在2020年COVID-19疫情作為催化劑影響下，各個公司開始加快數字化,信息化的轉型速度。同時随着一線的市場紅利愈發難挖掘，大廠們開始加速下沉，互聯網C端業務随着用戶需求激增而飛速發展，同時帶動了之前并不是太受重視的To B業務。

在這一系列的變化下，數據的量級、多樣性以及分布的平台都發生了不小的變化。而在各家的管理者口中，與數據相關的概念、平台、工具、能力也開始越來越多地被提及。而BI作為TO B 領域的寵兒，也吃到了風口上的第一口蛋糕。

我通過目前比較常被提及的與BI相關的概念做一個梳理，幫助大家了解當我們在談論BI時，我們到底在談論什麼。

目前，BI（即Business Intelligence又名商業智能）的發展以時間段劃分經曆了四大階段：

早期在1958年，IBM 研究員Hans Peter Luhn将BI定義為：“對事物相互關系的一種理解能力，并依靠這種能力去指導決策，以達到預期的目标。”這期間出現的領導信息系統（EIS）和決策支持系統（DSS）等技術應用正是BI的前身。

在1989年，Howard Dresner将BI描述為：“使用基于事實的決策支持系統，來改善業務決策的一套理論與方法。”

1996 年，咨詢機構 Gartner 集團提出 BI 的定義：“一類由數據倉庫（或數據集市）、查詢報表、 數據分析、數據挖掘、數據備份和恢複等部分組成的、以幫助企業決策為目的的技術及其應用。“BI 為企業提供迅速分析數據的技術和方法，包括收集、 管理和分析數據，将數據轉化為有價值的信息，并分發到企業各處。讓企業的決策有數可依，減少決策的盲目性， 理性地驅動企業管理和運營。

而随着時代的發展，信息化技術更好的幫助BI實現他的本質工作：即利用現代技術輔助企業決策。至此，在2013 年，Gartner 集團對 BI 的概念進行了更新與擴展，在“Business Intelligence”一詞中加入“Analytics”(分析/邏輯分析學）， 合并成“Analytics and Business Intelligence”（ABI，分析與商業智能），并且納入應用、基礎設施、工具、 實踐等多項内容。并重新定義為"BI 是一個概括性術語。它包含了應用、基礎結構、工具，以及提供信息訪問和分析以改進、優化決策表現的最佳實踐。"

如果說，早期的BI還隻是個高大上的概念，實用性不強的話，那麼新時代的BI則融合了計算機、統計學等相關知識，變得更加的科學。未來随着技術的發展，AI 或許可以幫助BI更加的“智能”。

現階段，BI是一套由數據倉庫、查詢報表、數據分析等組成的數據類技術解決方案。它的主要目的是将企業中不同業務系統例如 ERP、CRM、OA 等數據打通并進行有效的整合（打通業務系統），再利用合适的查詢工具和分析工具快速準确的提供報表等可視化分析（查詢與報表可視化分析），為企業提供決策支持。

早些年，企業的信息化往往完成了第一步，即業務信息化。它所面對的主要是解決的是企業内部業務、信息流程的管理，以傳統的财務軟件、ERP軟件、OA軟件、CRM 軟件等為代表。基礎的業務信息化系統建設提高了企業的生産運營效率、降低了企業的業務管理成本、體現了企業業務管理思路。最重要的是：因為業務信息化系統的存在，沉澱了重要的業務數據，為商業智能BI的建設打下了數據基礎。

但随着市場由藍海轉為紅海，良好數據基礎的企業被收割殆盡，BI的發展進入了深水區，同時市場也對BI及數據基礎等提出更高的要求。此時便進入了企業信息化的第二步，即數據信息化。

而數據信息化，指的就是商業智能BI、數據分析、數據挖掘等數據類的産品與服務信息化建設。通過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合并到企業級的數據倉庫裡，從而得到企業數據的一個全局視圖。在此基礎上利用合适的查詢和分析工具、數據挖掘工具（大數據魔鏡）、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後呈現給管理者，為管理者的決策過程提供支持。

所以商業智能BI的目的在于打通各類業務信息化系統的數據，站在一個整體和全局的角度洞察企業的經營管理，讓企業更加全面的認知和了解企業的現狀。沒有業務系統的數據基礎，就沒有商業智能BI，這就是業務信息化系統和數據信息化系統的上下遊關系。

目前，BI的核心是通過構建數據倉庫平台，有效整合數據、組織數據，為分析決策提供支持并實現其價值。那麼數據倉庫是什麼呢？

望文生義，數據倉庫就好像一般的貨物倉庫，按照貨品、位置分門别類的放好了。對于顧客來說，能夠很快速找到自己要的産品，也便于工作人員進行管理。

數據倉庫其面向分析的集成化數據環境，為企業提供決策支持。它出于分析性報告和決策支持目的而創建。其本身并不“生産”任何數據，且數據來源于外部，并且開放使用。

它具有四個基本特征:主題性、集成性、非易失性和時變性。按照數據流入和流出，數據架構可分為ODS（數據源表層），DWD（數據明細層），DWS（數據彙總層），DWA（數據應用層）。常見的建模方式為： 範式建模法、維度建模法、實體建模法。以現在企業所常用的維度建模為例又分為：星型，雪花型和星座型。

數據倉庫往往是面向數據分析的，裡面的數據已經經過了一定的清洗和處理，相對結構會簡單一些。但由于經過了邏輯對應，因此會存在一定的冗餘數據，不過數據倉庫可以支持更複雜的查詢，單次所要處理的數據量會更大。

講到這裡你可能有點迷糊，但是隻需要看下圖就可以理解了。

可以看到，數據倉庫作為BI中的一環，承接的是整個系統，屬于BI中的“腰腹核心”，起到承上啟下的作用。所以，講到BI，不得不提的就是數倉。其價值體現在滿足企業不同人群對數據查詢，分析，決策的需求，實現對業務監測的反應。從而配合整個BI解決方案為企業支撐管理方式與決策水平，提要業務運轉的效率，優化業務方向等。

• BI打通數據孤島

前面提到了數倉，那麼數倉中的數據從哪來呢？聰明的你一定想到了，就是從在業務系統中來。如财務、人事、采購、生産、銷售、運營等。概括來說就是自有系統的源數據、ERP、OA、CEM、DMS、TMS等等。在這個過程中我們就能發現企業的業務實際上是獨立在不同的系統中的，業務數據也是分散在各個不同的業務部門，這個時候看數據的角度基本上都是以個人或者部門的角度來看數據。

而BI通過對接各個業務系統軟件背後的數據庫，将所需要分析的數據整合到一個新的數據平台上，通過數據的抽取、轉換和清洗，并且按照一定的業務分析模型來組織這些數據，最終以可視化報表的形式提供給企業的用戶。打通了各個業務系統、業務模塊的數據，打通企業内部的數據孤島，站在全局角度看整體的業務。

關于BI，未來一定是還有諸多可能的，如ABI AI，如随着市場的發展，企業即會要求BI的前端展示精美酷炫，也會要求底層數據基礎架構更加完善。且随着市場的擴大，國内企業也逐漸對數據意識有了更深的了解。從表象的問題深耕到業務問題，管理問題。業務産生數據，數據反推業務，通過BI，為感性的決策插上理性的翅膀，體現BI的真正内涵！

/END

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!