商业智能的三个应用层面

随着数字化的发展，越来越多的企业意识到数据应用扮演了至关重要的角色，因此引入商业智能（Business Intelligence）变得十分重要。 商业智能是一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案，能够实现业务流程和业务数据的规范化、流程化、标准化，打通ERP、OA、CRM等不同业务信息系统，整合归纳企业数据。简单来说，商业智能分为数据报表、数据分析、数据挖掘三个应用层面。

随着数字化的发展，越来越多的企业意识到数据应用扮演了至关重要的角色，因此引入商业智能（Business Intelligence）变得十分重要。

商业智能是一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案，能够实现业务流程和业务数据的规范化、流程化、标准化，打通ERP、OA、CRM等不同业务信息系统，整合归纳企业数据。简单来说，商业智能分为数据报表、数据分析、数据挖掘三个应用层面。

第一层面：数据报表

报表是企业管理的基本措施和途径，是企业的基本业务要求，也是实现BI战略的基础。报表可以帮助企业访问、格式化数据，并把数据信息以可靠和安全的方式呈现给使用者。报表常规呈现就是使用柱状图、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。

这个层次的报表分析就是呈现企业日常经营、业务的情况，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。

在这个阶段系统价值就显得非常有限，数据的作用仅仅是从一个可视化的角度对业务做出了另一种形式的解读，用户仅仅是被动的接收来自可视化报表上传递的信息。

第二层面：数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析可以被分为描述性统计分析、探索性数据分析以及验证性数据分析。

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。

在这个层次中，可视化报表的分析是带着问题找问题的，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。这个阶段的用户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联系，数据图表之间的逻辑性更强。

第三层面：数据挖掘

数据挖掘，它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘阶段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。