商业智能（Business Intelligence，简称：BI），又称商务智能，指用现代
数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
例如，阿尔伯克基市的就业者们使用
BI软件来识别有效机会以减少使用手机通话、加班及其他营运开支，三年期间为这个城市节省了200万美元。同样地，在商业智能
BI工具的帮助下，丰田汽车公司意识到公司曾对它的运货商“双倍”地付费，2000年总金额达812,000美元。
事实表明，利用
商业智能BI来揭示业务流程中存在的缺陷的企业，与仅用商业智能BI来监控会发生什么事情的企业相比，在成功的竞争中处于更有利的地位。
商业智能作为工具，可以用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或决策者做出正确且明智的决定。帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。今天小亿就从数据角度和大家一起探讨商业智能BI行业的本质与发展趋势。
一、从数据角度看中国商业智能BI
1.中国商业智能BI软件行业规模
△图表使用
豌豆BI制作
注：市场规模为纯软件销售收入，不含项目实施、项目运维等。
从我国开始实施国家大数据战略以来，大数据BI行业保持着高速稳定的发展。一方面得益于国家政策的牵引，如《大数据产业发展规划（2016-2020年）》等利好政策，对打造“数据、技术、应用与安全协同发展的自助产业生态体系”做了全方位的支撑和部署。另一方面，持续多年的信息化应用价值教育，企业自身信息化建设的准备，都让更多企业开始使用BI产品，期望通过精细化运营来提升经营效益。
当前我国已进入国际BI及DA（数据分析）领域的第一方阵，并成为发展最快的国家之一，但仍和美国有一定差距。2018年中国商业智能（BI）软件行业规模约为16.6亿元，同比增长25.8%，2019年中国商业智能（BI）行业软件收入规模在21亿左右，增长率达到27.1%，未来中国BI行业的发展潜力巨大。
2.中国商业智能企业分布与结构
中国商业智能企业分布与结构分析
根据锐观咨询整理所得数据，目前，IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是企业商业智能平台应用现状。从数据调研的受访企业来看，有高达61.62%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.89%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。
3.企业最重视的BI功能有哪些
企业选择BI功能考量权重
对于BI的功能，企业主要看重报表能力、移动端、填报录入、管理驾驶舱等。超过半数的企业非常重视常规报表制作与展示和移动端BI功能。近一半的企业期待用数据填报来解决企业内部
数据采集和录入的问题，数据填报也是解决数据分散在Excel、Word中的有效方法。
4.企业应用BI最期待获得的
数据价值
△图表使用豌豆BI制作
国内企业选用BI产品，最期待获得的数据价值，一是数据整合，二是数据展示效率，三是辅助管理决策。据统计，72.8%的企业最想获得的数据价值是整合多系统数据，打通多系统的数据，解决数据壁垒的问题实现信息透明。69.1%的企业想要提高报表的输出效率，期望能够更快更准更省事。53.7%的企业则希望通过数据分析，辅助企业决策，实现科学化、数据化的决策。
二、商业智能BI对企业的作用
如今，企业内部有大量的机会可以通过优化业务流程和集中决策来节省资金。在业务遭遇大挫折时，商业智能BI能带来一线曙光，产出显著的投资回报率ROI。商业智能BI在企业中的应用主要表现在如下3个方面：
1.可视化报表的展现
在BI中，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、市场、销售、产品等）全面展现出来，再通过各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。
△图表使用
亿信ABI制作
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的，这里面有很多的业务分析内容可能需要复杂的计算规则，需要从不同的业务系统获取数据，并且这些数据在业务系统软件中都是很难直观看到的。
这个层次的可视化
报表分析就是一种呈现，让用户对日常的业务有一个清晰、直接、准确的认知，同时解放了业务人员手工利用Excel的各种函数做汇总分析、制图的工作，提高了工作效率。
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。
2.数据的“异常”分析
异常分析作用重大。数据的异常分析利用的是对比分析法。业务人员通过可视化报表呈现，如果发现了一些数据指标反映出来的情况超出了日常经验判断。这时就需要要对这些 "异常" 数据进行有目的的分析，通过相关联的维度、指标使用钻取、关联等分析方式探索出可能存在的原因。
