bi决策分析

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。

大数据时代的到来让企业认识到数据分析的重要性，越来越多的企业将数据视为公司的重要资产之一。数据已经成为企业制定战略、管理决策、运营推广的重要依据。

目前，大部分企业都已有ERP、CRM等信息化系统，即使是小型企业也可以借助excel实现简单的数据管理功能。然而随着数据量的庞大、技术的发展，软件越来越慢的处理速度，跨部门之间的信息打通成为了亟待解决的问题。

商业智能（BI）和商业分析（BA）

商业智能（BI）是一种数据分析的解决方案，所呈现的是数据本身的信息。BI利用软件和服务将数据转化为能指导企业进行战略、业务决策的可行性情报，使企业得以收集、分析和呈现数据分析。它可以与大型的ERP、CRM等软件集成，也可以单独运行。

而商业分析（BA）则是通过一系列的分析研究工作，发现业务需求，找到解决业务问题的方法。具体来说，包括：

找出数据模型并进行预测，例如：产品销售额和广告投放的相关关系分析。从海量数据中发现异常。例如：信用欺诈。识别关键数据变量之间的关系并作进一步的预测。例如：潜在客户分析洞察力分析，预测接下来会发生什么？例如：客户流失预测。获得竞争优势。

简单来说，商业智能是一种描述性分析，它描述了一个过去或当前的状态。它不会告诉你该做什么，它只告诉你什么是什么。而商业分析通过分析数据来预测将要发生的事情，它结合了先进的统计分析和预测建模，为企业提供了预期的想法，以便可以预测发展情况或进行更改以改善结果。

不断发展的商业智能

在过去，商业智能的建立需要由专业的信息技术人员操作完成，不同部门的不同数据分析需求需要分别建立项目进行工程实施，时间长且效率低。随着企业数据量呈指数级增长，BI也会出现响应速度缓慢，甚至死机崩溃的情况。低效率的传统BI因无法提供实时的信息支持而逐渐被市场淘汰。

如今随着大数据、人工智能和云计算技术的发展，使得数据的处理速度更快，庞大的历史和现行数据在几秒钟之内就能完成结果的呈现。自动化的处理系统使得操作更加简单，对用户更加友好。非技术人员（营销、运用、财务、高管等）也能使用使用商业智能工具来生成报告并获取大量的信息，更加快捷方便。

当然，仅仅是对过去和现阶段的数据进行分析呈现已经不能满足企业的需求，数据被期待着解答更多问题。一开始，企业可能只是想查看销售数据，然后想看这个数据按国家或产品组织，然后想要看今年的十大客户，他们的共同特征是什么，甚至根据信息来预测一下年的十大客户是谁。

商业智能使用基本计算来提供答案，而这种预测性分析等其他分析形式则需要使用数学模型来确定属性并提供预测。而针对企业的需求，应用市场也顺应变化，推出引入更多的、更好的数据信号的商业智能工具，以产生更准确、更有见地的报告，从而模糊了传统上将商业智能与更高级商业分析间的界线。这些新工具正在帮助企业做出更好的决策，回答有关如何最大化并优化业务的问题——业务应面向谁、提供哪些促销活动以及哪一方向谁提供这样的问题。

这也是未来商业智能的发展方向。

一、背景介绍

人类社会从物物交换到货币的产生，到形形色色的交易，产生了我们现在繁荣、复杂的各种商业活动。利益是商务的核心，而商务需要经过买卖双方的交易，谈判，而商品的流通又需要物流、库存，其中业务流程十分繁琐，然而科技进步改善或者正在改变着其形式，人们的工作效率正在极大地提高。

在这个信息化的时代，许多传统业务被信息化手段所取代或者信息化作为其辅助手段。于是乎，在这个时代，所有的人都在谈数据，并且相关的商务数据呈爆炸性指数级的增长。可是，不是所有的数据都是有用的，所以人们需要从中挖掘有用的信息，用以指导现实工作。

