大数据与商务智能的区别

❶ 大数据 商业智能两者有什么关系

你好，这个很多的。商业智能不能等同于不是大数据。它是一套版完整的解决方案，用权来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
大数据的侧重点在于数据海量处理，主要是对非结构化的数据进行处理。大数据是传统数据库、数据仓库、BI概念外延的扩展，手段的扩充，不存在取代的关系，也并不是互斥的关系。考虑实用性的话，传统商业智能指基于传统数据仓库进行分析以辅助决，可以说BI工具会更适合一般企业，这是未来趋势。在选择方面，很多国内厂商比如FineBI会更贴近国内企业的情况，可以了解一下。

❷ 商业智能与大数据之间的差异可以从哪几个方面体现

商业智能的概念于1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
商业智能又名商务智能，英文为Business Intelligence，简写为BI。
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。
因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

❸ 商业智能bi，大数据，传统报表，数据分析有何区别

作者：胡海
链接：https://www.hu.com/question/56839362/answer/151311039
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

BI(BusinessIntelligence)即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
标签：ETL、数据仓库、OLAP、可视化报表
BI工具：Tableau、Qlikview、帆软大数据BI ——FineBI
技术发展方向：自助式BI（工具简单易用）、移动BI、云BI（SAAS级）；数据挖掘技术、R语言等分析语言的结合，拓展专业数据分析的功能
大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
标签：Hadoop、MPP、HDFS、MapRece、流处理等。
大数据工具：Hadoop、HPCC、Cloudera 、Storm、Apache Drill等等
技术发展方向：内存技术、机器科学、预测分析、关系挖掘
传统报表就是用于展示固定格式的报表，可以是业务报表也可以是分析报表。形式上可以用表格、图表等格式来动态显示数据。
标签：表格、填报、Dashboard、行式报表、分组报表、交叉报表等。
报表工具：帆软报表FineReport、Excel高级功能、水晶报表
技术发展方向：近年来报表有向BI方向发展的趋势
数据分析是运用各种统计方法将数据进行剖析，最大化地发现数据价值，以发挥数据的作用。说白了就是基于数据事实找出规律的方法。

❹ 大数据和商业智能的关系是什么

商业智能BI（Businesslntelligence），是基于企业服务的一整套数据利用方案，在实际运作中主要负责打通企业各部门业务系统（ERP、OA）数据，并将这些不同来源的数据经过ETL处理后整合汇总到数据仓库中。

后续企业可以通过BI包含的数据可视化分析功能，将这些业务数据转化为可用的信息，方便企业不同人员进行数据查询、分析、挖掘等，为管理和业务人员提供数据和信息上的依据，辅助进行决策。

通常来说，大数据指的是从收集数据到利用的全过程，在实际工作中可以帮助企业采集到不同来源、不同格式的海量数据，然后通过预处理、存储和分析的方式进行利用。

企业对大数据的利用主要是对海量数据进行分析挖掘，根据得到的信息，实现对用户的精准营销、针对性广告推广等，辅助企业业务和管理人员更好地完成日常工作。

商业智能是一套为企业或组织机构设计的完整的数据类技术解决方案，能够帮企业解决数据孤岛，提供数据仓库、数据分析、可视化分析、多终端展现等功能。而大数据更偏向于对数据进行处理，通常都是采集海量数据，然后将这些数据进行存储分析，借助统计分析方法展现数据报告。两者间有差异也有相通之处。

这个术语指在公司内部使用数据，帮助经理做出决策。

BI工具(报告、仪表板)告诉我们发生了什么，因此基于这些工具的决策将是被动的。

一个随机仪表板

这个解释起来就简单了：大数据就是大量的数据。

要定义大数据，通常会用3V来解释，这是产生大数据的3个主要原因：

· 容量：收集的数据量每分钟都在巨幅增长，我们需要使用分布式解决方案(使用多台机器，而不是非常非常昂贵的超级计算机/主机)来调整我们的存储和处理工具以适应该容量。

· 速度：处理数据的紧急程度与产生/获取数据的频率相关，还与决策中迫切使用数据的需求有关；即使是实时(或者几乎实时)。

· 种类：数据不再（仅）是结构化的，所以我们得忘记适用于传统数据库的东西。我们必须为添加各种格式的新数据源做准备；纯文本和多媒体内容都包括在内。

之后更多V被添加进来：真实性 （数据必须真实、可靠、可用）、价值（数据应有商业或 社会 价值）、易损性（数据必须合法、尊重隐私，并以安全的方式存储和访问）。

大数据可能是解决这些问题的方案。不要把它和本文解释的第一个概念混淆了：大数据就是实现或促进应用数据科学领域先进技术的事物，是数据的本质要求。例如，作为数据科学家，我们试图从数据集中得到答案。数据集不仅超过了RAM的大小，还超过了硬盘的大小。大数据为我们提供了跨多台机器承载数据的分布式存储技术，以及并行处理数据的分布式处理技术。

