商业分析VS 数据分析
先看看什么是数据分析，数据分析是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，将它们加以汇总和理解并消化，从而找出所研究对象的内在规律的过程。包括了数据采集、数据存储、数据清洗、数据计算、结论输出、数据可视化等部分。数据分析是为了提取有用信息和形成结论，最大化地开发数据的功能，发挥数据的作用。
而商业分析是通过定义需求和推荐能够为利益相关者创造价值的解决方案来实现企业变革的实践。由六个核心概念组成：改变（change），需求（need），解决方案（solution），利益相关者（stakeholder），价值（value）和环境（context）。
改变：为满足需求而通过商业分析活动进行检查和控制转型行为，也可以通过削弱或增强现有解决方案提供的价值来引发需求，旨在提高企业的绩效；
需求：要解决的问题或机会，可以通过激励利益相关者采取行动来引起改变；
解决方案：通过解决利益相关者面临的问题，或使利益相关者能够利用机会，满足环境中的一个或多个需求的特定方式；
利益相关者：与改变，需求和解决方案有关系的团体或个人，一般根据他们与需求，变化和解决方案的关系进行分组，根据其对变化的兴趣，对变化是否造成影响和其影响程度来定义；
价值：某事物在环境中对于利益相关者的价值，重要性或有用性。价值可以是无形的或有形的。无形价值是间接衡量的，其通常具有重要的激励因素，例如公司的声誉或员工的士气。有形价值可以直接衡量，其通常可转化为金钱来表示。通常情况下可以用绝对形式或比较形式来评估价值。比如，从一组给定的利益相关者的角度来看，一种解决方案选择比另一种更有价值；
环境：包括竞争对手，目标，基础设施，流程，产品，项目，销售，技术等满足定义的任何其他要素。改变发生在环境中，环境是与环境中的改变相关的一切；
商业分析不仅仅利用企业内部系统数据，还需要大量利用外部数据。有许多因素比如宏观环境、内部组织、竞争对手、消费者态度与意愿、员工能力等等，这些方面的数据不一定都能通过系统采集到，因此就得靠多方面的信息采集来满足需求。总而言之，商业分析，需要有综合性技能和多方面数据分析的能力。
商业分析VS 算法模型
算法模型通常应用于图像识别、语义识别、路线规划等方面，具体应用在风控、安防、驾驶、物流等领域，是基础的工业级应用。由于企业经营不一定需要靠精细的计算，比如老板的人脉资源、政策大势、员工创新、创造、创意能力，这些都很难用数据量化，因此，在商业领域算法的用处相当有限，这就使得算法模型往往应用在特定场景上：
第一类常用的是直接针对用户场景的算法。客户首次在银行提出贷款申请时，银行可以根据客户历史上的信用记录和财务状况，结合其他因素，同银行内部已获得贷款用户的庞大数据库做对比，从而对贷给这位客户的款项能不能被顺利偿还的可能性做出有效的评估。
第二类常用的是预测算法，包括基于时间序列和因果关系预测两类。商业分析很需要对未来发展趋势做预测，因此需要算法辅助。
第三类是用来降维的算法。包括因子-聚类分析、AHP、主成份分析等。往往是评估一个问题，考虑指标太多的时候，需要做降维处理，压缩指标方便评分。常用于评估类问题，比如项目、新产品、品牌评估等等。
商业分析是数据分析方法在商业问题的具体应用，算法模型是一个有效解决特定商业分析问题的工具。由此可以看出，数据分析与算法模型在商业分析中是非常重要的。亿信ABI一站式数据分析平台，是亿信华辰历经十五年匠心打造的国产化BI工具，技术自主可控。多样的建模方式和丰富的数据处理组件高效便捷地实现了数据仓库的构建及数据的抽取、清洗、转换等操作。企业用户可以根据实时需求，快速高效建立算法模型，使用搭载的智能数据分析引擎，对数据进行自主分析，帮助企业实现高效数字化转型。
