隨著新一代信息化、數字化技術和應用的飛速發展，各行各業都開始掀起了新一輪的科技革命和產業革命，這也反過來加快了信息化、數字化在社會各方面的傳播速度，擴大了影響力。這種情況下，作為第五大生產要素的數據得到了非常好的發展機會，成為了個人、機構、企業乃至國家的重要資產。

根據IDC預測，2025年時中國產生的數據量預計將達48.6ZB，在全球中的比例為27.8%。在未來，數據會是構建現代社會的基本要素，也是社會的基本建設。這也不禁讓我想起了最近新公布的《關于構建數據基礎制度更好發揮數據要素作用的意見》，國家把數據地位再一次提高，并宣布構建數據基礎制度體系。在可見的未來，數據將保持高速發展的姿態。

一、什么是商業智能BI？

商業智能BI - 派可數據商業智能BI可視化分析平臺

前邊提到了數據在當下的價值不斷提高，但數據本身只是一種資產，一旦超過一定數據量就很難被人類理解，所以想要利用數據，就必須通過某種手段將數據轉化為信息和知識，而商業智能BI則是當下發揮數據價值的重要選擇。

商業智能BI是一套完整的由數據倉庫、查詢報表、數據分析、數據可視化等組成的數據類技術解決方案，它可以打破數據孤島，利用數據倉庫整合不同來源的數據，并通過ETL和數據模型進行規范處理，然后以圖形化手段，進行數據可視化分析，將數據轉化為信息和知識，為業務和管理人員提供決策信息支撐。

很多人可能不知道，其實商業智能BI有著很長的歷史，商業智能BI的概念和產品形態一直在更新迭代，直到2013年，在信息化和數字化的影響下，商業智能BI形成了一套現代化的概念，圍繞企業發展進行擴展，重新確定了商業智能BI的定義：“商業智能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加以改進、優化決策表現的最佳實踐”

經過數十年商業智能BI的發展，我們對當前環境下主流的商業智能BI產品有了一個明確的定義，一種有三條，分別是：

第一，商業智能BI是一套完整的由數據倉庫、查詢報表、數據分析等組成的數據類技術解決方案。

第二，商業智能BI可以將企業不同業務信息系統（ERP、CRM、OA）中的數據打通并進行有效的整合。

第三，商業智能BI可以借助合適的查詢和分析工具快速準確的提供可視化分析或報表，為企業提供決策支持。

商業智能BI - 派可數據商業智能BI可視化分析平臺

商業智能BI是一整套完整的系統化的數據類技術解決方案，其中有很多不同的功能模塊，能夠在企業中落地應用產生各種效果，不過總體來說商業智能BI可以根據企業數據生命周期的不同階段劃分為三個層次：

第一層，可視化分析展現層 - 可視化分析展現層也就是商業智能BI的需求層，一方面代表了用戶的需求，用戶想看什么、要看什么、另一方面也代表了用戶要分析什么，這些就在這一層進行展現。

第二層，數據模型層 - 數據模型層也就是常說的商業智能BI數據倉庫，主要負責企業數據的分析模型，完成從業務計算規則向數據計算規則的轉變。

第三層，數據源層 - 數據源層也就是商業智能BI的數據層，不同部門、業務線的業務信息系統，其底層數據庫的數據通過ETL抽取到商業智能BI的數據倉庫中，建模分析等等，最終支撐到前端的可視化分析展現。

二、商業智能BI在企業IT信息化中的位置

商業智能BI在企業中主要承擔承上啟下的責任，圍繞數據形成了一整套數據戰略體系，同時也是企業信息化建設中重要的一部分，可以說是企業進行信息化建設或者數字化轉型前必須進行布署規劃的一環。

一般來說，企業的信息化建設具有通用性，所以可以把大部分的企業的 IT 信息化分為兩個階段：一個是業務信息化，一個是數據信息化。這樣對比講，一般的用戶更容易理解一些。