商务智能，英文为Business Intelligence，简写为BI。商务智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。比如，百货商场每天有各种各样的商品被出售，其POS系统存储着商品的销售情况，数据量十分庞大。从这些数据，我们利用一定的数学模型和智能软件工具进行分析，知道哪些产品最热销，哪些时段人们喜欢购买什么。接着，运用分析后的结果进行决策，比如分析后得知下雨天的时候啤酒和炸鸡的销量比其他天气时段更多，于是我们决定在下雨的日子增大啤酒和炸鸡的产量。通过这些分析和决策，我们得到了商业利润的增加，这种利润是我们利用现代工具进行商务智能的动力。这个过程可以总结为以下的一个等式：

商务智能=数据+分析+决策+利益

二、数据获取

传统的数据获取是手工进行纸质记录，缺点是记录容易出错，且随着时间的流动，其数量会大大增加以致于查找历史数据的困难。比如，传统地主家的管家进行家庭财政的登记，账本厚又重，对账极其麻烦，而且说不定账本会因为火灾或各种原因而破损，如被老鼠咬烂了。

随着科技的进步，有了计算机，于是数据存到了磁带，然后是磁盘。世界上有了社会分工而美妙，每个人都在自己擅长的领域工作，从而创造着更大的利益。于是乎，不懂计算机的小伙伴借助着别人开发的管理系统进行数据的管理，比如超市的商品管理系统，公司内部的人员管理系统。而软件程序员借助了数据库，数据仓库等产品进行设计编码，创造了上述的管理系统。

于是，一层接力一层，数据的获取从手工一个个用笔记下来到使用计算机键盘进行录入。通过现代科技手段，查看历史数据只要进行搜索，很快很好就能得到十年前的数据，从而可以更大效率地进行数据分析。

商务智能，智能二字凸显了计算机的重要性。计算机的一切都是0，1二进制组成，这两个最普通不过的符号构建了计算机整个数据大厦。如何更好的将数据存到计算机磁盘中，并迅速的读取出来呢？早期的数据存储是使用卡片进行数据读取，后来便产生了现代计算机的存储体系，寄存器，内存，磁盘。从硬件开始，后来出现了软件层面的文件系统，IO流。为了更方便存储大量数据，出现了数据库软件，各种数据库理论和工具开始出现。

目前使用最多的数据库是1993年E.F.Codd提出的关系数据库。

三、数据分析

数据分析方面主要依赖数据挖掘方面的知识，因为商务智能是数据挖掘领域的一个分支。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘利用了来自如下一些领域的思想：(1) 来自统计学的抽样、估计和假设检验，(2)人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。特别地，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。

主要的分析算法有分类 （Classification）估计（Estimation）预测（Prediction）相关性分组或关联规则（Affinity grouping or association rules）聚类（Clustering）等。这些算法主要依赖数学大厦进行构建，大多数商业数据挖掘软件已经实现了这些功能，方便普通人士的使用。

通过使用数据挖掘软件，可以对存储在数据库中的数据进行分析处理，得到一定的统计和计算结果。这些结果可以指导现实的决策。

目前的数据挖掘软件有一般分析目的用的软件包SAS Enterprise Miner，SPSS Clementine，IBM Intelligent Miner等，针对特定功能或产业而研发的软件KD1（针对零售业）Options & Choices（针对保险业）HNC（针对信用卡诈欺或呆帐侦测）Unica Model 1（针对行销业）iEM System （针对流程行业的实时历史数据）。

四、商务决策

随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。

联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。.

OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。

商务决策使用了上述的数据挖掘软件得出的结果，而OLAP是一个更加方便的系统，更快更好的将分析的结果以图表等方式进行展示，方便决策人员进行对比、讨论。通过智能化工具的处理后，领导和改革者可以决定是否开展某项业务，或者如何进行某项业务，这也是称之为商务决策的原因。

五、利益动力

商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），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（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

商务智能=数据+分析+决策+利益，等式包含了利益，是因为利益作为一种动力，促进了商务智能的发展。因为想改变，所以改变。因为想提高效率，所以改变。因为要以最小的投入挣得最大的利益，所以要改变。人类生活的改变来源人类对美好生活的追求，想把人类从繁忙的体力劳动中解放出来。计算机这一科技产物，与商务联系起来，必定创造极大的价值。