△图表使用亿信ABI制作
例如，正常情况下，一个网站或产品每个月的平均用户注册量是10万左右。但是我们观测到A网站在某月的注册量只有5万，这就需要我们分析找到原因，并在以后避免发生类似的情况。
除了负向异常，也有可能出现正向“异常”，比如会员注册量达到了 23 万，这同样是一种 "异常"，远远超过经验判断和预期。这时我们就要去分析判断是因为市场部门的推广，还是做了大型促销活动导致的。
最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通过"异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高企业的经营效率。
3.业务建模分析
业务建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在的问题，将其反映在可视化报表上，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。它可由一个或多个图表组成，也可通过一组或多组数据图表支撑，依据企业的业务模型来确定。
△图表使用亿信ABI制作
业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计和探索分析。需要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。
这里需要注意的是具体的分析场景很难由专业的BI开发人员来提出。业务分析建模需要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据分析、挖掘或统计工具，这样商业智能BI的价值才能在企业得到充分的发挥，数据的价值也才会得到充分的体现。
三、企业应用商业智能BI系统面临的挑战
整体来看，企业应用BI系统的状况不断良性发展，但也面临着诸多挑战，也是BI成功的重点、难点。
1.数据整合治理
相关数据显示，64.8%的受访企业表示数据的整合与治理，是未来的主要挑战。数据问题主要集中在：“数据过于分散，形成数据孤岛，取数分析麻烦” “底层数据混乱，存在准确、失效、性能的问题”这两个方面。
2.数据人才的培养
从整体背景来看，越来越多的企业开始把数据人才作为企业经营战略版图的核心组成部分，集中表现越来越愿意花高薪聘请大数据人才，整体薪资水平在不断提升。但是优秀的大数据人才培养的成本居高不下，培养周期长，人才供应始终是在大数据人才需求越来越大的背景下捉襟见肘。薪资竞争力不足以及企业创新力不足，让传统企业愈加困难。
3.企业数据文化的建设
在企业认可数据，积累数据的过程中，大数据团队对数据人才的培养也会逐步找到一些法门，这些方法和技巧无不是围绕在数据文化建设之上。调查显示，在彰显数据文化方面，虽然“沟通协调讨论用数据说话，基于数据讨论”达到了81.8%，但“数据获得容易，数据分析快速、流畅”还不足35.19%。
四、商业智能BI项目具体的实施步骤
1.业务分析需求的把控
对于很多准备或者正在规划商业智能BI项目的企业来说，业务分析需求的梳理是整个项目开始的第一步，往往也是最困难的，主要表现如下：业务部门往往提不出比较具体的分析需求，而IT部门很难深入到业务，也提不出适合业务部门的分析需求。BI项目需求分析涉及到很多部门，有的时候内部资源的沟通、协调都是很困难的…
那如何能够非常清晰的梳理好一个完整的业务分析需求，并且能够用业务部门能够理解的语言进行有效沟通？
正确的做法是，提供方案的原型图，这样能激发业务人员说出需求的欲望，并让双方站在可以相互理解的角度沟通，最终出来的效果也能更好的符合企业的期望。
2.数据资源的整合清洗
企业的数据可能是来自外部系统，也可能来自内部的不同业务系统，比如CRM系统、ERP系统，或者业务人员的Execl表格， 这些统称为数据源。这些数据通过ETL工具原封不动的抽取到一个叫做ODS或者STAGING的数据库先存放起来。这里需要注意数据是存放在一些数据表中，但是并不是所有的数据都需要抽取出来，只有有用的数据才会被抽取。涉及到一些数据需要去重、合并计算、格式转换，比如 15/10/22 转换成 2015-10-22等都属于转化阶段；加载阶段是，最后把数据统一加载到数据仓库中。
3.数据仓库的架构设计
数据仓库的开发，可以理解为一种技术，也可以理解为一种方法论或解决方案。在商业智能BI中，数据仓库就是最核心的那一层，起到的就是一个承上启下的作用。往下承接各类数据源中的数据，往上支撑各类可视化分析报表。数据仓库的构建水平将直接影响到商业智能BI项目的整体质量。
4.可视化分析报表逻辑设计
这里的可视化分析报表的逻辑设计主要是依据前期的业务人员搭建的数据指标体系而定，主题利用常见的可视化图表来做业务数据的展现。借助工具事半功倍，例如豌豆BI。
豌豆BI是一个面向业务人员的自助式
数据分析平台，它提供了从数据导入、数据预处理、自动建模和