企業信息化 - 派可數據商業智能BI可視化分析平臺

業務信息化 - 企業使用的ERP、CRM、OA、自建的業務系統等，業務系統的建設都統稱為業務信息化。業務信息化的主要作用是管理企業的業務流程，通過規范化、標準化、線上化，來提高業務運轉效率、降低企業人力、時間、精力等成本，為商業智能BI的建設打下數據基礎，是業務管理思路的體現，也是現代的企業管理方式。

數據信息化 - 像我們經常所聽到的大數據、商業智能BI、數據分析、數據挖掘等我們都統稱為數據信息化。數據信息化可以幫助企業全面的了解企業的經營管理，從經驗驅動到數據驅動，降低情緒、心理等主觀影響，形成以數據為基礎的業務決策支撐，提高決策的準確性，這是企業更高層次的企業管理方式。

企業信息化 - 派可數據商業智能BI可視化分析平臺

企業的信息化建設是一個完整的過程，沒有業務系統的建設，就不會有數據的沉淀，而沒有數據的沉淀，企業也就沒有部署商業智能BI的基礎。這就是業務信息化和數據信息化的雙向作用，能夠讓業務系統推動商業智能BI的部署，也能讓商業智能BI提高業務系統的效果。

業務信息化的主要使用形式 - 表單式的、以業務用戶錄入為主、數據的增刪改操作居多，是對業務過程數據、業務流程進行管理的軟件系統，可以對業務流程進行規范化、標準化處理。

數據信息化的主要使用形式 - 例如商業智能BI主要是對業務結果數據進行整體信息呈現和局部深度分析，旨在打通ERP、OA、CRM等業務系統的數據，跨業務、跨系統整合數據。

三、誰是商業智能BI的主要用戶？

商業智能BI - 派可數據商業智能BI可視化分析平臺

業務信息化的主要使用對象 - 業務信息化的主要使用對象是一線業務人員，所以在使用過程中業務人員更多是從業務視角出發，針對業務進行錄入數據、記錄流程、查看業務信息等。

數據信息化的主要使用對象 - 數據信息化的主要使用對象是管理決策人員，在企業的經營管理等日常流程中管理決策人員更多是從管理視角通過商業智能BI可視化分析去定位問題、分析問題，最終形成業務決策。

兩個細節要點：

第一，沒有任何一個管理決策層、領導會沒事打開財務系統看財務數據，打開 OA 系統看看合同信息，高層領導不會看這些明細數據細節，也不會進到各個系統里面去看。也就是說，業務信息化不是給這一層領導來使用的。

第二，管理決策層是不是一定是指的企業最高層的領導，不見得，可以是企業各個組織層次中帶有管理決策屬性的人員，這些管理決策人員都可以通過商業智能BI提供決策支持。

四、數據孤島到底說明了什么？

數據孤島一般指的是只有一部分人能夠訪問的數據集，這本來也沒什么，比如銷售人員也不會說去看財務部門的數據。但問題是企業的中高層管理人員在進行決策的時候，往往需要跨部門、跨業務線進行分析，只有統計分析不同部門的數據決策才有足夠的可信度。而數據孤島直接導致中高層管理人員難以獲取不同部門的數據，這樣一來不僅會導致決策出現問題，甚至有可能讓企業無法處理異常數據，解決不了發現的問題，讓企業發展陷入困境。

所以，我們在講商業智能BI，講數據孤島的時候要明白，對數據孤島問題感觸最多的是企業管理人員，所以給業務部門講數據孤島可能達不到預想中的效果，只有對跨業務、跨部門、跨組織的這些中層管理、高層管理講，他們才能意識到業務數據不能互通，不用全面統一進行分析，有多大的問題，也就是數據孤島對企業發展的危害。

商業智能BI - 派可數據商業智能BI可視化分析平臺

商業智能BI作為數據類技術解決方案，在面對數據孤島問題時，能夠建立數據信息化，利用數據倉庫和數據可視化解決企業面臨的“數據孤島”“信息孤島”問題，所以商業智能BI需要企業高層管理人員進行規劃，并主要為企業各層級管理人員提供決策信息，輔助進行決策。

