如何定義大數(shù)據(jù)與BI商業(yè)智能？

“商業(yè)智能”這個詞，多數(shù)人普遍認為是Gartner機構(gòu)在1996年第一次提出來的，但事實上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。

本文由齒輪易創(chuàng)原創(chuàng)，未經(jīng)許可禁止一切形式的修改、轉(zhuǎn)載。轉(zhuǎn)載請私信聯(lián)系齒輪易創(chuàng)。

1865年，理查德·米勒·德文斯（Richard Millar Devens）在《商業(yè)趣聞百科全書》（Cyclop?diaof Commercial and Business Anecdotes）中提出了“商業(yè)智能”（BI）一詞。他用這個詞來描述銀行家亨利·福尼斯（HenryFurnese）通過收集信息并根據(jù)這些信息，先于競爭對手采取行動，從而獲利。

1958年，IBM計算機科學家漢斯·彼得·盧恩（Hans PeterLuhn）撰文討論了利用技術(shù)來收集商業(yè)智能的潛力。按照今天的理解，商業(yè)智能就是利用技術(shù)來收集和分析數(shù)據(jù)，將之轉(zhuǎn)換成有用的信息，并根據(jù)這些信息，“先于競爭對手”采取行動。從本質(zhì)上說，現(xiàn)代版的商業(yè)智能利用技術(shù)，在正確的時間，依據(jù)正確的信息，迅速且有效地作出決策。

1968年時，只有那些具備專業(yè)技能的人，才能把數(shù)據(jù)轉(zhuǎn)換成可用的信息。那時，來自多個來源的數(shù)據(jù)通常儲存在筒倉中，研究報告呈碎片化，彼此脫節(jié)，可以作出多種不同的解讀。埃德加·科德（Edgar Codd）認識到，這是個嚴重的問題。

1970年，他發(fā)表文章，改變了人們思考數(shù)據(jù)庫的方式。他關(guān)于建立“關(guān)聯(lián)式數(shù)據(jù)庫模型”的提議獲得了巨大關(guān)注，被全世界所采納。決策支持系統(tǒng)（DSS）是第一個數(shù)據(jù)庫管理系統(tǒng)，現(xiàn)代版的商業(yè)智能是從DSS數(shù)據(jù)庫演化而來。

上世紀80年代，商業(yè)人士發(fā)現(xiàn)了商業(yè)智能的價值，于是BI供應(yīng)商的數(shù)量大增。那期間，各種各樣的工具紛紛面世，目標是以更簡單的方式訪問和組織數(shù)據(jù)。聯(lián)機分析處理（OLAP）、主管信息系統(tǒng)（EIS）和數(shù)據(jù)倉庫應(yīng)運而生，與DSS協(xié)同工作。

什么是商業(yè)智能？

BI（BusinessIntelligence）即商務(wù)智能，它是一套完整的解決方案，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進行有效的整合，快速準確的提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策。

用一句話就是”使用基于事實的決策支持系統(tǒng)，來改善業(yè)務(wù)決策的一套理論與方法。”

商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。這里所談的數(shù)據(jù)包括來自企業(yè)業(yè)務(wù)系統(tǒng)的訂單、庫存、交易賬目、客戶和供應(yīng)商等來自企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)以及來自企業(yè)所處的其他外部環(huán)境中的各種數(shù)據(jù)。而商業(yè)智能能夠輔助的業(yè)務(wù)經(jīng)營決策，既可以是操作層的，也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉(zhuǎn)化為知識，需要利用數(shù)據(jù)倉庫、聯(lián)機分析處理（OLAP）工具和數(shù)據(jù)挖掘等技術(shù)。

因此，從技術(shù)層面上講，商業(yè)智能不是什么新技術(shù)，它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術(shù)的綜合運用。可以認為，商業(yè)智能是對商業(yè)信息的搜集、管理和分析過程，目的是使企業(yè)的各級決策者獲得知識或洞察力（insight），促使他們做出對企業(yè)更有利的決策。

商業(yè)智能一般由數(shù)據(jù)倉庫、聯(lián)機分析處理、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成。商業(yè)智能的實現(xiàn)涉及到軟件、硬件、咨詢服務(wù)及應(yīng)用，其基本體系結(jié)構(gòu)包括數(shù)據(jù)倉庫、聯(lián)機分析處理和數(shù)據(jù)挖掘三個部分。

因此，把商業(yè)智能看成是一種解決方案應(yīng)該比較恰當。

商業(yè)智能的關(guān)鍵是從許多來自不同的企業(yè)運作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進行清理，以保證數(shù)據(jù)的正確性，然后經(jīng)過抽取（Extraction）、轉(zhuǎn)換（Transformation）和裝載（Load），即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具（大數(shù)據(jù)魔鏡）、OLAP工具等對其進行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持。

