BI一詞早在20年前就被提出弄抬，加特納集團(tuán)將商業(yè)智能定義為描述一系列的概念和方法，通過應(yīng)用基于事實(shí)的支持系統(tǒng)來輔助商業(yè)決策的制定叫挟。BI商業(yè)智能從國外興起，當(dāng)時(shí)IBM限煞、SAP抹恳、微軟等廠商無論是在BI的理念上還是技術(shù)上都做的比較出色。BI的風(fēng)頭經(jīng)過了一段時(shí)間的蟄伏署驻，于2000年初開始迎來春天奋献，被國內(nèi)許多企業(yè)所接納，正式走向上升趨勢旺上。

如今瓶蚂，隨著信息技術(shù)與經(jīng)濟(jì)社會(huì)的交匯融合引發(fā)了數(shù)據(jù)的迅猛增長，在數(shù)據(jù)量爆發(fā)的同時(shí)宣吱，也引起了許多企業(yè)的重視窃这，數(shù)據(jù)已經(jīng)成為企業(yè)發(fā)展的基礎(chǔ)戰(zhàn)略資源，成為企業(yè)解決分析的重要依據(jù)征候。與此同時(shí)杭攻，數(shù)據(jù)治理、數(shù)據(jù)可視化倍奢、數(shù)據(jù)分析朴上、數(shù)據(jù)倉庫、大數(shù)據(jù)等詞匯被提出卒煞，借此BI商業(yè)智能又重新被炒火痪宰，造成很多人在大數(shù)據(jù)分析與BI商業(yè)智能的概念上混淆，事實(shí)上大數(shù)據(jù)分析與BI商業(yè)智能是兩種不同的概念和工具畔裕，今天對(duì)未來大數(shù)據(jù)分析是否會(huì)取代傳統(tǒng)BI進(jìn)行探討衣撬。

概念定義區(qū)分

若想?yún)^(qū)分兩者的不同，首先就從淺層面說起扮饶，即兩者的概念區(qū)分具练。

1 BI商業(yè)智能

BI（Business Intelligence）即商業(yè)智能，它是一套完整的解決方案甜无，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合扛点，快速準(zhǔn)確地提供報(bào)表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策岂丘，既可以是操作層的陵究，也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。

提到BI商業(yè)智能一定會(huì)提到數(shù)據(jù)倉庫奥帘，數(shù)據(jù)倉庫DW主要對(duì)多種業(yè)務(wù)數(shù)據(jù)進(jìn)行篩選和整合铜邮，是提供所有類型數(shù)據(jù)支持的戰(zhàn)略集合，可以用于數(shù)據(jù)決策分析、數(shù)據(jù)報(bào)表等場景松蒜。數(shù)據(jù)倉庫是BI商業(yè)智能重要的一環(huán)扔茅，有些BI產(chǎn)品中數(shù)據(jù)倉庫作為系統(tǒng)中的組件，用來支撐BI系統(tǒng)統(tǒng)一數(shù)據(jù)來源秸苗，存儲(chǔ)所有系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)召娜，簡化數(shù)據(jù)的查詢與組合。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析是指對(duì)規(guī)模巨大的數(shù)據(jù)進(jìn)行分析难述，從收集的海量數(shù)據(jù)中萤晴，通過算法將這些來自不同渠道、格式的數(shù)據(jù)進(jìn)行直接分析胁后，從中找到數(shù)據(jù)之間的相關(guān)性，大數(shù)據(jù)可以概括為4個(gè)V嗦枢， 數(shù)據(jù)量大(Volume)攀芯、速度快(Velocity)、類型多(Variety)文虏、價(jià)值（Value）侣诺。

