有难度的），可以试试个人版免费的FineBI，学习文档，产品稳定性，易用性相对开源都比较成熟。

FineBI

1、技术架构：纯java开发，后台业务层spring mvc + Hibernate，前台框架fineui，底层架构引擎不明，只知道有大数据引擎。

2、使用人群：

（1）开发/数据人员准备好数据，数据人员/业务人员分析。

（2）业务人员完全可自行分析、制作可视化。整个数据分析流程分工明确。

3、安装部署：

（1）直接官网下载电脑适配的版本安装激活即可

4、数据源：支持各种数据源，支持Apache Kylin、Derby、HP Vertica、IBM DB2、Informix、Sql Server、MySQL、Oracle、Pivotal Greenplum Database、Postgresql、ADS、Amazon Redshift、Apache Impala、Apache Phoenix、Gbase 8A、Gbase8S、Gbase 8T、Hadoop Hive、Kingbase、Presto、SAP HANA、SAP Sybase、Spark、Transwarp Inceptor、Hbase等主流的一些关系型数据库及非关系数据库MongoDB等

5、创建步骤：连接数据源-->建立数据业务包-->建立分析数据表-->图表分析-->看板

6、可视化：

（1）支持的图表类型多，达47种

（2）图表可视化选项少，例如，数据格式选项偏少，如需添加，需要修改配置文件

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署和快速入门方面的文档详细，还有教学视频

（2）但具体功能和图表制作方面的介绍文档几乎没有，需要自己摸索尝试

8、邮件通知：支持

9、权限管理：

（1）有一套完整的数据、业务包、报表、人员部门权限管理，有流程节点。

（2）可实现数据源、数据表、字段、图表、看板等权限控制

10、二次开发：

（1）不支持java层面的开发

（2）只有web接口

（3）能与.NET集成、JBPM工作流集成、CAS单点登录

11、源代码：不公开，人家商业产品，有整个团队在运营。

12、个人用户使用免费，商业部署有两个并发限制，多了就要钱了，不过相比sap这种也不贵。

工具地址

私心回复“bi工具”获得。

由于一些限制，这里没法贴上安装部署的教程文档，我也将一并回复，整理成资料包。

以上都是精心推荐的BI工具，大家勤学勤用，期待你们的反馈。

最后，整理不容易，求转发点赞啦(●ˇˇ●)

Tips：“小鸟云”是深圳前海小鸟云计算有限公司旗下云计算品牌，国内领先的企业级云计算服务商。团队拥有多年行业经验，专注云计算技术研发，面向广大开发者、政企用户、金融机构等，提供基于智能云服务器的全方位云计算解决方案，为用户提供可信赖的企业级公有云服务。

大数据 ≠BI商业智能，大数据也不是传统商业智能的简单升级。

1、大数据和BI两者的区别

BI(BusinessIntelligence)即商业智能，它是企业数据化管理的一整套的方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策，解决的是管理运营战略的问题。

大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据侧重于解决某一类问题的方法，比如全网用户画像，对网络、传感器等非结构化海量数据的分析。

不管定义如何不同，大数据与传统BI是社会发展到不同阶段的产物，大数据对于传统BI，既有继承，也有发展，从"道"的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

当然纯粹从思想的角度讲，两者在概念上是可以实现统一的，都遵循数据-信息-知识-智慧这个脉络，甚至在更高的层次，两者也是可以统一的。

2、两者技术上有什么相关性？

传统BI的技术标签：ETL、数据仓库、OLAP、可视化报表。

大数据的技术标签：Hadoop、MPP、HDFS、MapReduce、流处理等。

传统BI就目前来讲，其功能都可以被对应的大数据组件所替代，但大多数企业缺乏大数据业务的驱动，也缺乏相关的高技术人才。

不过新型BI被赋予了更多“大数据”潜能。正如图右侧架构所示，BI架设在大数据应用层，抽取etl后或者Hive来的数据又可作通用类的业务分析。既满足了海量实时数据分析，也满足了决策型的业务分析。