管理駕駛艙 - 派可數據商業智能BI可視化分析平臺

所以在介紹商業智能BI的時候，必須要搞清楚不同人員的需求。站在企業不同員工角度，有的人認為是有數據孤島存在的，一定要解決。有的人是不認為有數據孤島存在的，即使存在對他們也沒有影響，所以不用解決，其根本原因是沒有把握商業智能BI真正的服務對象。

五、商業智能BI從業務系統取數據取數的方式

商業智能BI是通過訪問和連接業務系統數據源數據庫的方式來進行取數的，不管是什么樣類型的數據庫，商業智能BI通過ETL連接數據庫抽取業務系統原表數據到數據倉庫中加工處理，最后支撐到前端的可視化分析報表展現。

商業智能BI - 派可數據商業智能BI可視化分析平臺

之前有朋友這么提問的：數據源層是需要開發接口嗎？

其實一般來說是不需要的，基本上這么提問的都是經歷過軟件系統的接口對接，軟件系統的接口對接是因為有的業務軟件是 JAVA 開發的，有的是 .NET 開發的，有的是 B/S 架構，有的是 C/S 架構。

軟件系統之間的接口是需要開發參與的，主要是串聯不同軟件的業務流程，這種接口是需要動代碼的。但商業智能BI在獲取數據的接口不一樣，是與業務系統軟件自身無關的，是只需要訪問和連接業務系統背后的數據庫就可以的，直接從數據庫取數，因此是不需要軟件接口，或者沒有軟件接口訪問這種概念的。

除非一種情況，這個業務系統是公有云，純SAAS模式，這種情況下就只能通過軟件對外開放的API接口取數了。

某醫藥行業銷售人員績效分析 - 派可數據商業智能BI可視化分析平臺

某白酒行業渠道終端管理分析 - 派可數據商業智能BI可視化分析平臺

六、數據中臺、商業智能BI、大數據之間的關系應該如何理解？

系統的商業智能BI在遇到大數據量、非結構化數據處理的場景，底層的數據倉庫就升級為大數據的數據倉庫架構，這就是大數據下的商業智能BI分析；在大數據的數據倉庫架構基礎之上，往左邊更加拓展了數據的采集能力，在中間除了原有大數據架構的數據倉庫建模之外，更加加入了數據資產的概念、數據資產盤點、數據資產管理，靠右擴展了數據服務的能力，將數據中臺中按照一定規則處理好的數據打包對外提供服務。因此，大數據架構下的數據采集、數據倉庫建模、數據資產管理和數據服務就構成了數據中臺的幾大核心。

數據可視化 - 派可數據商業智能BI可視化分析平臺

數據中臺的底子是大數據架構，數據倉庫是傳統商業智能BI數據倉庫的大數據升級，而商業智能BI就變成了數據中臺之上的應用層，利用中臺的數據服務獲取數據做分析展現。

這就是商業智能BI、大數據、數據中臺這三者的關系和在不同數據場景、服務場景下的演變過程，看明白了這個過程，應該就不會再輕易的混淆他們的概念。至于商業智能BI、大數據、數據中臺應該選擇哪個，其實說到底如何選擇合適的技術路線、技術架構，最終還是取決于企業自身到底要解決什么，不能盲目選擇。盲目選擇的結果就是大投入，小產出沒有達到預期的期望。我們還是應該聚焦到需求本身，需求為王。

七、關于商業智能 BI 認知上的幾大誤區

很多企業把商業智能BI當做純粹的報表工具使用，輸出的形式變成了可視化圖表，可圖表展示的內容還是以前的部門業務信息，只展現了一線業務部門的基本情況，管理人員還是需要花費大量時間精力去了解企業整體的發展情況。