提到大數(shù)據(jù)分析常會(huì)伴隨數(shù)據(jù)湖這一詞，數(shù)據(jù)湖是一個(gè)集中式存儲(chǔ)庫氧秘，用來集中存儲(chǔ)多來源（內(nèi)外部系統(tǒng)年鸳、機(jī)器、傳感器丸相、社交網(wǎng)絡(luò)）搔确、多類型（結(jié)構(gòu)化、非結(jié)構(gòu)化灭忠、半結(jié)構(gòu)化）的海量數(shù)據(jù)膳算。數(shù)據(jù)湖與大數(shù)據(jù)分析技術(shù)進(jìn)行良好融合，與大數(shù)據(jù)需要的Hadoop弛作、Hbase涕蜂、Spark、Storm等技術(shù)工具相互支撐映琳，實(shí)現(xiàn)包括數(shù)據(jù)采集机隙、處理、實(shí)時(shí)分析萨西、機(jī)器學(xué)習(xí)有鹿、配置展現(xiàn)等技術(shù)環(huán)節(jié)，以達(dá)到更好的決策分析原杂。

數(shù)據(jù)來源區(qū)分

BI商業(yè)智能與大數(shù)據(jù)分析的數(shù)據(jù)來源是不同側(cè)重的印颤，大數(shù)據(jù)分析的數(shù)據(jù)來源更廣，它不僅涵蓋BI所能獲取的數(shù)據(jù)來源穿肄，還具備BI不能或不擅長獲取的數(shù)據(jù)來源年局。

1 BI商業(yè)智能

BI商業(yè)智能分析的數(shù)據(jù)來源一般為企業(yè)內(nèi)部信息化系統(tǒng)中的數(shù)據(jù)际看，BI在其中的作用更多的是對(duì)這些數(shù)據(jù)的集成，從數(shù)據(jù)的抽取到轉(zhuǎn)換到裝載矢否，幫助企業(yè)實(shí)現(xiàn)內(nèi)部數(shù)據(jù)交換和使用仲闽，對(duì)數(shù)據(jù)進(jìn)行更好的運(yùn)用。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析的數(shù)據(jù)來源不僅是局限于企業(yè)內(nèi)部的信息化系統(tǒng)僵朗，還包括各種外部系統(tǒng)赖欣、機(jī)器設(shè)備、數(shù)據(jù)庫的數(shù)據(jù)验庙，如：政府顶吮、銀行、國計(jì)民生粪薛、行業(yè)產(chǎn)業(yè)悴了、社交網(wǎng)站等數(shù)據(jù)，其中數(shù)據(jù)結(jié)構(gòu)多樣化违寿，包括：結(jié)構(gòu)化數(shù)據(jù)湃交、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)藤巢。

技術(shù)運(yùn)用區(qū)分

在技術(shù)的運(yùn)用上搞莺，BI商業(yè)智能使用的是ETL、數(shù)倉掂咒、OLAP才沧、可視化報(bào)表等傳統(tǒng)技術(shù)。大數(shù)據(jù)分析采用的是Hadoop俏扩、流處理等解決海量數(shù)據(jù)（結(jié)構(gòu)化糜工、非結(jié)構(gòu)化）傳輸問題，同時(shí)結(jié)合Spark录淡、MPP捌木、HBase等技術(shù)方式來實(shí)現(xiàn)數(shù)據(jù)的挖掘、計(jì)算嫉戚、分析問題刨裆。

1 BI商業(yè)智能

隨著時(shí)代的變革與技術(shù)的迭代，相應(yīng)的彬檀，傳統(tǒng)BI在技術(shù)上也經(jīng)歷了多次優(yōu)化和變革帆啃，在數(shù)據(jù)處理的某些環(huán)節(jié)技術(shù)上已經(jīng)在向大數(shù)據(jù)分析技術(shù)靠攏，但由于其基因定位窍帝，始終未能形成一整套的技術(shù)體系努潘。BI的技術(shù)體系主要包括數(shù)據(jù)ETL的過程，數(shù)倉構(gòu)建、聯(lián)機(jī)分析處理的過程疯坤、數(shù)據(jù)配置展現(xiàn)的過程报慕。