3、企业应该青睐大数据还是商业智能？

在技术领域，虽然传统BI的一些技术ETL、数据仓库、OLAP、可视化报表似乎都将处于落后边缘，因为它难以解决日后海量数据的处理问题，但是，也不能全盘否定或替代成大数据。一些企业采用SAP HANA，FineBI的直连大数据引擎都是基于这个问题优化的方案。BI的那套也将长期存在，毕竟企业对BI方案还是很青睐，大数据的普及和应用也是个漫长的过程。

大数据 VS 商业智能

大数据不是空口说说，它的第一要务就是解决业务问题，大数据一定程度上就是用全新的数据技术手段来拓展和优化业务，传统企业需要聚集一拨人来研究这个问题，需要有人专门研究和探索。如果对外，想清楚新的商业模式，如果对内，想清楚在哪个场景，可以用大数据的手段提升效率。

当前大数据可以产生价值的地方，从行业的角度看，金融、银行、互联网、医疗、科研都有广阔的前景。从领域的角度看，广告、营销、风控、供应链都是大数据发挥价值的地方，对于特定企业，比如电信运营商，大数据也可以在网络优化等方面提供新方法。

并不是每个企业都需要打造自己的大数据平台，需要考虑到企业的信息化水平和各项成本，量力而行吧，可以自行研发 ，比如BAT;也可以选型采购，比如传统大企业；中小型企业也可以租用，比如用阿里云和AWS。

就事实来讲，BI的应用是远远大于大数据应用的，有其通用的道理。大数据相对于传统BI，也不仅仅是简单的PLUS的关系，它涉及了思想、工具和人员深层次的变革，BI人员既不要一提大数据，就嗤之以鼻，认为它是新包装的马甲，其实就那么回事;也不需妄自菲薄，以为搞大数据就那么高大上，它的确是BI大多数思想的传承。

报表是数据展示工具，BI是数据分析工具。报表工具是一类报表制作工具和数据展示工具，用于制作各类数据报表、图形报表。BI的重点在于商业数据的分析，集成了数据统计、数据展示、数据分析和挖掘的解决方案。BI是一个系统，它是立体多方面的，而报表，仅仅是一种展现方式而已。可以说报表是BI的一部分。

如果仅仅是做数据查询，用报表工具就足够了，但是要用数据做分析决策，就要用到BI了。

Gartner公司对BI的定义：BI是提取企业各个运作系统的数据，然后进行清理、抽取、转换和装载，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理，最后将结果呈现给管理者，为管理者的决策过程提供支持。

一到月底，各位运营小伙伴们就开始慌了~各种报表总结做不完不说，还要做下个月计划目标，怎么做？拍脑袋吗？

当然NO!制定销售目标必须根据各区域各门店的历史营业数据！

但数据哪里来？

翻出以前累积的一张张报表逐个查看分析？！现在，用甩手掌柜分析型报表，分分钟理清各维度营业数据，基于这些“聪明”的数据，让你快速做好下月目标设定哦。

甩手掌柜报表

告诉你下个月销售目标定多少

要制定出下个月的总体销售目标，可以通过甩手掌柜报表销售分析模块，查看今年各月销售额同比环比的数据变化，例如，今年6月销售额同比增长了40%，环比增长了18%，那下个月的销售目标也要遵循这个百分比换算得出预估。通过全年各个月份的销售额环比同比数据，能为制定下个月平均销售目标做充分依据。

告诉你如何分解目标到每一天

敲定总体销售目标后，要科学的把月度总目标分解到每周，甚至每日。甩手掌柜周销售趋势分析，可以精确看到4周每1天的销售趋势变化，能让你快速把月销售额科学的分解到每1周、每1天。如上图可以看出，在周二和周四每个月的销售都差不多，那么下个月的每个周二周四也可以设置差不多的销售目标。

目标制定并且分解完成后，运营者要考虑通过什么样的方式实现目标，通过甩手掌柜报表，你可以快速找到以往运营中的问题，作为下个月提升销售的突破口。

告诉你为实现目标该做什么

找到拉升销售的“关键顾客”

甩手掌柜会员分析模块，让你对会员销售情况一目了然。如上图，发现上个月会员销售额和客单量占比都很低。且会员活跃度显示，上个月有消费的会员中，91%都只消费了1到4次，会员消费频率很低。所以，下个月可以针对性的设计一些拉高会员回购率的活动，吸引会员重复消费。

