什么是BI?
BI,也称为商业智能,是企业快速分析数据的技术和方法,包括收集、管理和分析数据,并将这些数据转换为有用的信息。换一种说法就是“通过使用基于事实的决策支持系统改进业务决策的一套理论和方法。”
然而,大多数人误解了BI,认为BI只是一种可视化支持工具。在实际使用过程中,他们也将其视为一种报表工具,并不能实现所号称的人人都能数据分析和赋能业务决策。
的确,大多数企业的数据需求都可以被报表满足。BI图表简单易用,可以轻松满足需求,所以趋向于报表软件,而非其本身的定位。但我所了解的BI软件的价值不应仅止于报表,BI软件价值与用途应该在原来的业务系统之上。
BI的囚徒困境
在技术层面上来讲,BI有三个层级:数据报表、数据分析和数据挖掘。
数据报表:传统的报表系统已经非常成熟,大家熟悉的Excel、FineReport等都已经得到普遍公认。
数据分析:报表更多的是用于展示数据,如果业务想进一步了解数据异常背后的原因或是数据之间的规律,就需要进行数据分析。首先就是打通数据,能在平台上取数。然后进一步探索规律,因此我们提出OLAP概念,希望利用多维钻取和关联的方式来帮助业务人员更方便地探索发现。同时分析结果可用可视化支持技术来展示,譬如分析报告、仪表盘,这才是真正的数据分析工具,是BI软件的主流。
数据挖掘:数据挖掘则是在规律之下,通过对特征数据和问题的挖掘算法,发现数据下的隐藏规律,预测趋势,捕捉表面上看不见的关联。现代BI有所涉及数据挖掘的功能,但尚未足以替代专业性人力。
其实数据分析才是BI的重点,也是企业的需求,是给业务创造价值的。然而,它之所以没用对地方,是因为很多企业只有数据分析的模糊概念,而往往没有BI数据分析挖掘的要求,业务人员通常难以精确提炼出特定分析需求,大部分只提:我想看今年以来某某数据;比较某某数据和某某数据之间的差异…而IT又不深究为何业务提这个需求,只有按部就班,循规蹈矩。这就导致了BI需求调研和业务人员沟通经常出现问题,业务人员很难明确需求,所谓的BI数据分析挖掘也就无处可用,这使得BI沦为一个报表软件,或者当业务软件来使用。
BI应该被物尽所用,用对地方。就定位而言,它不应被视为一个系统,而应被视为一种工具。与没有任何业务功能Excel一样,但大家都使用Excel完成业务任务、分析数据和传递数据。同样,BI软件也应该在企业内部推广BI数据分析挖掘。
正确认识BI的优势
1、数据处理
以国内BI软件FineBI为例。
与Excel相比,BI软件FineBI可以直接连接到数据库的企业数据源,快速拉取数据,将任何字段的数据作为一个维度进行筛选和整合。数据处理的灵活性仅次于Excel,但它可以处理Excel无法处理的大量数据。如果企业数据繁杂,庞大,数据分析需求高涨,建议使用BI。
2、数据展现
说到展现,就会想到各种图表和可视化报告。
图形的选择是在可视化支持工具过程中一个非常重要的环节,但在很多实际实现过程中都被忽视,这就造成图形的随意选择,可视化维度不足等问题。
现在,和Excel相比,BI软件等可视化支持工具已经很简易上手了。例如FineBI的图表基本上可以实现自动推荐,类似数据透视图操作,拖拽字段到横纵维度等进行多样化展现。此外还有下钻、联动功能,可以进行更多层次分析。
因此,BI软件价值实际上非常适用于业务用途,有了数据,它可以清楚地分析要分析的内容和快速展现数据。
3、自助式分析
一位运营商的BI大佬曾经说过:10多年前做了大量定制分析的系统,到现在还有用的也就自助取数。由此扩展出来的自助概念很好,因为它改变了数据分析支持模式。
在传统的数据处理方法中,IT将数据导出到业务,业务获取数据后在Excel中进行简单固定的计算;或直接向IT部门提出要求,由IT部门负责制作满足要求的报表,这个过程会很长,反应速度不够。那能不能有一些自助工具来给业务部门自己DIY数据呢?例如,报表根据指标灵活组合,这是BI目前提倡的自助分析。
什么是自助分析?FineBI倡导的是:“以业务需求为导向,业务人员自主取数,进行有针对性的数据处理,挖掘数据价值,推动业务增值。”例如,我知道的一家货运公司实行FineBI的方式是:IT人员建立统一的营销系统取数口,用于企业数据管理,以保持内部数据分析的一致性。业务人员使用基本或高级图表展示各种分析情况,各部门根据业务需要在报表和仪表板中查询数据信息。
无论如何,自助分析将是一种大势。
最后
成功的BI软件可以这样解释:BI的使用需要具有数据分析思维意识的业务人员来推动和引导,充分利用BI的快速数据处理、数据分析和显示优势,从而充分发挥商业智能BI的价值,充分体现数据的价值,这就是BI软件价值。
总之,BI有其独特的价值,是其他系统数据分析模块无法取代的。因为数据分析模型集成在业务系统中,BI系统的价值不可低估,也不能被视为业务系统。希望企业能够利用好自己的数据给企业带来价值!
数据分析 BI
原创文章,作者:奋斗,如若转载,请注明出处:https://blog.ytso.com/173651.html