1.1 數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是BI智能分析的基礎(chǔ)，數(shù)據(jù)倉庫能夠從大容量的業(yè)務(wù)處理型數(shù)據(jù)庫中抽取數(shù)據(jù)压怠，處理眠冈、轉(zhuǎn)換為新的存儲(chǔ)格式。這部分技術(shù)的實(shí)現(xiàn)重點(diǎn)就是ETL（抽取菌瘫、轉(zhuǎn)換蜗顽、裝載）的過程，滿足對(duì)數(shù)據(jù)挖掘的需求雨让，具體為從來自不同企業(yè)系統(tǒng)的關(guān)系數(shù)據(jù)雇盖、平面數(shù)據(jù)文件中提取出關(guān)鍵分析數(shù)據(jù)，之后經(jīng)過對(duì)各種業(yè)務(wù)數(shù)據(jù)的抽取和相關(guān)轉(zhuǎn)化栖忠，按照目標(biāo)需求轉(zhuǎn)化為相應(yīng)的格式挑围，來滿足數(shù)據(jù)倉庫或數(shù)據(jù)集成對(duì)數(shù)據(jù)格式和內(nèi)容挖掘的要求松申，隨著技術(shù)發(fā)展，很多BI產(chǎn)品支持離線使用cube 數(shù)據(jù)存儲(chǔ)围来，支持 cube 數(shù)據(jù)定時(shí)全量以及增量更新匾浪。

1.2 處理分析

在數(shù)據(jù)處理分析部分皇帮，BI商業(yè)智能通常采用OLAP聯(lián)機(jī)分析處理技術(shù)，OLAP是數(shù)據(jù)倉庫的主要應(yīng)用蛋辈，提供多維分析操作属拾，支持復(fù)雜分析操作的同時(shí)，直觀的為用戶展現(xiàn)分析結(jié)果冷溶。OLAP的基本多維分析操作有鉆冉グ住（roll up和drill down）、切片（slice）和切塊（dice）逞频、以及旋轉(zhuǎn)（pivot）等纯衍，而時(shí)間、產(chǎn)品苗胀、數(shù)量襟诸、地區(qū)、人員基协、利潤等都可以成為分析的維度歌亲，通過結(jié)合形成不同的分析指標(biāo)。市面上很多BI產(chǎn)品基于OLAP分析組件實(shí)現(xiàn)如：維度切換澜驮、指標(biāo)添加陷揪、數(shù)據(jù)預(yù)警、查詢分析等功能，使用戶從多個(gè)角度觀察數(shù)據(jù)悍缠，發(fā)現(xiàn)數(shù)據(jù)的利用價(jià)值卦绣。

1.3 配置展現(xiàn)

數(shù)據(jù)配置展現(xiàn)是BI商業(yè)智能產(chǎn)品的亮點(diǎn)，數(shù)據(jù)靈活配置扮休、可視化也是BI廠商技術(shù)實(shí)現(xiàn)及宣傳的重點(diǎn)迎卤，配置方面他們推崇構(gòu)建企業(yè)自己掌控的BI產(chǎn)品，用戶可以根據(jù)展現(xiàn)需求自定義配置分析指標(biāo)玷坠。展現(xiàn)方面蜗搔，為達(dá)到更好的展現(xiàn)效果和更容易理解數(shù)據(jù)，BI注重將數(shù)據(jù)搭配適合的展現(xiàn)方式八堡，記分卡樟凄、儀表盤等是較為常見的展現(xiàn)方式，同時(shí)用戶可以自由更改數(shù)據(jù)過濾條件兄渺、切換維度和指標(biāo)缝龄。隨著移動(dòng)時(shí)代到來，BI已經(jīng)支持移動(dòng)端與PC端一致的分析結(jié)果展示挂谍。

2 大數(shù)據(jù)分析

大數(shù)據(jù)分析技術(shù)相對(duì)于BI商業(yè)智能來說叔壤，不僅涵蓋BI商業(yè)智能具備的技術(shù)，還包括一整套對(duì)于海量數(shù)據(jù)采集口叙、處理炼绘、分析、展現(xiàn)的專用體系和工具妄田，大數(shù)據(jù)分析包括數(shù)據(jù)采集俺亮、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)匯聚疟呐、配置展現(xiàn)等過程脚曾。