提供商業(yè)智能解決方案的著名IT廠商包括微軟、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

理解、推理、學習

本文由齒輪易創(chuàng)原創(chuàng)，未經(jīng)許可禁止一切形式的修改、轉(zhuǎn)載。轉(zhuǎn)載請私信聯(lián)系齒輪易創(chuàng)。商業(yè)智能的三個特征利用互聯(lián)網(wǎng)和算法的優(yōu)勢，低成本實時服務(wù)海量用戶；滿足每一個用戶的個性需求；快速迭代，自我更新，自我提升。

智能商業(yè)雙螺旋——網(wǎng)絡(luò)協(xié)同和數(shù)據(jù)智能。兩者是陰陽和合的，網(wǎng)絡(luò)協(xié)同推動數(shù)據(jù)智能的發(fā)展，數(shù)據(jù)智能驅(qū)動網(wǎng)絡(luò)協(xié)同的擴張。

網(wǎng)絡(luò)協(xié)同，就是大規(guī)模、多角色的實時互動來解決一個特定的問題。

兩個例子，第一個是維基百科，人類歷史上第一次出現(xiàn)了一個沒有中央政府協(xié)調(diào)的、大規(guī)模的、自發(fā)協(xié)同完成的在線知識庫。第二個是淘寶，今天的淘寶賣家已經(jīng)可以在線，同時和幾百個服務(wù)商合作，只需要一個API的鏈接，就能調(diào)動相關(guān)數(shù)據(jù)和相關(guān)服務(wù)。

網(wǎng)絡(luò)協(xié)同是企業(yè)邁向智能商業(yè)最重要的第一步。

數(shù)據(jù)智能，本質(zhì)是機器取代人直接做決策。需要幾個重要前提：云計算，大數(shù)據(jù)、算法、迭代。

以Google搜索為例，它有三個核心的組成部分，一個是算法，是機器學習的引擎；一個是數(shù)據(jù)，非常重要的一點是它要循環(huán)，形成一個反饋；一個是用戶，兩個極簡的產(chǎn)品界面——搜索框和結(jié)果頁，只需三個步驟——輸入關(guān)鍵詞，出結(jié)果頁，點擊——就能完成一次搜索。

一個非常重要的推論：未來任何一個企業(yè)，都是服務(wù)企業(yè)，因為客戶真正要的是服務(wù)，不是產(chǎn)品。大體量的公司能夠繼續(xù)保持多年的高速增長，背后的原因是智能商業(yè)的黑洞效應(yīng)。

黑洞意味著它有巨大的能量場，它的四個構(gòu)成：

網(wǎng)絡(luò)協(xié)同具備網(wǎng)絡(luò)效應(yīng)，具有指數(shù)級增長的天然優(yōu)勢;數(shù)據(jù)智能有學習效應(yīng)，機器的算法不斷通過對數(shù)據(jù)的處理，提高自己的智能水平;網(wǎng)絡(luò)天然會產(chǎn)生數(shù)據(jù)壓強，推動數(shù)據(jù)智能的發(fā)展；數(shù)據(jù)智能具有網(wǎng)絡(luò)張力，數(shù)據(jù)和信息的使用過程，就是一個價值創(chuàng)造的過程。商業(yè)智能、云計算、大數(shù)據(jù)之間的區(qū)別？

大數(shù)據(jù)VS云計算

云計算就是硬件資源的虛擬化；大數(shù)據(jù)就是海量數(shù)據(jù)的高效處理。

云計算作為計算資源的底層，支撐著上層的大數(shù)據(jù)處理，而大數(shù)據(jù)的發(fā)展趨勢是，實時交互式的查詢效率和分析能力。

大數(shù)據(jù)的本質(zhì)就是利用計算機集群來處理大批量的數(shù)據(jù)，大數(shù)據(jù)的技術(shù)關(guān)注點在于如何將數(shù)據(jù)分發(fā)給不同的計算機進行存儲和處理。云計算的本質(zhì)就是將計算能力作為一種較小顆粒度的服務(wù)提供給用戶，按需使用和付費，體現(xiàn)了：

經(jīng)濟性，不需要購買整個服務(wù)器快捷性，即刻使用，不需要長時間的購買和安裝部署彈性，隨著業(yè)務(wù)增長可以購買更多的計算資源，可以需要時購買幾十臺服務(wù)器的1個小時時間，運算完成就釋放自動化，不需要通過人來完成資源的分配和部署，通過API可以自動創(chuàng)建云主機等服務(wù)。

