商業智能和大數據

㈠ 大數據給智能化商業帶來不同_大數據的商業模式

大數據給智能化商業帶來不同

錢伯斯是IBM公司分析解決方案事業部副總裁。她表示，許多客戶夠買了大數據和預測分析的服務，但卻希望其實現他們已經適應了的老的商業智能工具和資料庫工具。

「通常情況下，客戶做的往往就是依靠他們已經知道的東西。」錢伯斯在2012年Hadoop峰會上說。「他們希望利用他們現有的基礎設施、使用現有的數據和工具。他們不想有任何的不同和改變。所以我告訴我的客戶說，如果你不執行不同的操作的話，你不會得到任何不同的結果。」

新的方法，技術和工具需求

錢伯斯是完全正確的，如下從三個方面分析了原因：

1、基礎設施。處理和存儲大量、多結構化數據集的新方法不斷涌現，正是因為傳統的關系型技術不能夠在單位時間內完成工作或者不具備成本效益。例如，Hadoop允許你在合理的時間內運行開放源碼軟體以非常低廉的價格存儲和處理大數據規模。現在，嘗試利用甲骨文的服務。可以節省300萬美元的費用，以及6個月的時間。

2、數據。大數據是豐富現有的內部交易數據與其他不同來源的數據，這些來源是來自您的企業之外。這可能意味著這些數據是來自Twitter或Facebook這樣的社交媒體、或來自國家氣象局、教育部門的公共部門的數據、來自彭博、道瓊斯的市場數據。如果你沒有混搭數據，你可能不必要進行大數據分析。

3、工具。因為它們必須在新的，更大，更多樣化的數據量並行計算基礎設施之上，大多數最傳統的商業智能工具不會削減。你需要的是現代化的數據可視化和分析平台，使用戶能夠輕松地處理大數據可視化。為了公平起見，極少數現有的商擾培答務智能供應商，如Tableau和正在努力讓自己的產品更好地融入大數據。但是，總的來說，你在過去的十年左右已經使用的舊的報告工具無法為當前的大數據提供足夠的可操作的見解。

風險的博弈

但據我所知，這種改變是很難的，所以有時IT部門是為了規避風險。但是，我們正處在一個十字路口。大數據絕不是曇花一現或輕微更好方式的商業智能。這是一個全新的模式，需要思維的重大轉變。換句話說，「你已經在經歷一些額外的風險了。」按照錢伯斯所說的那樣，實現大數據的成功。

她說，這意味著「如果你想有更多的見解，你一定要注入您的應用程序，你的數據網新信息。」這意味著你必須投資新的基礎設施技術等，諸如Hadoop和其他平台上，形中納成一個新的大數據分析的基礎。你需要採用新的最終用戶工具，把所有的大數據轉換成易於理解的見解。

好消息是，你不必將您的整個現有的基礎設施和工具集推倒重來。事實上，我強烈反對那樣做緩慧。你現在所使用的商業智能和數據倉庫有可能是一個原因，因為他們已經在為您提供相應的業務價值。事實上，許多大數據技術確實能幫助你從現有的資料庫和工具獲得更多的價值。

當涉及到大的數據，從小事做起。確定一個特定的需要解決的業務問題，一個固定的業務才能帶來實實在在的利益。與大數據行業的同行們交流學習。

㈡ 大數據 商業智能兩者會有互相替代的可能嗎

有的，大數據著重於數據，可在在雲計算的基礎上將數據整合與存儲回；
而商業智能是在答大數據的基礎上進行數據建模，數據挖掘用於展現數據的工具，可將數據有規律展示出來。
個人感覺商業智能更側重行業領域的應用性，畢竟使用起來會結合企業的實際業務情況，要想用的好也需要業務人員具有相關的財務、銷售等專業的背景。
大數據可以說是是商業智能的一種工具，大數據的很多技術都會滲透到商業智能，而商業智能由於在行業內更具推廣性，可帶動市場前進，推動大數據技術的發展，只能說兩者相輔相成。相關具體的知識介紹，可以去論壇上看看，當然自己試試這方面的軟體會更好理解，有免費的，比如FineBI。