数据可视化于一体的完整的解决方案。用户只需通过简单的拖拉拽，就可以快速地制作出一张敏捷看板。
五、商业智能BI的发展趋势
1.数据分析将从独立的、显示的产品，变成无处不在的嵌入式分析能力
以前，数据分析产品都是独立部署的，给用户非常清晰的使用界限，必须登录入系统进行相关的操作。将来的数据分析产品将是一种即取即用的能力。比如，用户会在ERP系统中，或者公司门户中看到的数据图表、数字看板大屏，都是来自于BI工具所产生的链接。比如用户可以将图表生成第三方链接供用户跨系统调用。还有一种场景，就是用户在BI系统中，比如看板中，观察到库存过低，可以通过按钮直接跳转WMS系统进行订货操作。
2.分析变得越来越智能
认知计算这个由IBM热炒起来的概念正在逐渐深入人心，并在工业领域得到实际的应用。从商业智能的领域来看，就是分析工作正在变得越来越自动化。尽管如今软件已经提供了搜索式的交互方式，将数据分析的工作难度进一步降低到业务人员也可以使用的程度，但是仍然还需要人员去干预。人工智能的终极目标是让人类从一切工作中解放出来。
因此，从这个立足点出发，数据分析系统自动的完成数据洞察任务，并将数据分析的结论建议出来。
3.移动化仍然是趋势，但是发展速度比预期要慢
五年前就有人预言商业智能BI移动化会成为必然趋势，如今5年时间已过，移动BI的普及程度并不如预期。原因主要是数据分析的交互性一直是很高的要求，手机屏幕的限制一直抑制了商业智能BI在移动端得到更好发挥的障碍。比如数据看板或可视化大屏，显然并不适合在移动端进行展示。针对中国市场，则有一些新的移动趋势，比如将BI展示集成到企业微信或者钉钉中去，以更好的发挥商业智能BI的协作性。
4.更好的支持物联网
随着5G、Lora、NBIot等技术的成熟，物联网技术将成为势不可挡的发展趋势。未来将会有数百亿甚至数千亿个终端物联网设备或传感器接入网络，这个规模数百倍于移动互联时代。要在中央计算平台进行如此巨大规模的数据处理是不切实际的，也是很低效的。因此，边缘计算将逐渐引入
商业智能分析中，物联网终端进行数据分析，然后将处理过的数据汇入云端进行进一步处理。
5.增强对实时数据的处理能力
以往的商业智能分析软件，更专注于离线分析。待分析的数据通过定期更新的方式导入数据仓库中，一些早期的技术需要事前构建CUBE，建立
数据集市，进一步切片数据，最终才能进行分析。所有的这些分析都是建立在离线的基础之上，不能反映实时的趋势，这一切都会改变。一些高级
数据分析工具，如今可以不用事先建立CUBE和数据集市，也不需要切片数据，甚至可以直接链接数据库进行分析。更进一步的功能，如今产品能提供实时数据和离线数据的关联查询，这将会是商业智能分析的一大飞跃。
6.全面引入自然语言处理技术
自然语言处理（NLP）与自然语言查询（NLQ）将使得BI系统更方便的为用户使用。这完全改变了数据分析的交互方式，自10多年以前tableau推出graphSQL一来，又一个里程碑式的跨越。除此之外，更进一步的，BI系统将引入自然语言生成技术（NLG），可以为用户以更容易理解的方式提供见解，允许非技术用户阅读和解释复杂的图表并解释数据集之间的关系。
7.人工智能技术将使得数据分析工作变得越来越平民化
机器学习或者AI技术有可能在商业智能领域得到很好的运用。这与自动驾驶和智能问答助理还不一样，AI有可能在驾驶领域永远达不到完美的状态，但是在数据分析领域可不一样。通过自然语言处理技术，BI分析将不再需要任何代码开发，甚至不需要拖拖拽拽去开发，搜索式的交互会变成主流的方式。此外，集成了机器学习功能的商业智能平台，将可以充分发挥机器学习的功用，进行各种预测，预警等。
六、小结
对企业来说，商业智能BI不能直接产生决策，而是利用BI处理后的数据来支持决策。核心是通过构建数据仓库平台，有效整合数据、组织数据，为分析决策提供支持并实现其价值。
BI最终展现给用户的信息就是可视化报表或视图。需要注意的是，报表只是一种呈现，只能达到查询的效果，查询仅仅只能告诉我们结果是什么、有没有问题。而基于可视化图表背后的数据分析才能告诉我们问题的原因是什么，只要问题发现了，原因也找到了，那么企业业务人员或者管理人员如何去决策就会变得简单与轻松。
另外，商业智能BI是一个完整的解决方案，需要进行专业项目实施与部署。在实际项目实施过程中会存在很大的变数，例如业务架构自底往上的调整、分析需求的变化、业务数据计算逻辑的变更等。所以商业智能BI项目如果需要顺利实施就需要权衡好客户实际资源能力、项目支持力度，客户对商业智能BI的期待，项目后期的风险，客户的实际投入和长远规划..。
更多精彩内容欢迎关注公众号：亿信华辰Pro
关于亿信华辰
亿信华辰是中国专业的智能数据产品与服务提供商，一直致力于为政企用户提供从数据采集、存储、治理、分析到智能应用的智能数据全生命周期管理方案，帮助企业实现数据驱动、数据智能，已积累了8000多家用户的服务和客户成功经验，为客户提供数据分析平台、
数据治理系统搭建等专业的产品咨询、实施和技术支持服务
（部分内容来源网络，如有侵权请联系删除）