商業智能BI - 派可數據商業智能BI可視化分析平臺

我這里總結了一下，大家對商業智能 BI 的理解常會碰到的一些誤區：

1.商業智能 BI 就是報表可視化，就是一堆可視化圖表，商業智能BI 就是前端可視化。

2.商業智能BI就是一個拖拉拽的分析工具產品。

3.商業智能BI就是商業智能BI，跟數據倉庫沒有關系。

4.有了商業智能BI就不需要數據倉庫建模，業務人員就可以自己做商業智能BI分析，就可以拖拉拽做商業智能BI分析。

5.商業智能BI 就是業務驅動的，不需要 IT 人員支撐，敏捷商業智能BI不需要 IT 介入。

6.商業智能BI直連不香嗎？直接連接數據源不就可以做分析，不需要數據倉庫。

首先簡要糾正一下對于這些問題的理解。

1、商業智能 BI 就是報表可視化，就是一堆可視化圖表，BI 就是前端可視化。

商業智能BI是一套完整的有數據倉庫、數據分析、數據報表等組成的數據技術類的解決方案，在一個 BI 項目中，20% 的時間做前端分析報表，80% 的時間都在底層數據倉庫的設計、ETL 的開發、取數開發等工作。

所以可視化報表只是商業智能 BI 的最終呈現，但不是 商業智能BI 的全部。

2、商業智能 BI 就是一個拖拉拽的分析工具產品。

拖拉拽的可視化分析工具準確來講只能解決 商業智能BI 的一部分，即可視化分析。但其實 商業智能BI 所包括的技術范圍還是比較廣的，涉及到從底層數據取數到前端展現分析的各個方面。

單純拖拉拽的商業智能BI可視化分析工具嚴格來講只能定位于個人和部門級，和企業級的商業智能BI 有很大的不同，所以單純的上一個商業智能BI分析工具發揮不了商業智能BI的真正作用，也替代不了商業智能BI的位置。

3、以前也總有人說商業智能BI就是業務驅動，商業智能BI就是 BI，跟數據倉庫沒有關系。

這個問題很有深度，在以前我也這么認為過，總覺得有了商業智能BI就不需要數據倉庫建模，業務人員就可以自己做 商業智能BI分析，就可以拖拉拽做 商業智能BI分析，不需要IT人員支撐，敏捷商業智能BI不需要 IT 介入，不需要建數據倉庫。

管理駕駛艙大屏 - 派可數據商業智能BI可視化分析平臺

但凡有任何商業智能BI的銷售或者售前告訴用戶，你們企業的商業智能BI項目不需要構建數據倉庫，直接通過商業智能BI分析工具拖拉拽就可以搞定企業里面所有的分析，不需要IT人員支撐，業務人員完全可以自己搞定... 類似于敢這樣承諾的，要么是對商業智能BI不懂，要么就是真忽悠。

在企業級的商業智能BI項目建設中，真正能做到完全靠業務人員簡單拖拉拽一些就能隨便實現數據可視化分析，至少在我個人從業的十幾年工作經驗中，95%以上的企業都做不到。我服務過的重點企業包括：SHP（ Security Health Plan )、微軟（中國）、微軟（美國）、VWFC（ 大眾金融 ）等。

VWFC 做的算是非常不錯的，少有的業務人員自己動手做很多報表，線上跑了幾千張報表。為什么？ 因為底層數據倉庫就搭建了很多年，底層數據架構相對比較規范。Business Driven 業務驅動，它的前提是什么？

1） 底層數據質量很規范，數據倉庫架構很完整，不讓業務人員碰底層數據，ETL、取數、指標計算等等統統都是 IT 部門來維護。

2） 業務人員通過培訓要熟練掌握商業智能BI前端報表工具的使用，要很懂放出來的數據分析模型接口。

3） 業務人員要非常熟悉業務和數據。

第 2）和第 3）條很多企業沒有問題，第 1）條直接弄個前端 商業智能BI 工具讓業務人員解決，能解決掉嗎？ 很顯然業務人員是不具備這種能力的。

這就是一到培訓的時候，商業智能BI工具使用起來很簡單，但是一旦到實際的企業 商業智能BI 項目開發就發現寸步難行。因為培訓的時候，給出的數據表都是經過選擇的，永遠都是質量很高的、規范的只需要簡單左表連右表例如銷售訂單表、訂單明細表，自然很容易把可視化報表給實現出來。

