我们应该如何正确理解商业智能BI的价值？

商业智能BI要解决的问题

商业智能BI(Business Intelligence)简单来说就是一套由数据仓库、查询报表、数据分析等组成的数据类技术解决方案，将企业中不同业务系统（ERP、CRM、OA、BPM等，包括自己开发的业务系统软件）中的数据进行有效的整合，并利用合适的查询和分析工具快速并且准确的为企业提供报表展现与分析，为企业提供决策支持。

商业智能概述

商业智能BI的核心主线是什么？主线就是通过构建数据仓库平台，有效的整合数据并组织起来为分析决策提供支持并实现其价值。还有一种解释就是：将数据转变为信息，信息支撑决策，决策产生价值。

对于商业智能BI大家在质疑什么？

接触过很多的客户，对于商业智能BI他们有这样的一种普遍看法：商业智能BI是如何产生价值的，价值在哪里，我并没有看到？为什么在我的企业中我们IT部门或者业务部门完全沦为了做做报表，能体现的价值只是节省了我们做报表的工作量，仅此而已。

数据可视化分析报表

这种质疑带有很大的普遍性，就如同之前有参加各种企业沙龙活动，有现场听众直接问到：你不用讲那么多，你直接告诉我这个东西有什么用，能解决我们什么问题，能不能帮我们企业赚钱....。有来自业务线的、技术线的、管理层的不同的听众，每一层他们关注的点实际上都各不相同。包括每个人、每家企业对数据的认知程度也决定了他们对商业智能BI的理解和认可程度。但这样的问题也不是不能解决，比如我们就不聊技术，我们就聊聊一些业务场景，最后发现效果就会好很多。

在这里我们尝试用一种可能大家都能够理解的、非技术与专业的方式让大家理解一下商业智能BI的价值到底如何体现的。我们在此探讨一下在我们眼中商业智能BI的三个分析层次，或许我们对商业智能BI的认知可能有所改观。为了便于理解，文章中不提及任何专业的名词与解释。

商业智能BI的三个分析层次

第一个层次是报表的常规呈现。所谓常规呈现指的是使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据（财务、供应链、人力、运营等）全面呈现出来，再通过各种维度（看数据的角度）筛选、关联、跳转、钻透等方式查看各类分析指标，业务分析图表按照主题划分，图表之间存在一定的逻辑关系。

数据BI可视化图表之间的钻取、联动等效果

这些分析展现内容基本上是围绕各个业务部门日常工作展开，这里面有很多的业务分析内容可能需要复杂的计算规则，需要从不同的系统取数据，从业务系统软件中这些都是很难直观看到的。这个层次的报表分析就是一种呈现，让报表用户对日常的业务有一个清晰、直接、准确的认知，其次解放了他们自己手工通过EXCEL通过各种函数做汇总分析、制图的工作。

比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购入库金额、退货情况、应付账款等等。

第二个层次是数据的“异常”分析。我们通常所认为的“异常”就是指不好的东西，那么在这里我们对“异常”的解释是：通过可视化报表呈现，我们发现了一些数据指标反映出来的情况超出了我们的日常经验判断。例如，正常情况下每个月的平均用户注册量是10万左右。但是通过报表我们发现在今年的8月份，会员注册量达到了23万，这就是一种“异常”，远远超过我们的经验判断和预期。再比如在今年的1-9月份，产品销售毛利率稳定在30%-40%之间，突然到了10月份，整体的毛利率下降到了20%不到，这也是一种“异常”。这两种异常数据，一种是我们所追求的的正向“异常”，一种是我们极力避免的负向“异常”。

商业智能BI是先通过第一层的报表呈现，将很多业务运营情况直观的反映出来，让用户可以直观的看到在我们经验之外的数据表现情况。商业智能BI在这里体现的价值就是要对这些“异常”数据进行有目的的分析，通过相关联的维度、指标使用钻透、关联等分析方式探索出可能存在的原因。

第三个层次是业务建模分析。业务建模分析通常是由精通业务的用户提出，通过合理的建模找出业务中可能存在的问题，将其反映出来并最后要回归到业务，形成决策并不断优化的一个过程。业务建模可简单，可由一个或多个图表组成，也可复杂，通过一组或多组数据图表支撑。业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的方式将它们有效组织起来去验证我们对业务分析的逻辑判断。

业务建模分析区别于第一层的全面数据呈现和第二层的异常分析和被动分析，它是一种更深层次的业务数据的主动设计和探索分析。这层分析的提出更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。