六、总结

我们可以预示出，在将来的日子，商务智能必将蓬勃发展，一路高歌，这也为我们个人和国家做出了提示。商务智能并不神秘，它就如此简单，总结是：

商务智能=数据+分析+决策+利益

本文编辑：袁帅，专注互联网数据分析运营，智能一体化会展活动运营服务平台会点网事业合伙人，运营负责人。中国国际贸易促进委员会信息中心-今日会展联盟VIP个人会员，全经联园区委秘书处成员，周五咖啡媒体人俱乐部发起合伙人。网络营销，搜索引擎营销运营出身，CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。互联网数据官（ICDO）原创作者，互联网营销官CMO原创作者，执牛耳媒体特约撰稿人。

大数据时代的到来让企业认识到数据分析的重要性，越来越多的企业将数据视为公司的重要资产之一。数据已经成为企业制定战略、管理决策、运营推广的重要依据。

目前，大部分企业都已有ERP、CRM等信息化系统，即使是小型企业也可以借助excel实现简单的数据管理功能。然而随着数据量的庞大、技术的发展，软件越来越慢的处理速度，跨部门之间的信息打通成为了亟待解决的问题。

商业智能（BI）和商业分析（BA）

商业智能（BI）是一种数据分析的解决方案，所呈现的是数据本身的信息。BI利用软件和服务将数据转化为能指导企业进行战略、业务决策的可行性情报，使企业得以收集、分析和呈现数据分析。它可以与大型的ERP、CRM等软件集成，也可以单独运行。

而商业分析（BA）则是通过一系列的分析研究工作，发现业务需求，找到解决业务问题的方法。具体来说，包括：

找出数据模型并进行预测，例如：产品销售额和广告投放的相关关系分析。从海量数据中发现异常。例如：信用欺诈。识别关键数据变量之间的关系并作进一步的预测。例如：潜在客户分析洞察力分析，预测接下来会发生什么？例如：客户流失预测。获得竞争优势。

简单来说，商业智能是一种描述性分析，它描述了一个过去或当前的状态。它不会告诉你该做什么，它只告诉你什么是什么。而商业分析通过分析数据来预测将要发生的事情，它结合了先进的统计分析和预测建模，为企业提供了预期的想法，以便可以预测发展情况或进行更改以改善结果。

不断发展的商业智能

在过去，商业智能的建立需要由专业的信息技术人员操作完成，不同部门的不同数据分析需求需要分别建立项目进行工程实施，时间长且效率低。随着企业数据量呈指数级增长，BI也会出现响应速度缓慢，甚至死机崩溃的情况。低效率的传统BI因无法提供实时的信息支持而逐渐被市场淘汰。

如今随着大数据、人工智能和云计算技术的发展，使得数据的处理速度更快，庞大的历史和现行数据在几秒钟之内就能完成结果的呈现。自动化的处理系统使得操作更加简单，对用户更加友好。非技术人员（营销、运用、财务、高管等）也能使用使用商业智能工具来生成报告并获取大量的信息，更加快捷方便。

当然，仅仅是对过去和现阶段的数据进行分析呈现已经不能满足企业的需求，数据被期待着解答更多问题。一开始，企业可能只是想查看销售数据，然后想看这个数据按国家或产品组织，然后想要看今年的十大客户，他们的共同特征是什么，甚至根据信息来预测一下年的十大客户是谁。

商业智能使用基本计算来提供答案，而这种预测性分析等其他分析形式则需要使用数学模型来确定属性并提供预测。而针对企业的需求，应用市场也顺应变化，推出引入更多的、更好的数据信号的商业智能工具，以产生更准确、更有见地的报告，从而模糊了传统上将商业智能与更高级商业分析间的界线。这些新工具正在帮助企业做出更好的决策，回答有关如何最大化并优化业务的问题——业务应面向谁、提供哪些促销活动以及哪一方向谁提供这样的问题。

这也是未来商业智能的发展方向。