數據可視化 - 派可數據商業智能BI可視化分析平臺

但是在實際企業 商業智能BI 項目分析中，分析指標的計算規則絕非簡單幾張表關聯就可以解決的，不信的話可以挑戰一下一個實際的指標計算邏輯：挑戰一個 ETL 數據清洗的小案例 在數據庫中就一張數據表，數據理解起來也很簡單，但很多 商業智能BI 開發人員做起來也需要廢很大的精力，就更別談業務人員自助 商業智能BI 分析了。

講這么多不是為了一味否定自助式商業智能BI它的作用和能力，自助式商業智能BI有它的使用場景，也確實幫助我們簡化了很多的BI工作，但從專業角度出發，特別反感是部分商業智能BI 廠商以一種不負責任的方式反復向市場強化類似于這樣的概念：商業智能BI 就是可視化報表、商業智能BI 不需要數據倉庫建模、傳統數據倉庫建模很落后、商業智能BI 就是自助分析、商業智能BI 自助分析很簡單、業務用戶簡單幾天培訓就可以學會并且想怎么分析就怎么分析...

從市場宣傳和銷售的角度來說，簡化產品的復雜度和上手難度的宣傳是沒有問題的，有問題的是以一種錯誤的講解、不專業的講解最終誤導企業接受了這些不正確的概念，并以這些不正確的概念來評估與規劃 商業智能BI 項目的建設，沒有充分預計到 商業智能BI 項目建設過程中可能會遇到的挑戰與風險，最后導致項目的不成功與失敗、反復建設。

我們在北京就有一個客戶之前花了一百多萬上了一套所謂的 商業智能BI 項目，項目上線了一年左右，到最后完全推不動，失敗了。后續找到派可數據，我們給他們上了派可數據商業智能BI分析平臺，這個項目我們連續做了好幾期，客戶還寫了感謝信。之前為什么推不動、項目會失敗：不重視數據倉庫的規劃。因為他們的業務是連續的、變動的，每年的需求都是需要動態調整的，數據持續增加，分析的深度和廣度都是在不斷變化，沒有一個好的底層數據架構來支撐，光靠 SQL 取數、建數據集出報表的形式是不可能支撐一家企業未來 3-5 年甚至更長遠的業務分析需求變化的。

除了這個案例之外，在我的手機上有很多之前上過 商業智能BI 最終失敗、沒有做好，找過來聊天吐槽的記錄，是真的產品不好嗎？我也客觀的幫助他們分析過：這些產品本身有的是 Gartner 魔力現象 Leader 象限的產品，你說產品行不行？ 有的產品是國內商業智能 BI 領域很多年的老品牌，你說產品行不行？ 客觀來講，這些產品從我個人角度來說，這些產品其實都很優秀，產品本身是沒有太大問題的。

問題在于，這么多從零到一需要上 商業智能BI 的企業不知道一個 商業智能BI 項目中原來還有那么多坑，很多 商業智能BI 廠商會不會去把這些點給企業客戶講清楚，一個 商業智能BI 項目到底怎么干、中間有什么樣的風險、以后還會遇到什么樣的問題、應該怎么解決這些問題、有什么樣的方法論和手段... 如果只是為了賣一套 商業智能BI 產品或者工具，你覺得這些 商業智能BI 銷售會跟客戶講這些東西嗎？ 不會的，至少不會講的太深太全，因為這么一講把 商業智能BI 難度講太復雜了，一旦沒有講好，反而降低了客戶的信任。

有的時候不講，是因為怕講復雜了，讓企業客戶決策周期拉的太長了。有的時候不講，是因為不懂。你不講，客戶不知道，客戶也沒有經驗，后續商業智能BI項目建設就會出問題。

在一次大會上，某商業智能BI廠商一位高級售前技術專家在跟客戶交流時說過的一句話：商業智能BI直連不香嗎？直接連接數據源不就可以做分析，不需要數據倉庫。無知者無畏，實在聽不下去，就打斷直接溝通了一下。通過溝通，可以判斷這個所謂的技術專家基本上沒有做過完整的 商業智能BI 項目經驗，從零到一搭建一個 商業智能BI 項目的能力等于零。以這樣的一種能力跟客戶來引導一個 商業智能BI 項目，這種 商業智能BI 項目的質量能有保證嗎，很難的。