云計算的技術(shù)關(guān)注點在于如何在一套軟硬件環(huán)境中，為不同的用戶提供服務(wù)，使得不同的用戶彼此不可見，并進行資源隔離，保障每個用戶的服務(wù)質(zhì)量。在大數(shù)據(jù)和云計算的關(guān)系上，兩者都關(guān)注對資源的調(diào)度。

大數(shù)據(jù)處理可以基于云計算平臺（如IaaS，容器）。大數(shù)據(jù)處理也可以作為一種云計算的服務(wù)，如AWS的EMR（Amazon Elastic MapReduce ）阿里云的ODPS（Open Data ProcessingService）。

商業(yè)智能VS大數(shù)據(jù)

目前，商業(yè)智能和數(shù)據(jù)分析常常被混用。這兩個術(shù)語都描述了在商業(yè)決策過程中使用數(shù)據(jù)的普遍實踐。

商業(yè)智能代表了為決策者提供輔助的一系列技術(shù)，而數(shù)據(jù)分析則代表了處理數(shù)據(jù)的一系列工具，并且作為一個統(tǒng)稱，涵蓋了數(shù)據(jù)倉庫、企業(yè)信息管理、商業(yè)智能、企業(yè)績效管理和企業(yè)治理。

本文由齒輪易創(chuàng)原創(chuàng)，未經(jīng)許可禁止一切形式的修改、轉(zhuǎn)載。轉(zhuǎn)載請私信聯(lián)系齒輪易創(chuàng)。

大數(shù)據(jù)與商業(yè)智能的對比可以通過下面的表格來歸納總結(jié)：

從概念的角度區(qū)分

BI（Business Intelligence）即商務(wù)智能，它是一套完整的解決方案，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進行有效的整合，快速準確地提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策。商業(yè)智能BI在數(shù)據(jù)架構(gòu)中處于前端分析的位置，其核心作用是對獲取數(shù)據(jù)的多維度分析、數(shù)據(jù)的切片、數(shù)據(jù)的上鉆和下鉆、cube等。通過ETL數(shù)據(jù)抽取、轉(zhuǎn)化形成一個完整的數(shù)據(jù)倉庫、然后對數(shù)據(jù)倉庫的數(shù)據(jù)進行抽取，而后是商業(yè)智能的前端分析和展示。大數(shù)據(jù)（big data）是一種信息資產(chǎn)，它是無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力。簡單而言，大數(shù)據(jù)更偏重于發(fā)現(xiàn)、預(yù)測并印證的過程。

從數(shù)據(jù)來源的角度區(qū)分

大數(shù)據(jù)的數(shù)據(jù)來源包括內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)，有很大一部分數(shù)據(jù)是包括音頻、視頻、圖像在內(nèi)的非結(jié)構(gòu)化數(shù)據(jù)，或是半結(jié)構(gòu)化數(shù)據(jù)。這類數(shù)據(jù)通過大數(shù)據(jù)管理的方式進行整合，然后用BI的方法進行分析挖掘處理。而BI的數(shù)據(jù)很多是來自數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)分析。在企業(yè)內(nèi)部實施BI應(yīng)用就是為了可以更好的對數(shù)據(jù)進行分享和使用。

從技術(shù)的角度區(qū)分

從技術(shù)方面來看，傳統(tǒng)BI的ETL、數(shù)據(jù)倉庫、OLAP、可視化報表技術(shù)，都處于淘汰的邊緣，因為解決不了海量數(shù)據(jù)（包括結(jié)構(gòu)化與非結(jié)構(gòu)化）的處理問題，BI的很多功能都可以被對應(yīng)的大數(shù)據(jù)組件所替代。大多數(shù)企業(yè)即使沒有大數(shù)據(jù)業(yè)務(wù)的驅(qū)動，大數(shù)據(jù)技術(shù)的優(yōu)勢依然不容小覷。

從應(yīng)用的角度區(qū)分

BI涉及的應(yīng)用科學包括：終端用戶查詢和報告工具、數(shù)據(jù)挖掘軟件、數(shù)據(jù)倉庫產(chǎn)品。主流的傳統(tǒng)商業(yè)智能工具包括BO、COGNOS。一些新型的BI工具如Tableau、Qlikview、帆軟FineBI在目前市場也被廣泛應(yīng)用。而大數(shù)據(jù)的應(yīng)用幾乎涉及到社會生活的方方面面，如醫(yī)療行業(yè)、金融行業(yè)、體育行業(yè)、安全執(zhí)法、城市改善等等。當然，大數(shù)據(jù)所涵蓋的領(lǐng)域不止這些，未來還會有許多新的行業(yè)和領(lǐng)域利用大數(shù)據(jù)的應(yīng)用進行規(guī)劃和發(fā)展。