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集作為大數(shù)據(jù)分析的首個(gè)環(huán)節(jié)，技術(shù)上使用機(jī)器采集和爬蟲工具來實(shí)現(xiàn)海量數(shù)據(jù)的采集启具，其中采集的數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)（應(yīng)用系統(tǒng)數(shù)據(jù)本讥、數(shù)據(jù)庫數(shù)據(jù)、各種結(jié)構(gòu)化文件富纸、消息隊(duì)列等）與非結(jié)構(gòu)化數(shù)據(jù)（網(wǎng)絡(luò)媒體囤踩、社交工具、機(jī)器設(shè)備晓褪、傳感器等）堵漱，采集數(shù)據(jù)后將這些數(shù)據(jù)整理、清洗涣仿、轉(zhuǎn)換后勤庐，生成到一個(gè)新的數(shù)據(jù)集示惊，為后續(xù)查詢和分析處理提供統(tǒng)一的數(shù)據(jù)視圖。在海量數(shù)據(jù)采集的過程中愉镰，通常數(shù)據(jù)的并發(fā)量會(huì)很大米罚，所以一般會(huì)在采集端部署許多數(shù)據(jù)庫來支撐不同類型的數(shù)據(jù)存儲(chǔ)。

2.2 數(shù)據(jù)存儲(chǔ)

大數(shù)據(jù)存儲(chǔ)是將采集后生成的數(shù)據(jù)集持久化到計(jì)算機(jī)中丈探，用于支撐數(shù)據(jù)的計(jì)算分析录择，而大數(shù)據(jù)的優(yōu)勢就是快速在海量數(shù)據(jù)中挖掘和預(yù)測相關(guān)信息，幫助業(yè)務(wù)人員做出關(guān)鍵性決策和風(fēng)險(xiǎn)防范碗降，所以大數(shù)據(jù)會(huì)采用高性能隘竭、高吞吐率、大容量的基礎(chǔ)設(shè)備來提供及時(shí)性或近及時(shí)性的數(shù)據(jù)供于分析讼渊，在大數(shù)據(jù)存儲(chǔ)部分动看，對(duì)于簡單的結(jié)構(gòu)化數(shù)據(jù)，采用關(guān)系數(shù)據(jù)庫即可實(shí)現(xiàn)爪幻，對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)菱皆，這就需要用到Hadoop、列存儲(chǔ)數(shù)據(jù)庫Cassandra挨稿、文檔數(shù)據(jù)庫MongoDB仇轻、圖數(shù)據(jù)庫Neo4j、K/V存儲(chǔ)Redis等奶甘。

2.3 處理分析

處理分析部分主要是從數(shù)據(jù)中分析及預(yù)測出有用的信息供企業(yè)決策分析使用拯田，包括對(duì)相關(guān)數(shù)據(jù)集的數(shù)據(jù)進(jìn)行排序、歸集甩十，執(zhí)行機(jī)器學(xué)習(xí)算法、實(shí)時(shí)流處理吭产、分析預(yù)測等侣监。處理分析部分基于Hadoop、Spark臣淤、Storm橄霉、Hive等計(jì)算框架以及數(shù)據(jù)庫及時(shí)，通過Hadoop提供海量數(shù)據(jù)存儲(chǔ)和分布式計(jì)算邑蒋，HBase 技術(shù)提供海量數(shù)據(jù)的高效發(fā)布姓蜂，圖計(jì)算支持針對(duì)圖的各種操作以及一些常用圖算法。