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

简单来说，大数据可以更好的为商业智能服务，商业智能（BI）包括企业用于商业信息数据分析的策略和技术。商业智能技术提供业务运营的 历史 ，当前和预测性视图。商业智能技术的常见功能包括报告，在线分析处理，分析，数据挖掘，流程挖掘，复杂事件处理，业务绩效管理，基准测试，文本挖掘，预测分析和规范分析。 商业智能技术可以处理大量的结构化数据，有时还可以处理非结构化数据，以帮助识别，开发和创造新的战略商业机会。他们的目标是让这些大数据的解释变得容易。发现新机遇并基于洞察力实施有效战略可以为企业提供有竞争力的市场优势和长期稳定性。

商业智能可以被企业用来支持范围广泛的业务决策，从业务到战略。基本的运营决策包括产品定位或定价。战略业务决策涉及最广泛的优先级，目标和方向。在所有情况下，商业智能在将来自公司运营市场的数据（外部数据）与企业内部的公司数据（例如财务和运营数据（内部数据））数据相结合时最为有效。如果将外部和内部数据结合起来，可以提供完整的图像，实际上可以创建无法从任何单数据集中导出的“智能”。在众多用途中，商业智能工具使组织能够深入了解新市场，评估不同细分市场对产品和服务的需求和适宜性，并评估营销工作的影响。

大数据和商业智能BI的关系从应用上来讲，BI（BusinessIntelligence）即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。

商业智能BI处理的数据量是极大的，如 FineBI商业智能，自带ETL，可在短时间内响应数据处理的请求，并输出分析结果。

BI对稳定性以及易用性有一定要求，这是其他数据分析工具所不能比拟的。

大数据的应用的数据来源包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据。

大数据为商业智能提供了先决条件。

商业智能 指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

过去20年，中国企业经过一轮又一轮的信息化建设，已经积累的足够的数据基础，每个企业都拥有海量的数据。到了数字化时代，如何将这些数据价值扩大化，通过智能数据分析辅助企业做高效决策变得越来越关键，也为商业智能能够更加智能提供了基础。

当然，智能数据分析处理除了

到了2016年，一个巨大的时间点到来。几股浪潮已经融合在了一起，算法、算力和数据......我们看到了巨大的拐点，过去的数据分析和商业智能仍然有价值，但是它没有解决的问题——对于海量数据的 探索 ，对于未来的预测，对于异常诊断，对于行动的建议，因为这些技术浪潮的到来，成为了可能。

❺ 大数据给智能化商业带来不同_大数据的商业模式

大数据给智能化商业带来不同

钱伯斯是IBM公司分析解决方案事业部副总裁。她表示，许多客户够买了大数据和预测分析的服务，但却希望其实现他们已经适应了的老的商业智能工具和数据库工具。

“通常情况下，客户做的往往就是依靠他们已经知道的东西。”钱伯斯在2012年Hadoop峰会上说。“他们希望利用他们现有的基础设施、使用现有的数据和工具。他们不想有任何的不同和改变。所以我告诉我的客户说，如果你不执行不同的操作的话，你不会得到任何不同的结果。”

新的方法，技术和工具需求

钱伯斯是完全正确的，如下从三个方面分析了原因：

1、基础设施。处理和存储大量、多结构化数据集的新方法不断涌现，正是因为传统的关系型技术不能够在单位时间内完成工作或者不具备成本效益。例如，Hadoop允许你在合理的时间内运行开放源码软件以非常低廉的价格存储和处理大数据规模。现在，尝试利用甲骨文的服务。可以节省300万美元的费用，以及6个月的时间。

2、数据。大数据是丰富现有的内部交易数据与其他不同来源的数据，这些来源是来自您的企业之外。这可能意味着这些数据是来自Twitter或Facebook这样的社交媒体、或来自国家气象局、教育部门的公共部门的数据、来自彭博、道琼斯的市场数据。如果你没有混搭数据，你可能不必要进行大数据分析。

3、工具。因为它们必须在新的，更大，更多样化的数据量并行计算基础设施之上，大多数最传统的商业智能工具不会削减。你需要的是现代化的数据可视化和分析平台，使用户能够轻松地处理大数据可视化。为了公平起见，极少数现有的商扰培答务智能供应商，如Tableau和正在努力让自己的产品更好地融入大数据。但是，总的来说，你在过去的十年左右已经使用的旧的报告工具无法为当前的大数据提供足够的可操作的见解。

风险的博弈

但据我所知，这种改变是很难的，所以有时IT部门是为了规避风险。但是，我们正处在一个十字路口。大数据绝不是昙花一现或轻微更好方式的商业智能。这是一个全新的模式，需要思维的重大转变。换句话说，“你已经在经历一些额外的风险了。”按照钱伯斯所说的那样，实现大数据的成功。

她说，这意味着“如果你想有更多的见解，你一定要注入您的应用程序，你的数据网新信息。”这意味着你必须投资新的基础设施技术等，诸如Hadoop和其他平台上，形中纳成一个新的大数据分析的基础。你需要采用新的最终用户工具，把所有的大数据转换成易于理解的见解。

好消息是，你不必将您的整个现有的基础设施和工具集推倒重来。事实上，我强烈反对那样做缓慧。你现在所使用的商业智能和数据仓库有可能是一个原因，因为他们已经在为您提供相应的业务价值。事实上，许多大数据技术确实能帮助你从现有的数据库和工具获得更多的价值。

当涉及到大的数据，从小事做起。确定一个特定的需要解决的业务问题，一个固定的业务才能带来实实在在的利益。与大数据行业的同行们交流学习。