找到拉升销售的“关键商品”

通过甩手掌柜报表商品分析模块，我们能快速识别上月哪些商品毛利高销售好，哪些商品毛利高却销售频次低，基于这些数据，完全可以找出类似上图绿色泡泡代表的红豆珍珠奶茶（毛利高，消费频次低的单品）作为下个月的主推单品，赢取更高利润的同时，打造一个新的准爆款单品。

甩手掌柜报表已全面上线，打开甩手掌柜报表（新）就能直观获取到各种经营分析数据。

不过，想要让甩手掌柜报表真正物尽其用，还是赶紧根据现有数据设定好下月目标吧！这样，就能在下个月跟踪目标达成进度了，点我了解如何实时跟踪销售目标达成情况。

bi报表工具选型这个话题老生常谈了，今天又有新视角，希望对大家有帮助。bi报表系统只是一个软件，但是却涉及公司很多部门很多方面，绝不是大家想象的价格越贵就越好。今天这篇文章从十个新角度去分析bi报表工具该怎么选，加上之前分享过的很多选项技巧文章，相信这么多的干货分享可以帮助大家对bi报表系统选型的知识有了量变到质变的收获。

　　废话不多说，接下来我们就直接进入主题：bi报表工具选型，从这十个角度切入。

　　1.目标受众群体

　　这个bi报表工具是面向企业高层领导还是IT部门的技术人员？如果是高层领导，那么你的BI工具需求肯定是偏向决策性更多一点，如果是公司IT部门，那就是说企业高层不是经常需要用到，反而是IT人员需要，通过优化企业信息化管理，来促进业务的发展。

　　2.深入了解工具的特点

　　这个工具的特点在哪儿？有哪些侧重点和侧重点是什么？使用这个工具可以提高到少生产效率？另外需要结合您的产品路线图考虑，这个工具是否符合整个工作的战略愿景？是否包含一些必备的功能，如易于理解和支持的数据源、过滤器、数据可视化等？某些BI工具可能会因为某些特性而在众多产品中出类拔萃，比如Tableau精美的可视化效果；某些BI工具不同时期可能产品的功能特色还不太一样。比如奥威软件的Power-BI，侧重于各行业解决方案，而Speed-BI则是偏向于大数据云平台。所以在引入工具之前，了解下您和您的团队需要哪些功能。

　　3.技术

　　技术方面，您应该了解BI报表工具支持哪些数据库。可以连接到预置系统吗？用户要怎样进行交互，通过浏览器、桌面应用程序或是服务器软件，还是都支持？BI工具支持哪些操作系统呢？Windows、Mac或者Linux？有什么运行硬件要求？技术是否与您当前或未来的状态保持一致？

　　4.协作

　　团队如何共同创建和更新输出可视化、模型和计算？该BI工具是否有助于知识和资源共享？是否可以将代码片段、模板或报告打包在更广泛的团队中使用？

　　5.学习

　　该BI工具附带可用的培训和学习材料吗？一些商业智能和分析工具简单且易上手，有些则需要更深入的培训。

　　6.社区

　　该工具是否拥有强大的在线社区、论坛或发烧友博客。当您遇到障碍时，要确保您能从专家或别人那里得到解决方案。

　　7.客户

　　客户评论可以作为选择该工具的一个切入点。看看正在使用它的公司有哪些，这些公司的规模怎么样，适用于团队还是个人？他们是否会再次购买？如果您实在摇摆不定，与这些合作公司取得联系并亲自问问情况。

　　8.支持

　　提供该工具的厂商是否有良好的售后服务，是否了解该如何为不同的客户提供支持。

　　9.增值服务

　　该工具是否有提供顾问或者提供围绕产品的增值服务？如果该工具非常复杂，则可以考虑通过第三方支持来启动您的数据分析工作。

　　10.价格

　　该产品的定价如何？它是否符合您预算，您是否愿意在超出预算价格上接受该工具？

　　看完上面关于bi报表工具该怎么选的建议，是不是感觉又更清晰一点了呢？其实小奥感觉说是新视角，不如说是在选BI工具时要全面考虑的十个基础问题。毕竟，做好充分准备再去选型bi报表系统，才能选到更适合自身企业的工具嘛。

