黑道特种兵全文免费阅读商业智能(Business Intelligence, BI) —— 是一种解决方案,它以辅助决策为目的,通过相关的数据技术方法来处理企业各类数据,产出可量化的、可持续的数据价值,这些价值表现在帮助企业实现业务监测、业务洞察、业务优化、决策优化甚至数据盈利商业智能(BI)是利用数据仓库、数据可视化与分析技术,将指定的数据转化为信息和知识的解决方案,其价值体现在满足企业不同人群对数据查询、分析和探索的需求,实现对业务的监测和洞察,从而支撑管理决策、 提升管理水平、提高业务运营效率、改进优化业务。企业部署应用到实际生产环境中的 BI,通常被称为数据决策系统、报表分析系统、数据分析项目等,在此统称为 BI 系统。BI 系统一般符合三层技术架构,即数据底层、数据分析层、数据展示层
商业智能(BI)工具即狭义的商业智能,是指以数据可视化和分析技术为主,具备 一定的数据连接和处理能力的软件工具,使用者能通过可视化的界面快速制作多种类型的数据报表、图形图表, 满足企业不同人群在一定的安全要求和权限设置下,实现在 PC 端、移动端、会议大屏等终端上对数据的查询、 分析和探索
按照从数据到知识的处理过程,一般 BI 系统的功能架构如下图所示,分为数据底层、数据分析和数据展示三个功能层级。其中数据底层负责管理数据,包括数据采集、数据 ETL、数据仓库构建等;数据分析主要是利用查询、OLAP、数据挖掘,以及数据可视化等分析方法抽取数据仓库中的数据并进行分析,形成数据结论;;最终通过数据展示呈现报表和可视化图表等数据见解
对照 BI 的功能架构,BI 的主要技术也可以分为展示类、分析类和支撑类三个层级
ETL 是 Extract-Transform-Load 的缩写,用来描述将数据从来源端经过抽取(Extract)、交互转换 (Transform)、加载(Load)至目的端的过程。它是构建数据仓库的关键环节,数据仓库主要是为决策分析提供数据,所涉及的操作主要是数据的查询,所以 ETL 过程在很大程度上受企业对源数据的理解程度的影响, 也就是说从业务的角度看数据集成非常重要
数据仓库 是一个面向主题的(Subject Oriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,用于支持管理决策(Decision Making Support)
数据有限而价值无限,每个企业都想从数据金矿中采炼更多,但知易行难,遇到不少问题。在 BI 系统中引入生态学思维,提出 BI 生态系统。企业在建设和运营 BI 系统的时候,应当 站在整个生态系统的层面上,综合各项要素,构建 BI 生态系统
BI 系统的本质是数据分析与可视化,是为了更好地呈现数据来辅助决策与运营。结合生态学思维,BI 系统的未来,便是 BI 生态系统(Business Intelligence Ecosystem),即商业智能生态系统。BI 生态系统,首先它是个 BI 系统,其次它是生态的。BI 系统、以及存在其之上的的制度文化、协调沟通、流程配合、技术能力等影响数据价值产出的关键因素,共同构成了一个不可分割的、有序关联结合的、充满活力生机的整体。 通过构建这种紧密结合的有机整体,方能有效率的、可持续地产出数据价值
从 BI 系统,到 BI 生态系统,是升维的过程,是“天人合一” 与“知行合一”的实践。 基于“杨三角”模型,我们可以用下图来表示BI 生态系统其核心能力为持续输出数据价值,关键的支撑模 块为 BI 系统(基础环境)、运营规则和参与者(数据生产者、数据加工者、数据消费者)
BI 生态系统是站在更高的层面上,让数据产出持续价值的系统化方案,也是非技术角度下的 BI 未来重要发展方向
BI 已经成为企业精细化运营不可或缺的一部分,其价值无需多言。企业应当不断强化数据基础,稳步按照企业的切实需求进行 BI 系统的建设和数字化转型。围绕 BI 生态系统的概念,运营规则完善的和员工能力的提升、配合将是广大企业在下一阶段的行动关键
|