這也就是我們派可數據、我個人做視頻號《呂品聊數據》的原因，客觀的講講 商業智能BI、客觀的講講數據，普及一下我們認為正確的 商業智能BI 知識和概念。告訴我們廣大的 商業智能BI 用戶，商業智能BI 到底應該怎么理解、怎么認知，商業智能BI 到底有什么樣的坑需要我們的企業注意。

我們不能說我們派可數據在 商業智能BI 領域講的知識和概念就一定是放之四海而皆準的，但是我們歡迎任何 商業智能BI 廠商或者任何 BI 個人愛好者就 商業智能BI 的一些知識和概念來向我們挑戰，來看看派可數據所普及的一些 商業智能BI 知識概念到底對不對。如果普及的對，說明這些問題大家確實都碰到了，這些知識和概念對于企業而言就是難得的經驗。如果普及的不對，不對又是在什么地方，指出來大家一起看看，一起探討一下，我們還可以為企業做些什么。

八、報表工具是怎么來的？

這十幾年我一直在技術領域、信息化領域、商業智能BI 行業，一直沒有出這個圈。做過 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技術開發，業務軟件系統平臺開發。

早期前端技術很弱，AJAX 的實現也都需要手寫，要實現一個表單內數據的點擊編輯和修改需要自己用 JS DOM 操作。做報表基本上就是 JSP、ASP 腳本語言在前端嵌套 HTML 做循環輸出，報表樣式很原生很丑陋，稍微復雜一點的表格報表樣式都需要用 JS 來調整。

那個時候用過的報表像 Crystal Report 水晶報表、潤乾報表等等，在前端腳本語言中有標簽直接可以引用，報表生成代替了大量的手寫代碼。早期的前后端技術是不分家的，http://ASP.NET 還稍微好一些，前端逐步有一些集成控件可以直接使用，JAVA 是真沒有。上面說到的這個階段大概在什么時候呢，2005年前后，2007年我覺得已經使用的很廣泛了，老的 CSDN 上應該還能找到很多原始的報表標簽帖子。

像老一批報表還有像金峰報表 Jreport、思達報表 StyleReport 等等在國內也有一定的市場。早在 2010 年之前，有些報表廠商的收入規模就已經突破了一個億，說明基礎報表這個市場還是非常不錯的。

那個時候的報表定位是什么，就是純粹的 Report 報表，通過程序從后臺數據庫中查詢返回的數據聚合 List 再到前端腳本頁面上綁定一下就生成了各種報表，實際上就是用在各個業務軟件系統之中的報表展示，還遠遠沒有到 商業智能BI分析這個層面。

并且還有大量的軟件開發廠商實際上已經具備了很強的報表能力，不過這些報表能力并沒有單獨拿出來作為報表產品在市面上運營而已。

逐步的，隨著前端技術、前端框架的完善，從傳統表格技術開始到了各類柱狀圖、條形圖、餅狀圖的可視化展示，到了這個階段，報表和商業智能BI的邊界越來越模糊。為什么？商業智能BI的報表展現能力也就和傳統報表效果大致相當，還沒有出現那種自助分析、自助拖拉拽就可以實現快速多維分析的能力。

講這么多主要想說的是我們所看到的很多商業智能BI項目都是拿報表思維去實現的，就是 SQL 到數據集到前端展現。而真正的商業智能BI思維應該是什么呢？ 多維思維、模型思維，這一點決定了一個 商業智能BI 項目的最終走向，后面會具體講到這些點。

九、商業智能BI的本質 - 企業業務管理思維的落地

商業智能BI的本質 - 派可數據商業智能BI可視化分析平臺

商業智能 BI 到底是什么？技術？產品？還是其它？我們把對于 BI 的理解再提升一個層次：商業智能 BI 是一家企業業務和管理思維的落地。這個怎么來理解呢？簡單來說，就是在可視化報表上呈現的內容就是一家企業真正關注的內容，這里面有管理高層重點關注的企業經營性的分析指標，也有某具體部門的。