故事前言

前些日子和一位企业信息部门负责人交流，他们用报表工具有5、6个年头了，先后做了财务报表，营收分析、月营收报表，细分到200多家门店以及2000多名员工的财务数据汇总，为财务开发了多维度的查询创建窗口，可以生成周期性的结算报表。

之后又用到业务层，做了OA流程分析、BOSS驾驶舱和经营可视化大屏，可以说把FineReport的功能和场景用得很全了。而且带来的效益也很明显：

1、利用填报规范化各业务线的数据收集流程，利用帆软主数据管理帮忙打通了业务系统，就主数据整理这块，就节约了7个人力。

2、IT不再只是支撑，用人上一方面往专精技术发展，一方面主动为提升业务价值做创新。4个IT报表开发，之后分别去做了ETL和搭建数据仓库模型。3个原本不断和业务沟通需求为业务取数的，专做类似数据分析层面上的经营分析，以及给业务部门的分析培训。

3、建立了商业分析经营模型，提升门店的运营能力，如根据客流及租赁系统进行数据清洗和整合，实现客流动态监测，更好的管理销售业务；

4、对分公司（金融）进行了客户画像分析，将客户交易数额、交易频次等分级，建立VIP客户阵队，为公司拉来34个每月百万级交易的客户，直接带来超1亿的营收。

......

当初上FineReport，通过报表的中国式复杂报表、灵活参数查询、丰富的图表展示、自由的数据填报上报采集、企业级门户管理等特性解决了企业信息化的不少难题，业务的数据报表可视化展示成果也是受到了领导的不断好评。

可以说“IT+数据”，价值越发凸显，盘子也越做越大。

但是任何事过一阵就会遇到上升的瓶颈，随之而来的是销售、门店、市场、人事的业务分析需求接踵而来，企业的各数据采集模块越来越丰富，即便是有报表系统，但报表需求也如井喷。最重要的是，业务的需求越发专业和个性化，需要IT对业务场景越发了解，这种需求很费时间，沟通稍有不慎之后就是不断打回，要么改需求要么继续优化，教业务取数做报表又不现实。

问题分析

基于以上种种企业数据应用的痛点，我们需要进一步的思考。

首先，要肯定报表工具的功劳，它实实在在解决了很多数据填报上报录入、日报月报、中国式复杂报表、以及企业数据报表管理的问题，同时极大地提高了传统企业下IT部门使用SQL+代码到SQL+报表工具直接出报表模式下的报表开发效率，功不可没。

但报表只覆盖了企业部分数据应用场景，且他的上手难度对多数人，尤其是业务人员有一定门槛。

对于一些数据工作走在前列的企业来讲，有些数据问题还得靠BI来解决，比如：

业务有很多分析需求，而且很多是一次性的、甚至个人的需求，沟通和配合效率很低取数分析涉及的数据量很庞大，百万及千万级以上；技术问题，需要对接hadoop之类的大数据平台，甚至需要前端报表的数据实时响应；业务部门培养分析人员需要更容易上手的工具；

......

FineBI的存在就是解决这类问题的！

1、FineReport+FineBI，两者是互补的存在！

如果你所在企业也存在着如上所述问题，那么核心问题就需要通过一款商业智能工具以满足业务人员或者企业领导的即席/自助数据分析需求。

首先FineReport作为一款报表工具，主要用于解决提升IT部门的常规/复杂报表开发效率问题；而FineBI作为一款商业智能工具，在IT信息部门分类准备好数据业务包的前提下，以满足业务人员或者企业领导的即席/自助数据分析需求。通过FineReport+FineBI的完美结合互补，轻松搞定企业IT的复杂报表&业务即席分析需求！

2、报表FineReport和BI工具FineBI的区别

1、数据引擎方面，FineReport产品是直连数据库，性能方面需要数据库的支撑；FineBI产品包含FineIndex和FineDirect两种数据引擎可供用户使用，其中FineDirect也是直连数据库，而FineIndex数据引擎是做大数据建模的，可以生成列式存储的多维数据集对传统的关系型数据库进行加速；

