前言：大数据、人工智能、移动互联网、云计算、物联网等新一代信息技术的发展为企业数字化转型提供了技术支撑。 数字化转型并不是要推翻企业原有的信息化，而是需要对企业原有的信息化系统进行整合和优化。 在整合优化的基础上，提升管理运营水平，运用新技术手段提升企业新技术能力，支持企业适应数字化转型变革带来的新要求。 因此，该公众号将陆续推出一系列关于企业数字化转型关键技术和问题的推文，为目标企业的数字化转型提供参考思路。

《企业数字化转型关键技术与问题》系列推文五：

自助商业智能

1. 什么是自助式商业智能 (BI)？

“自助式商业智能 (BI)”是当今大公司中经常使用的一个术语。 什么是自助式商业智能？ 说白了，就是营造一个“人人都能成为大数据专家”的环境。 BI ( ) 代表商业智能。 是一套完整的解决方案，有效整合企业现有数据，快速准确地提供报表，提出决策依据，帮助企业做出明智的经营决策。 商业智能可以辅助的业务运营决策可以在操作层面，也可以在战术和战略层面。 为了将数据转化为知识，使用了数据仓库、联机分析处理 (OLAP) 工具和数据挖掘等技术。 因此，从技术角度看，商业智能并不是什么新技术，它只是数据仓库、OLAP和数据挖掘技术的综合应用。 通过这样的分析工具，一个不懂数据仓库的数据分析师也可以根据自己的需要随时随地获取和分析数据，为业务运营提供决策支持。

2、企业在导入BI时遇到了哪些问题？

企业家对数据的认知在慢慢改变，中国的ERP/SCM等系统也在发展进步，企业数据一直在稳步积累。 于是大家开始思考如何引入BI，如何利用BI来解决运营中的问题。 但是，企业实施BI项目也存在一些风险。 关键原因是BI项目失败率高。 我们如何降低风险？

操作风险

需求总是在变化……；

异构系统，信息孤岛；

人工操作，误差大，时效性低……；

如何找到真正的问题并给出决策建议？

项目风险

项目周期长，项目流程复杂；

建设复杂，不能满足瞬息万变的业务需求；

BI系统提供了自己独特的GUI，需要用户去学习；

IT部门和最终用户在使用前需要大量培训；

后期难以维护和更改，

高运营成本（维护、设计修改）

初期投资成本（产品、设计）高，性价比低；

技术风险

可扩展性

如果数据的类型和数量超过预期，性能就会下降。

灵活性

许多工具必须事先设计数据模型（立方体），

当 cube 发生变化时会产生高昂的费用。

3. 为什么商业智能 (BI) 应该是自助式的？

传统商业智能（BI）更多是通过固定模式报表的可视化来满足企业的决策支持需求。 以销售领域为例。 传统上，销售电脑的公司一天最多开两次会，上午一次，晚上一次，汇报当天的销售数据。 但是，在电商时代的销售中，每个小时带来的流量是不同的，销售效果可能完全不同。 依靠一天两次的报告，既不能满足企业对内快速调整战略的需要，也不能适应外部日益严峻的竞争形势。 更何况，在大数据时代，越来越多的数据映入眼帘，可以分析的维度也越来越多。 原有统一、标准化的数据服务已经不能满足企业内部需求，而原有的渐进、长期的服务升级已经无法适应当前市场竞争的压力。

那么该怎么办？

显然，过去由工程师支撑的单一、集中、稳定更新、长期建设的数据仓库建设模式已经无法适应大数据时代的大数量（大）、快（快）、多（样）的特点。数据。

与其让 100 名工程师筋疲力尽，不如制作一个自助式商业智能工具。

通过大数据技术，将传统的数据仓库转变为大数据平台，完成统一的数据采集、存储、传输和计算任务。 各类数据消费者使用大数据平台分析工具构建自己的数据仓库系统，DIY完成自己的分析目标。 数据仓库技术团队也转型为数据平台和数据分析工具的建设者。 他们的使命已经转变为帮助数据消费者DIY自己的商业智能（BI），帮助每个人成为大数据专家。

4、自助商业智能（BI）为什么要云化

大数据时代，数据量不断升级。 TB级的数据仓库已经被远远抛在后面。 PB级、数百个PB级数据平台成为标配，甚至出现了EB级数据平台。 同时，每天（T+1）的数据更新频率已经不能满足业务的需求。 分析师需要知道当前业务发生了哪些变化，公司的决策应该如何处理？ 是的，实时数据分析已经成为标准。

对于企业来说，如何在这样的挑战下实施商业智能（BI），成本控制是需要考虑的关键问题。 原有集中自建的数据平台，在软件成本、硬件成本、维护成本控制等方面，都是令每一位CIO头疼的问题。 云计算与大数据技术的结合恰好解决了这个问题。 复杂的问题可以丢给更专业的人来完成，分析师会专注于商业智能（BI）本身。

五、新一代自助式商业智能BI解决方案的特点

1. 内存列式存储数据库

京邦自助业务决策系统基于超高速（传统数据库的40倍）数据处理引擎，采用列式存储结构。 无需预先设计复杂的数据立方体和维度，即可自由灵活地进行下钻等数据分析。

2、自助数据分析

京邦自助商务决策系统具有通俗易懂的人性化界面，易于操作。 无需编写代码程序，支持前端拖拽式设计，所见即所得。 业务部门可以自行进行数据分析，无需等待IT部门的帮助。