十、商業智能BI 和數據倉庫 Data Warehouse 有什么區別和聯系？

經常會碰到有人問商業智能BI和數據倉庫有什么區別，實際上這個問題的背后能反映出來一些朋友對商業智能BI的理解還是有些不準確和偏差，這個問題實際上從概念上把BI和數據倉庫人為的割裂了。這種情況其實也比較正常，因為大家對商業智能BI的第一印象就是各種炫酷的可視化圖表、報表，再加上市面上有很多輕量的前端可視化商業智能BI分析工具，就造成大家對BI的認知就停留在可視化這部分了。

準確的來說，商業智能BI不僅僅包含前端可視化分析、報表展現的能力，更包含了底層數據倉庫的建設過程。Gartner 在上世紀九十年代就已經提到了商業智能 Business Intelligence，它更多的認為：BI是一種數據類的技術解決方案，將許多來自不同企業業務系統的數據提取有分析價值的數據進行清洗、轉換和加載，就是抽取Extraction、轉換 Transformation、加載Loading 的ETL過程，最終合并到一個數據倉庫中，按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的維度建模或者兩者都有的混合式架構模型，最終在這個基礎上再利用合適的分析展現工具來形成各種可視化的分析報表為企業的管理決策層提供數據決策支撐。

商業智能BI - 派可數據商業智能BI可視化分析平臺

所以，可以從這里能夠看到數據倉庫Data Warehouse 的位置是介于可視化報表和底層業務系統數據源之間的這一層，在整個商業智能BI項目解決方案中起到的是一個承上啟下的作用。如果把商業智能BI比作是一個人的話，上半身特別是臉這個部分就是顏值，下半身腳踏實地吸取大地的精華，中間這部分的腰腹核心、核心力量就是數據倉庫。

那大家也會問到，市面上不是有很多直接鏈接數據源就可以拖拉拽分析的商業智能BI工具產品嗎，不也一樣可以做商業智能BI分析報表嗎？這種獨立的、單獨的面向前端的商業智能BI分析工具，他們更多的定位是部門級和個人級的商業智能BI 分析工具，對于深層次的需要復雜數據處理、集成、建模等很多場景是無法解決的。最好的方式就是底層構建一套完整的數據倉庫，把很多分析模型標準化，再利用這些前端商業智能BI分析工具結合起來，這樣才能真正的把前端商業智能BI分析能力給釋放出來。

很多企業認為只要買一個前端商業智能BI分析工具就可以解決企業級的商業智能BI所有問題，這個看法實際上也不可行的?？赡茉谧铋_始分析場景相對簡單，對接數據的復雜度不是很高的情況下這類商業智能BI分析工具沒有問題。但是在企業的商業智能BI項目建設有一個特點，是一個螺旋式上升的建設過程。因為對接的業務系統可能會越來越多，分析的深度和廣度會越來越多，數據的復雜度也會越來越有挑戰性，這個時候沒有一個很好的數據倉庫架構支撐，光靠前端BI分析工具基本上是無法搞定的。

數據倉庫 - 派可數據商業智能BI可視化分析平臺

就像去中藥店抓藥一樣，之所以抓藥很快，是因為在抓藥前，別人已經把各種原生的中藥材（原始數據源的數據）分門別類清理干凈放好了，這樣想怎么搭配藥材（維度指標組合的可視化）就很快了。

這樣的企業在國內有很多，也是因為對商業智能BI理解的深度不夠導致了在商業智能BI項目建設上一些方向性的錯誤，最后s導致商業智能BI項目很難繼續推進。

所以在企業中，我們需要明確我們的商業智能BI建設是面向企業級的還是個人和部門的分析工作。如果是個人數據分析師，使用這類前端商業智能BI分析工具就足夠了。如果是需要構建一個企業級的商業智能BI項目，就不能只關注前端可視化分析能力這個層面，更應該關注到底層數據架構的構建，也就是數據倉庫這個層面。