㈢ 大數據 商業智能兩者有什麼關系

你好，這個很多的。商業智能不能等同於不是大數據。它是一套版完整的解決方案，用權來將企業中現有的數據進行有效的整合，快速准確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。
大數據的側重點在於數據海量處理，主要是對非結構化的數據進行處理。大數據是傳統資料庫、數據倉庫、BI概念外延的擴展，手段的擴充，不存在取代的關系，也並不是互斥的關系。考慮實用性的話，傳統商業智能指基於傳統數據倉庫進行分析以輔助決，可以說BI工具會更適合一般企業，這是未來趨勢。在選擇方面，很多國內廠商比如FineBI會更貼近國內企業的情況，可以了解一下。

㈣ 鍟嗕笟鏅鴻兘涓庡ぇ鏁版嵁涓撲笟璺熼噾鋙嶄笓涓氬氨涓氬墠鏅閭ｄ釜鏇村ソ

鍟嗕笟鏅鴻兘涓庡ぇ鏁版嵁涓撲笟鐨勫氨涓氬墠鏅鏇村ソ銆
1銆佸晢涓氭櫤鑳戒笌澶ф暟鎹涓撲笟姣旈噾棰濅笓涓氱殑甯傚満鍟嗕笟鏅鴻兘鐨勯渶奼傚ぇ銆
2銆佸晢涓氭櫤鑳戒笌澶ф暟鎹涓撲笟姣旈噾棰濅笓涓氭嫢鏈夋洿騫挎硾鐨勮亴涓氬彂灞曠┖闂淬

㈤ 大數據

大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據的方法[2]）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。
說起大數據，就要說到商業智能：
商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

商業智能作為一個工具，是用來處理企業中現有數據，並將其轉換成知識、分析和結論，輔助業務或者決策者做出正確且明智的決定。是幫助企業更好地利用數據提高決策質量的技術，包含了從數據倉庫到分析型系統等。


商務智能的產生發展
商業智能的概念經由Howard Dresner(1989年)的通俗化而被人們廣泛了解。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。

商務智能是20世紀90年代末首先在國外企業界出現的一個術語，其代表為提高企業運營性能而採用的一系列方法、技術和軟體。它把先進的信息技術應用到整個企業，不僅為企業提供信息獲取能力，而且通過對信息的開發，將其轉變為企業的競爭優勢，也有人稱之為混沌世界中的智能。因此，越來越多的企業提出他們對BI的需求，把BI作為一種幫助企業達到經營目標的一種有效手段。

目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是作業層的，也可以是管理層和策略層的決策。

為了將數據轉化為知識，需要利用數據倉庫、線上分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是ETL、數據倉庫、OLAP、數據挖掘、數據展現等技術的綜合運用。

把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合並到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、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），最後將知識呈現給管理者，為管理者的決策過程提供支持。

企業導入BI的優點
1.隨機查詢動態報表

2.掌握指標管理

3.隨時線上分析處理

4.視覺化之企業儀表版

5.協助預測規劃

導入BI的目的
1.促進企業決策流程(Facilitate the Business Decision-Making Process)：BIS增進企業的資訊整合與資訊分析的能力，匯總公司內、外部的資料，整合成有效的決策資訊，讓企業經理人大幅增進決策效率與改善決策品質。

2.降低整體營運成本(Power the Bottom Line)：BIS改善企業的資訊取得能力，大幅降低IT人員撰寫程式、Poweruser製作報表的時間與人力成本，而彈性的模組設計介面，完全不需撰寫程式的特色也讓日後的維護成本大幅降低。

3.協同組織目標與行動(Achieve a Fully Coordinated Organization)：BIS加強企業的資訊傳播能力，消除資訊需求者與IT人員之間的認知差距，並可讓更多人獲得更有意義的資訊。全面改善企業之體質，使組織內的每個人目標一致、齊心協力。

商業智能領域的技術應用
商業智能的技術體系主要有數據倉庫（Data Warehouse，DW）、聯機分析處理（OLAP）以及數據挖掘（Data Mining，DM）三部分組成。

