BI和報表等于數據分析?終于有人講清楚了它們的區別

0 評論 15396 瀏覽 34 收藏 10 分鐘

編輯導語:提到BI,大家可能會認為它主要應用于數據分析和可視化一側,然而它的作用遠不止如此。在本篇文章中,作者為我們分別介紹了報表式BI、傳統式BI、自助式BI,并且在文末,為我們對商業智能和數據分析這兩個容易混淆的概念進行了區分。

調研發現,很多人對BI的理解側重于數據的分析和展示,BI更多地被等同于數據分析與數據可視化。因此在大多數企業中,BI更多地是指分析和前端展示工具,而不是一個完整的體系。

《商業智能白皮書》對商業智能BI工具的定義:以數據可視化和分析技術為主,具備一定的數據連接和處理能力的軟件工具,使用者能通過可視化的界面快速制作多種類型的數據報表、圖形圖表。

按照技術發展和對用戶需求的響應,當前BI工具可以分為報表式BI、傳統式BI和自助式BI三類。

一、報表式BI

報表式 BI 工具主要面向企業信息部 IT人員,適用于各類固定樣式的報表設計,通常用來呈現業務的明細數據和指標匯總,支持的數據量相對不大。

國內的報表式 BI 于1999 年左右開始起步,在 2013 年趨于成熟。

由于國內企業對于報表的格式自成一派,很多國外的報表工具在制作報表樣式時,圖形格式交互上都磨合困難,且一些表格的業務邏輯和國外不同。

所以解決中國式復雜報表經常成為企業選型的重點需求,當下,國內報表工具以帆軟FineReport等代表已成主流。

報表式BI大多都采用類Excel的設計模式,雖然主要面向的對象是IT部門,但是業務人員也能快速學習和掌握,并在既定的數據權限范圍內,制作一些基本的數據報表和駕駛艙報表。

例如FineReport自主研發的HTML5圖表,可以滿足不同人群的視覺展示需求,也可以進行一些簡單的即席分析操作,如圖表類型的切換、排序、過濾等。

代表工具:FineReport

BI和報表等于數據分析?終于有人講清楚了它們的區別

二、傳統式BI

傳統式BI同樣面向IT人員,隨著數據倉庫技術發展而來,相比于報表BI,更側重于OLAP即席分析與數據可視化分析。

傳統式 BI以Cognos等國外產品為代表,其優勢是在大數據量上的性能和穩定性,劣勢也十分明顯:數據分析的能力和對業務的響應速度差些。

如今使用傳統式BI的企業或機構中,83%以上的數據分析需求無法得到滿足,很多企業重金打造的BI系統幾乎成了擺設,收效甚微。

此外,因其架構重,項目耗資不菲、實施周期極長、項目風險大、對人才要求高等特征,也不利于傳統BI的推廣和普及。

代表工具:cognos

BI和報表等于數據分析?終于有人講清楚了它們的區別

三、自助式BI

由于傳統式BI的缺陷屢遭詬病,以及業務人員數據分析需求的增長,自助式 BI 開始快速成長起來。自助式BI面向業務人員,追求業務與IT的高效配合,讓IT人員回歸技術本位,做好數據底層支撐。

讓業務人員回歸價值本位,通過簡單易用的前端分析工具,基于業務理解輕松地開展自助式分析,探索數據價值,實現數據驅動業務發展。

2014 年起,自助式BI工具迎來了高速發展,可視化數據分析、Self-BI在國內市場集中出現,傳統式BI開始衰退。需要注意的是,自助式BI也有其適用范圍,企業在選擇時應綜合考慮自身需求與自助式BI的特征。

自助式BI主要有以下幾項優勢:

1. 數據量的靈活性

盡管傳統BI工具具備較好的大數據量處理性能,但是在一些數據量較小的企業就顯得笨重,擁有更簡單的思路卻不能使用更簡單的處理方式。

自助式BI則更加靈活,其具備大數據量處理能力,在面對小數據量時,分析更為輕松。

2. 產品采購的成本下降

采購傳統BI工具的成本偏高,還有一些額外的培訓、服務咨詢成本。自助式BI產品工具只著重解決某些問題,不一定需要大而全。

3. 項目周期縮短、人力成本降低

以前項目周期主要消耗在ETL處理和數據倉庫建模、性能優化等方面。如今,建模的要求不再那么高,性能優化在大多數場景下也不再是問題。項目周期從以前的按月或年為單位快速地減少到按天、周、月為單位。

4. IT 驅動逐步走向業務驅動

IT負責基礎數據架構的整理和接口開放維護,業務人員自行進行快速的可視化分析和報表分析維護。

總而言之,當企業存在業務人員自主分析、解決重點關注問題、靈活應對小數據量業務、快速迭代項目周期等需求時,自助式BI將是一個明智的選擇。

代表工具:FineBI

BI和報表等于數據分析?終于有人講清楚了它們的區別

最后需要注意的是,三類BI產品分別適用于不同的場景,不是相互替代的關系。它們將長期共存,供企業按需選擇,直到信息化基礎條件發生根本的改變。

四、商業智能≠數據分析

商業智能和數據分析是兩個容易混淆的概念。雖然它們之間存在不少類似的地方,商業智能軟件也可以幫助業務人員進行數據分析,但數據分析絕不等同于商業智能。

數據分析是個過程,是個解決方式,對象常常是某個問題。比如分析某次促銷活動的效果,就需要對UV、客單價、復購率等關鍵性的指標數據做監控。

還需要和過去的活動進行對比,從數據庫里尋找最佳對照組進行建模,在SAS里做統計分析。

也就是說,數據分析是利用數理統計等科學方法做假設驗證,通常的工作就是對指標進行分析對比,KPI監控,異常指標分析,預測趨勢,最終生成結果報告。專業的數據分析工具有R、Python等。

商業智能是一整套的解決方案,對象往往是企業的經營問題。利用企業在日常經營過程中生產的大量數據,并將它們轉化為信息和知識,讓每一個決定、管理細節、戰略規劃都有數據參考。

BI和報表等于數據分析?終于有人講清楚了它們的區別

比如領導經常會關注銷售、采購和財務狀況,技術人員做好固定格式的數據報表(Dashboard/數據看板),領導打開就能查看,并且數據自動更新。

商業智能工具一般通過連接ERP、CRM、MES等業務系統的數據,并將這些數據有規則地匯總到數據倉庫中,從而制作業務主題相關的分析報表,還可以對接大數據平臺進行可視化的分析展示。

商業智能的作用一方面是將常規的分析過程固化并簡化下來;另一方面是讓業務的自助分析更為方便快捷。

簡單來說商業智能BI是一套有關數據的解決方案,入口是數據,出口也是數據或者以數據為基礎的報表呈現,更多強調的是解決方案。

數據分析更多的以人為主,對數據倉庫產出的數據、或者其他渠道產出的數據做分析的過程。

前者強調怎么讓數據合理的加工或者呈現出來,后者強調如何通過數據發現問題,有一個探索和思考的過程,這個思考的過程是工具本身不能替代的。

 

作者:商業智能研究,專注企業數據化運營和數字化轉型,公眾號:商業智能研究,分享有關企業數據建設的一切知識!

本文由 @商業智能研究 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!