3. 优异的性价比

与传统BI解决方案相比，京邦自助业务决策系统能够更快速、低成本、高质量地构建BI系统。

5. 何时开始应用自助式商业智能 (BI)

许多公司现在已经在使用它。 一些传统的软件供应商，例如 SAP 和 IBM，提供的工具需要首先处理您的数据。 但现在云处理方式，比如Domo的模型，其实是很多数据源的上端，包括电子表格、在线CRM、市场等等，可以为公司运营提供全面的实时分析。 包括特定领域的大数据公司也受到业界的欢迎，比如针对服务器日志中海量数据的监控分析工具。

但对于大公司来说，这样的服务是很缺乏的，企业数据安全也是需要考虑的重点问题。 因此，自建平台是必由之路。

六、企业BI解决方案后的提升效果

以某公司引入BI系统前后，公司业务会议上总经理与部门经理的谈话对比为例。 下面来看看新一代自助式商业智能BI解决方案引入后的提升效果。

从以上例子可以看出，企业引入新一代自助式商业智能BI解决方案后，能够提升整体业务能力，为决策者提供更有效的依据。

快速、正确、客观地把握现状

多角度分析数据，发现新价值

根据数据分析结果实现销售和利润增长

七、统一数据平台的价值

其实这个话题在没有完整数据视角的情况下，可以简单转化为企业的损失是什么？ 这个结果是不言而喻的。

1、数据分析和应用需要完整的视野。 分析师在分析用户购买行为时，如果只看到浏览和下单，在不了解客户售中售后行为数据的情况下，无法全面分析用户完整的行为特征。 不可能来回呼应，整体有效；

2. 数据在不同系统中存在不同版本。 统一的数据平台对于如何在商业智能（BI）层面实现数据一致性、有效性和准确性的目标起着关键的支撑作用。

3、统一的数据平台，针对不同类型的数据分析需求，提供统一的计算资源、软件工具和协同工具，降低数据消耗成本，提高ROI。

基于云的自助式商业智能（BI）的实现和落地，势必将企业大数据分析和应用的门槛降低到每一个业务分析师，甚至每一个数据消费者都能熟练运用的水平。 “人人都是大数据专家”的企业，其数据应用能力和业务响应速度必然得到突飞猛进的提升。

针对企业大数据应用场景，京邦充分发挥自主创新能力，研发出低门槛、高效率的大数据可视化自助分析工具，旨在支持企业决策。 该产品性能优良，操作步骤简单流畅。 只需几步，即可创建分析，帮助企业释放数据潜力，帮助企业打通数据孤岛，提供全局视野商业智能，深入挖掘数据，让决策者更全面、更长远地看待问题使企业决策更具前瞻性。 提高决策质量。 提高企业员工工作效率，降低专业门槛，非技术人员也能轻松进行数据分析，有效驱动业务发展，让数据创造财富！

商业智能描述了一组概念和方法商业智能，通过应用基于事实的支持系统来协助商业决策。 要想学好商业智能，必须从业务、技术、分析思维三个方面丰富自己的知识体系。 BI本身就是一种商业智能分析，涉及到数据技术知识和业务知识。 每个企业的业务都不一样，共同的是一些分析思维和一些商业常识。

下面是涉及到的一些学习内容

1、学习数据库知识，掌握SQL的基本技能。因为BI的出发点是数据，他希望从数据分析中得到有用的信息。 数据库是工具，是基础

2、技术层面

技术层面主要面向数据分析师、业务分析师或BI工程师等岗位，需要掌握一些基本技能。 这里有一张数据分析知识图谱供参考，里面包含了数据分析的综合技能体系，数据采集、SQL数据库、统计、数据分析核心模块、可视化、报告撰写等，都进行了详细的拆解。

2.1. 技术选择：数据仓库/ETL/前端开发等。

2.2. 选择技术工具：

数据仓库-、SAP HANA，是主流；

ETL-,;

自助BI工具——pea BI、Power BI

4.学习业务知识

业务层面其实很难帮到你，因为每个行业都不一样，但不变的是你首先要知道公司为什么要做商业智能，目的是什么？ （一般更多的增长机会是通过数据可视化、数据异常分析、业务建模分析发现的。） 其次，你要了解每个业务线的KPI，KPI的实现方式，影响KPI的因素。 从结果出发，我可以发现这些业务条线能发现什么样的问题，通过优化业务流程和集中决策，帮助业务条线解决问题，节约资金，提高投资回报率。

5.统计知识，为什么，因为把数据拿出来后，首先要做的就是展示数据，怎么展示，怎么合理展示，怎么有效展示，这是核心BI ，什么数据挖掘算法，数学能力，业务分析能力等都是加分的，如果有，那你的商业智能产品肯定有更高的价值

6. 踏实的数据分析工作，认真参与项目过程。

商业智能BI需要掌握哪些知识。 中辰魔方大数据（）即商业智能，利用计算机快速处理大量数据的特性，将众多业务数据以图形、表格的形式展示和分析，并利用统计的方法对数据进行分析，进行智能学习和挖掘以协助企业决策。 商业智能的优势在于它对海量数据的处理，以及它的正则化和逻辑化（这部分继承了数学的DNA）。 人们基本上不可能从这些杂乱无章的数据中处理和挖掘出有用的信息。