從決策者的角度區(qū)分

BI更傾向于決策，對事實描述更多是基于群體共性，幫助決策者掌握宏觀統(tǒng)計趨勢，適合經(jīng)營運營指標支撐類問題；大數(shù)據(jù)則內(nèi)涵更廣，傾向于刻畫個體，更多的在于個性化的決策。

從人員技能角度區(qū)分

大數(shù)據(jù)的數(shù)據(jù)處理，涉及很多新的技術(shù)，不同的應(yīng)用場景需要不同的大數(shù)據(jù)處理方法，需要有人專門進行研究和探索，可見大數(shù)據(jù)對于BI人員的技能要求有所提高。

從發(fā)展趨勢的角度區(qū)分

隨著企業(yè)CRM、ERP、SCM等應(yīng)用系統(tǒng)的引入，企業(yè)不僅僅關(guān)注事務(wù)處理過程，而更加注重有效利用企業(yè)的數(shù)據(jù)為準確和快速的決策提供支持。由此帶動的對商業(yè)智能的需求將是巨大的。BI的發(fā)展趨勢可以歸納為以下幾點：從單獨的商業(yè)智能向嵌入式商業(yè)智能發(fā)展，從傳統(tǒng)功能向增強型功能轉(zhuǎn)變，從傳統(tǒng)型BI向敏捷型BI轉(zhuǎn)變。

商業(yè)智能的未來趨勢的猜測

在線化，就是IOT（物聯(lián)網(wǎng)），將極大的擴張智能商業(yè)的邊界，我們最終會實現(xiàn)萬物互聯(lián)。

全新的交互方式發(fā)展，IOT將會出現(xiàn)里程碑式的產(chǎn)品。以語音為代表的家庭智能中心，以視覺為代表的應(yīng)用級AR設(shè)備以及以感知為代表的無人駕駛。IOT的集大成的產(chǎn)品，很可能就是無人駕駛汽車。

智能化，AI（人工智能）技術(shù)將極大增強黑洞效應(yīng)。

首先，算法會成為基礎(chǔ)設(shè)施。對于大部分企業(yè)來說，不需要算法工程師，只需要人工智能訓練師。其次，深度學習，包括增強學習會在每一個行業(yè)越來越多的被運用。

網(wǎng)絡(luò)化，協(xié)同網(wǎng)絡(luò)將急劇擴張。

網(wǎng)絡(luò)協(xié)同擴張與重構(gòu)，廣告、零售、物流、到創(chuàng)意、營銷的全鏈路重構(gòu)。幾乎在每一個行業(yè)都會經(jīng)歷一個從傳統(tǒng)的封閉的線性供應(yīng)鏈，走向開放的價值協(xié)同網(wǎng)，這中間有巨大的商機。

并且我們能看到的兩個重要趨勢：

第一，新星涌現(xiàn)，現(xiàn)有生態(tài)繼續(xù)大爆炸，多元物種蓬勃生長。教育、健康、交通，本身都是幾十萬億的大產(chǎn)業(yè)，在轉(zhuǎn)向智能商業(yè)的過程中，會出現(xiàn)平臺級、生態(tài)級的領(lǐng)先企業(yè)。第二、顛覆式技術(shù)形成新黑洞，區(qū)塊鏈、AI、AR/VR（增強現(xiàn)實和虛擬現(xiàn)實）。我們?nèi)绱藦娬{(diào)智能商業(yè)，一個重要原因就是源頭技術(shù)還在不斷的進步。

要想在智能商業(yè)時代取得成功，戰(zhàn)略的基本思路都要被改寫。

除了傳統(tǒng)的定位之外，新戰(zhàn)略中間一個最重要的概念，我把它叫做點線面體。就是未來的競爭中，一個企業(yè)戰(zhàn)略決策的第一核心，是要考慮在一個怎樣的網(wǎng)絡(luò)去競爭，是作為一個面，作為一個網(wǎng)絡(luò)平臺，去引領(lǐng)一個生態(tài)的發(fā)展，還是在一個特定的網(wǎng)絡(luò)里面，去做一個點或者去做一條線。企業(yè)升級的指南：

能不能盡可能的網(wǎng)絡(luò)化；能不能盡可能地引入機器學習；能不能夠在網(wǎng)絡(luò)擴張的過程中間，盡可能的用機器決策取代人工決策；能不能夠讓我的數(shù)據(jù)跟更多的不同類型的數(shù)據(jù)產(chǎn)生交換。

結(jié)論：數(shù)據(jù)是這個時代最重要的生產(chǎn)要素，未來的智能時代，是人腦與機器智能的連接。