2、FineReport属于C/S架构，支持灵活定制各种中国式复杂报表；FineBI属于B/S架构，主要提供自助式的OLAP多维数据分析模式；

3、FineReport可以用来出固定格式的周报、月报、适合作为正式汇报材料；FineBI的使用主要面向业务人员可以自己设计报表进行分析，向自主分析得出结果，辅助企业业务决策；

4、如果把FineReport和FineBI的最终数据分析结果都比喻为一场盛宴的话，FineReport可以比喻为一桌经过精心调理和准备的满汉全席，而FineBI则可以比喻为一场可供用户进行丰富自由选择的自助餐；

5、报表系统和BI的使用对象和目的都不相同，报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身，BI并不是用来代替着眼于日常运做的报表系统的。

3、两者如何配合？

1.FineBI中FineIndex列式存储的多维数据库可以在FineReport中进行读取和使用，FineReport的拓展数据源也可以通过服务器数据集和FineBI进行共享；

2.FineReport制作的所有报表页面都可以挂载在FineBI中进行查看和使用；

3.FineBI和FineReport产品支持融合部署，所有功能都可以整合在同一个工程中进行使用（推荐FineReport整合到FineBI），同时移动端共用一个数据分析app。

典型案例

以某银行为例，下辖13家省内分行、4家省外分行，营业网点541家，员工1.4万人。全行的生产实际ODS总共的数据量20几T，单表数据量最大1亿3千万。

在上FineBI产品之前，信息科技部承担着全行内日常的数据管理以及响应各部门的报表制作需求，譬如，营运客服中心需要定期对客户进行跟踪、电话回访，信息科技部通过sql将数据库中的数据取出来，再展示成报表提供给营运客服中心的客户人员进行查询。

行内的其他业务部门，有计划财务部，公司业务部，消费金融与信用卡中心，风险管理部，营运部，对自己的业务数据有自助分析的需求，譬如计划财务部要做经营分析、资金清算，消费金融与信用卡中心要做信用卡发放的覆盖率、信用卡消费的分析，公司业务部要做增长的趋势、增长速度的分析，风险管理部有对对标上市银行的相关分析。

这些业务部门的数据指标的特性是变化快，不但要不断增加新的指标，而且已有指标的计算方式也在变化，所以需要经常调整。信息科技部并不知道哪些指标对这些于业务部门而言是重要的指标，信息科技部按照业务部门提过来的需求来做好指标，也不能完全实现业务部门需求。

上了FineBI平台之后，信息科技部给计划财务部，公司业务部，消费金融与信用卡中心，风险管理部，营运部分别开设了分析编辑用户。信息科技部将这些部门相关的数据库表加载到FineIndex数据引擎中，按照业务给每个部门的账号分配数据权限，每个业务部门可以自由地对自己的数据进行数据分析。新的模式为信息科技部只需要维护底层数据表，业务部门的科技项目经理负责向信息科技部申请需要的数据，普通的业务员可以对自己模块的数据进行自助分析，彻底改变了原有的模式。

目前全行各部门有效的分析模板300多张，各部门对自己的数据和分析模板有着绝对的自主性，同时也方便了汇报工作，譬如计财部总监给董事会汇报，以前都采用先查询报表，然后将结果粘贴到ppt汇报，现在直接使用FineBI平台，边汇报边切换指标讲解。

总行顺利推进，近期各分行也正在积极推广使用中。

写在最后

数据本身的价值其实是潜在的，而工具的作用是帮助用户更加便捷地进行数据的统计和分析，但是在这之中数据的业务闭环才是最为重要的。

除了常规FineReport的中国式复杂报表之外，还需要通过FineBI不断完善企业即席分析和数据多维可视化建设，让业务人员也能够通过BI工具从单个核心指标出发，然后进行指标拆解，进而深层次多维分析，切片切块，通过同型分析、趋势分析、对比分析等数据分析方法定位到数据中的异常点，最终通过调整决策解决业务问题。

毕竟在当今这个大数据信息化爆炸时代，只有坚持数据成为生产力的企业指导经营方针，让全员都利用好企业的数据以分析引导业务决策，才能让企业真正焕发生机，成为真正超越和引领同行业的领导者。