十一、數據倉庫的建模方法論 Kimball vs Inmon 以及混合架構

數據倉庫建模時商業智能BI項目建設中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的維度建模都是 商業智能BI 數據倉庫建模的方法論，這兩種商業智能BI建模的方式有什么區別和聯系。

十二、實際開展一個 BI 項目的時候對于需求的落地的方法論

商業智能BI是一個完全需求驅動的，既然是需求就需要做訪談和調研。在商業智能BI需求進行訪談和調研之前要提前熟悉行業的業務特點，基于企業自身要熟悉他們的業務流程，以及所訪談部門的他們大概會關注的重點，都需要提前梳理一遍。在腦海里把整個業務框架給建立起來，反復的演練。

十三、什么樣的企業應該要上商業智能 BI 了？

什么樣的企業適合上商業智能BI？看業務基礎信息化程度和日常業務管理的細致程度和顆粒度。業務基礎信息化程度就是企業自身的IT業務系統基礎建設，沒有業務系統的支撐，做商業智能BI就缺乏數據基礎；第二就是業務管理的顆粒度，企業自身業務管理程度是不是比較細致了，急需通過商業智能BI來提升業務管理、決策支撐的效率。

十四、如何高效的給高層領導做 BI 數據分析匯報總結

做完商業智能BI項目，還要考慮最終如何跟老板匯報的問題，掌握商業智能BI數據分析思維框架和匯報的五個重點：用戶業務層次與范圍、工作成果、計劃執行復盤、問題反饋、展望規劃與愿景。

商業智能BI - 派可數據商業智能BI可視化分析平臺

這里只是一個簡單的匯報框架，還有很多點可以往里面加。比如圍繞行業講一下行業驅動因素跟 商業智能BI 如何結合的；從企業經營管理角度，企業愿景到 CSF 到 KPI 到績效是如何分解和重新組織的；比如財務視角下的歸因分析；金字塔的管理模型；動態指標庫構成原理等等都可以有所選擇的進行融入和說明。

十五、商業智能BI與企業經營管理的結合度

商業智能BI分析跟企業的經營管理分析高度結合，ROE高的企業有可能是利潤高像茅臺、珠寶行業，有可能是周轉快比如像零售行業，也有可能是融資能力比較強會利用杠桿，從ROE歸因分析看行業特點。

十六、商業智能BI項目行業和業務知識的積累

做商業智能BI還必須熟悉行業和業務知識，不結合行業業務知識，商業智能BI的項目是很難落地的。商業智能BI的本質其實是企業的業務和管理思維的落地。企業的高層、業務部門的管理人員為什么要通過商業智能BI去看報表，他們看的是什么，重點關注的是什么？這些內容就是他們日常在企業中業務經營管理的重點。

數據可視化 - 派可數據商業智能BI可視化分析平臺

在商業智能BI項目上看上去零零散散的報表，在實際用戶眼里其實是有很強的邏輯關聯性的。并且層次越高的管理人員看的商業智能BI報表內容越聚焦，看的是業務結果。一線業務部門的人員可能關注的更零散，看的是明細的業務過程數據。

所以，對于一名優秀的商業智能BI開發人員、開發顧問，不僅僅是需要在技術層面打磨，更需要在行業性知識和企業業務知識上有所沉淀。

十七、關于商業智能 BI 實時性處理的話題

商業智能BI 對數據的處理存在一定的滯后性，通常采用T 1模式，主要原因是ETL數據處理過程是需要有大量的時間損耗，通常是采用空間換時間的方式。

將以前按照商業智能BI 數據倉庫分層的ETL調度設計成可按單獨指標并自動尋找依賴的調度就大大的增加了對個別指標調度和準實時處理的靈活性。

離線數據與實時處理針對的業務場景不同，背后的技術方式實現不同，資源投入也不同，了解它們之間的定位差異有助于選擇合適的方案以最小的資源投入達到企業既定完成商業智能BI 項目建設目標。

派可數據-商業智能BI_大屏BI可視化分析平臺_用友BI財務分析_數據中臺