- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间:2019-05-16来源:Jreport浏览数:823次
商业智能(BI)工具是利用一组方法和技术来准备,呈现和帮助分析数据的工具。通过此过程,数据将转化为可操作的业务信息,帮助决策者和最终用户做出更有效的数据驱动决策。
商业智能使用的一套方法和技术根据解决方案的目的而广泛多样化。有些工具专注于数据准备方面,可能包括ETL(提取,转换,加载)层,以更好地组织和利用数据。有些工具专注于更广泛的企业使用,可能专注于数据混搭,以帮助企业根据来自不同部门系统的信息做出组织决策。有些工具更侧重于自助服务功能和最终用户体验。有些工具专注于支持其他应用程序的分析,这些工具专注于所谓的“嵌入式BI”或“嵌入式分析”,并包含各种附加功能,使其更易于集成到现有系统中。
数据分析与商业智能:有什么区别?
自20世纪80年代后期以来,“商业智能”这一术语一直广泛使用,当时Gartner顾问霍华德·德雷斯纳(Howard Dresner)提议将其用于包含当时帮助决策者的新兴技术和应用。业务分析或数据分析通常与商业智能互换使用,但也可以参考用于统计建模和其他更高级类型分析的更复杂的技术和应用程序。
为何使用商业智能?
商业智能工具的使用有多种原因,如果使用得当,可以为企业或企业内的各个部门带来许多好处。BI的一些预期好处是推动更快更好的决策,帮助确定运营改进的潜在领域,帮助识别企业或市场中的不同类型的趋势,或帮助创建比其他信息有限的竞争对手更具竞争优势。当与业务目标和系统完全一致时,所有这些好处都可以在宏观和微观层面上实现。
传统上,BI工具专注于呈现和分析存储在SQL数据库,数据仓库以及其他类型的关系数据源中的不同类型系统的历史数据。随着大数据和NoSQL数据源的出现,数据量呈指数级增长,允许进行更复杂的分析。
随着数据类型随着时间的推移而改变了BI,BI用户的类型也发生了变化,随着自助服务分析和临时报告的出现,BI的用户类型也发生了巨大的变化和演变。以前,大多数BI工具的工作流程都依赖于开发人员,数据分析师和数据科学家以及公司的执行人员或决策者之间的来回。IT和决策者之间的这种来回创造了决策过程中的低效率,并导致自助服务技术的广泛采用,使决策者能够进行变更和调整数据以实时满足他们的需求,从而更快地做出决策。
如上所述,BI提供各种用例和用途。因此,随着时间的推移已经开发的工具类型也变得专门化以最好地满足这些不同用例的需要。还有各种各样的分析和统计方法,这些方法已根据用户的需求纳入解决方案。以下是许多现代BI套件中使用的一些主要工具类型:企业报告,仪表板,自助BI,在线分析处理(OLAP),实时分析,云BI,嵌入式BI,开源BI,预测分析等
所有这些工具都以某种方式使用,以便以可用的方式为决策者可视化数据。这些可视化可以由图表,小部件,表格,关键性能指标(KPI)或其他类型的数据组件组成。
一些BI平台现在包括其他分析功能,例如使用统计建模的预测分析,完善的统计功能以及利用大数据的能力。
我们现在称之为“传统报告”或“传统BI”功能的出现始于执行人员和IT人员之间非常相互关联的关系。执行人员完全依靠IT人员为他们提供所需的数据,对报告或其他可视化介质的任何更改都意味着对IT的请求和周转时间。
随着企业对更多信息和数据的需求不断增长,这种关系对双方来说变得乏味。执行人员希望快速制定客观的,数据驱动的决策,以预测或应对市场趋势,IT人员还有许多其他重要职责,需要他们的时间和精力。这种关系变得难以为继。
这并不是说IT不再在数据分析过程中发挥重要作用。但是,在许多情况下,他们的角色已经从与执行人员的持续直接互动转变为支持,治理和安全,这意味着IT现在专注于使用户能够自行决定是否拥有正确的数据,而不是响应和处理请求。
传统商业智能可以说适用于两种不同的分析类别:描述性和预测性分析,后者已经出现并且最近普遍使用。为了过度简化事物,描述性有助于告诉您发生了什么以及发生了什么,预测性有助于说明将会发生什么(或者更准确地说是什么)。但BI的未来将属于完全不同的类别,规定性或可能发生的事情。现在正在开发机器学习技术,允许决策者提出“如果?如何?”的问题,以及了解变化如何直接影响未来结果的能力将改变BI在决策过程中的行为方式。
上一篇:商业智能软件的共同特征...
下一篇:商业智能工具的力量...