數據倉庫是商業智能的基礎,許多基本報表可以由此生成,但它更大的用處是作為進一步分析的數據源。所謂數據倉庫（DW）就是面向主題的、集成的、穩定的、不同時間的數據集合，用以支持經營管理中的決策制定過程。多維分析和數據挖掘是最常聽到的例子,數據倉庫能供給它們所需要的、整齊一致的數據。

在線分析處理（OLAP）技術則幫助分析人員、管理人員從多種角度把從原始數據中轉化出來、能夠真正為用戶所理解的、並真實反映數據維特性的信息，進行快速、一致、交互地訪問，從而獲得對數據的更深入了解的一類軟體技術。

數據挖掘（DM）是一種決策支持過程，它主要基於AI、機器學習、統計學等技術，高度自動化地分析企業原有的數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整市場策略，減少風險，做出正確的決策。

商業智能的應用范圍
1.采購管理

2.財務管理

3.人力資源管理

4.客戶服務

5.配銷管理

6.生產管理

7.銷售管理

8.行銷管理

商業智能實施步驟

商業智能系統處理流程[1]
商業智能（BI）作為一個概念，描述與業務緊密結合，並且根據需要進行相關特性展示和數據處理的過程。

為了讓數據「活」起來，往往需要利用數據倉庫、數據挖掘、報表設計與展示、聯機在線分析（OLAP）等技術。數據或者數據源包含的種類繁多，例如存儲在關系型資料庫中的，在外圍數據文件中的，在業務流中實時產生存儲在內存中的等等。而商業智能最終能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。

這些分析有財務管理、點擊流分析（Clickstream）、供應鏈管理、關鍵績效指標（Key Performance Indicators, KPI）、客戶分析等。商業智能關注的是，從各種渠道（軟體，系統，人，等等）發掘可執行的戰略信息。商業智能用的工具有抽取（Extraction）、轉換（Transformation）和載入（Load）軟體（搜集數據，建立標準的數據結構，然後把這些數據存在另外的資料庫中）、數據挖掘和在線分析（Online Analytical Processing，允許用戶容易地從多個角度選取和察看數據）等 。



商業智能系統的功能
商業智能系統應具有的主要功能：

數據倉庫：高效的數據存儲和訪問方式。提供結構化和非結構化的數據存儲，容量大，運行穩定，維護成本低，支持元數據管理，支持多種結構，例如中心式數據倉庫，分布式數據倉庫等。存儲介質能夠支持近線式和二級存儲器。能夠很好的支持現階段容災和備份方案。

數據ETL：數據ETL支持多平台、多數據存儲格式（多數據源，多格式數據文件，多維資料庫等）的數據組織，要求能自動化根據描述或者規則進行數據查找和理解。減少海量、復雜數據與全局決策數據之間的差距。幫助形成支撐決策要求的參考內容。

數據統計輸出（報表）：報表能快速的完成數據統計的設計和展示，其中包括了統計數據表樣式和統計圖展示，可以很好的輸出給其他應用程序或者Html形式表現和保存。對於自定義設計部分要提供簡單易用的設計方案，支持靈活的數據填報和針對非技術人員設計的解決方案。能自動化完成輸出內容的發布。

分析功能：可以通過業務規則形成分析內容，並且展示樣式豐富，具有一定的交互要求，例如預警或者趨勢分析等。要支持多維度的聯機在線分析（OLAP分析），實現維度變化、旋轉、數據切片和數據鑽取等。幫助決策做出正確的判斷。

典型的商業智能系統
典型的商業智能系統有：

客戶分析系統、菜籃分析系統、反洗錢系統、反詐騙系統、客戶聯絡分析系統、市場細分系統、信用計分系統、產品收益系統、庫存運作系統以及與商業風險相關的應用系統等。

[編輯]商業智能解決方案廠商
提供商業智能解決方案的著名IT廠商包括微軟、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等

㈥ 大數據 BI兩者什麼關系企業用BI嗎

大數據與BI是兩種不同的概念和工具，是社會發展到不同階段的產物，大數據對於BI，既有傳承，也有發展。

大數據是什麼：

大數據(Big Data)是指在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據更偏重於發現，以及猜測並印證的循環逼近過程。

BI是什麼：

BI(BusinessIntelligence)即商業智能，它是一套完整的解決方案，用來將企業中現有的數據進行有效的整合，快速准確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。

大數據和BI從思想角度上來看，都是遵循「數據→信息→知識→智慧」這個發展過程的，兩者的區別在於下面幾點：

01數據來源

大數據與BI的數據來源側重點是不同的，BI的數據來源一般為企業內部信息化系統中的數據，大數據的數據來源不僅包含企業內部的信息化系統的數據，還包括各種外部系統、機器設備、資料庫的數據。

大數據的數據來源更廣泛，而且數據多來自於雲端，可無限擴展。

02發展方向

BI在企業中的應用是一種管理和思維方式的轉變，對企業內部數據進行分析，支撐企業運營與決策，從傳統商業模式走向商業智能。

大數據除了解決企業業務問題，還包括與行業、產業的深度融合，不同行業所呈現的內容與分析維度各不相同，是用全新的數據技術手段來拓展和優化企業業務。

03技術標簽

BI的技術標簽：ETL、數據倉庫、OLAP、可視化報表。

大數據的技術標簽：Hadoop、MPP、MapRece、HDFS、流處理等。

隨著時代變革與技術迭代，相應的，BI在技術上也經歷了多次優化和變革，新型BI被賦予了更多「大數據」潛能，既滿足海量實時數據分析，也滿足決策型的業務分析。

以分析雲為例，就是最典型的大數據與BI相結合的產物，也解決了大數據和BI之間如何取捨的問題。

大數據≠BI，大數據也不是BI的簡單升級，大數據涉及了思想、工具和技術的深層次變革。無論企業當前如何選擇，未來終將迎來數字化轉型，走到數據驅動時代。

㈦ 大數據和BI商業智能有何區別有何相關

大數據 ≠BI商業智能，大數據也不是傳統商業智能的簡單升級。
1、大數據和BI兩者的區別
BI(BusinessIntelligence)即商業智能，它是企業數據化管理的一整套的方案，用來將企業中現有的數據進行有效的整合，快速准確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策，解決的是管理運營戰略的問題。
大數據(Big

Data)是指在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據側重於解決某一類問題的方法，比如全網用戶畫像，對網路、感測器等非結構化海量數據的分析。
不管定義如何不同，大數據與傳統BI是社會發展到不同階段的產物，大數據對於傳統BI，既有繼承，也有發展，從"道"的角度講，BI與大數據區別在於前者更傾向於決策，對事實描述更多是基於群體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題，大數據則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。
當然純粹從思想的角度講，兩者在概念上是可以實現統一的，都遵循數據-信息-知識-智慧這個脈絡，甚至在更高的層次，兩者也是可以統一的。
大數據不是空口說說，它的第一要務就是解決業務問題，大數據一定程度上就是用全新的數據技術手段來拓展和優化業務，傳統企業需要聚集一撥人來研究這個問題，需要有人專門研究和探索。如果對外，想清楚新的商業模式，如果對內，想清楚在哪個場景，可以用大數據的手段提升效率。
當前大數據可以產生價值的地方，從行業的角度看，金融、銀行、互聯網、醫療、科研都有廣闊的前景。從領域的角度看，廣告、營銷、風控、供應鏈都是大數據發揮價值的地方，對於特定企業，比如電信運營商，大數據也可以在網路優化等方面提供新方法。
並不是每個企業都需要打造自己的大數據平台，需要考慮到企業的信息化水平和各項成本，量力而行吧，可以自行研發 ，比如BAT;也可以選型采購，比如傳統大企業；中小型企業也可以租用，比如用阿里雲和AWS。
就事實來講，BI的應用是遠遠大於大數據應用的，有其通用的道理。大數據相對於傳統BI，也不僅僅是簡單的PLUS的關系，它涉及了思想、工具和人員深層次的變革，BI人員既不要一提大數據，就嗤之以鼻，認為它是新包裝的馬甲，其實就那麼回事;也不需妄自菲薄，以為搞大數據就那麼高大上，它的確是BI大多數思想的傳承。