除了對(duì)數(shù)據(jù)的處理分析医吊，預(yù)測也是大數(shù)據(jù)算法應(yīng)用中的核心功能钱慢，通常會(huì)在大數(shù)據(jù)分析中預(yù)置一系列機(jī)器學(xué)習(xí)算法庫，構(gòu)建回歸卿堂、分類束莫、聚類懒棉、關(guān)聯(lián)規(guī)則挖掘、描述性統(tǒng)計(jì)等一系列的數(shù)據(jù)模型览绿，實(shí)現(xiàn)對(duì)當(dāng)前數(shù)據(jù)的深度挖掘策严、特征提取、行為分析饿敲、軌跡預(yù)測等妻导，也可以結(jié)合流計(jì)算對(duì)實(shí)時(shí)數(shù)據(jù)提供流式計(jì)算的能力，實(shí)現(xiàn)實(shí)時(shí)追蹤頁面的訪問統(tǒng)計(jì)怀各，訓(xùn)練機(jī)器學(xué)習(xí)模型倔韭，自動(dòng)化異常檢測等，最終通過Open API的形式提供相應(yīng)的服務(wù)渠啤，以供外部調(diào)用獲取相關(guān)數(shù)據(jù)狐肢，支撐企業(yè)對(duì)大數(shù)據(jù)分析成果及數(shù)據(jù)價(jià)值的有效利用。

2.4 配置展現(xiàn)

大數(shù)據(jù)分析配置展現(xiàn)部分主要用來展示不同分析算法處理后的結(jié)果沥曹，包括導(dǎo)航配置份名、菜單配置、頁面配置等妓美，配置后將計(jì)算匯總結(jié)果用一種友好界面或表格形式展現(xiàn)出來僵腺，分析形式多樣，包括：行列轉(zhuǎn)置壶栋、鉆取聯(lián)動(dòng)辰如，同時(shí)，在交互方式上針對(duì)用戶的操作方式贵试、習(xí)慣琉兜，模擬推算用戶的分析習(xí)慣，提供更友好毙玻、更具有針對(duì)性的交互服務(wù)豌蟋。數(shù)據(jù)展現(xiàn)部分相比傳統(tǒng)使用表格或文檔展現(xiàn)數(shù)據(jù)的方式，展現(xiàn)形式更具多樣化桑滩、豐富化梧疲，包括：餅圖、柱狀圖运准、折線圖幌氮、氣泡圖、面積圖胁澳、省份地圖该互、詞云、瀑布圖韭畸、漏斗圖等酷炫圖表慢洋，還包括自定義指標(biāo)塘雳、表單查詢等功能，展示頁面良好支撐PC端與移動(dòng)端的轉(zhuǎn)換普筹，并為企業(yè)建立數(shù)據(jù)戰(zhàn)略室败明，以數(shù)字大屏形式為企業(yè)展現(xiàn)數(shù)據(jù)。

業(yè)務(wù)場景區(qū)分

通過上述三點(diǎn)的區(qū)分不難看出太防，傳統(tǒng)BI關(guān)注的是企業(yè)過去與現(xiàn)在的業(yè)務(wù)妻顶、數(shù)據(jù)，從中歸納提取出數(shù)據(jù)間的共性蜒车、差異讳嘱，多數(shù)被應(yīng)用在企業(yè)內(nèi)部的經(jīng)營分析上，體現(xiàn)的是數(shù)據(jù)價(jià)值應(yīng)用的過程酿愧，及時(shí)掌握當(dāng)下組織的運(yùn)營現(xiàn)狀沥潭，做出科學(xué)的經(jīng)營決策。大數(shù)據(jù)分析不僅關(guān)注企業(yè)過去與現(xiàn)在的業(yè)務(wù)嬉挡、數(shù)據(jù)钝鸽，還偏重于數(shù)據(jù)價(jià)值的發(fā)展和獲取利用，在分析內(nèi)部運(yùn)營決策的同時(shí)庞钢，通過對(duì)海量數(shù)據(jù)的計(jì)算拔恰，分析出一定的規(guī)律，從而預(yù)測未來的行情趨勢基括、風(fēng)險(xiǎn)預(yù)警颜懊，之后不斷根據(jù)大量數(shù)據(jù)分析認(rèn)證事情的可靠程度，幫助企業(yè)個(gè)性化決策风皿，更注重企業(yè)的過去河爹、現(xiàn)在和未來的綜合管控。

1 BI商業(yè)智能

BI商業(yè)智能應(yīng)用場景更多圍繞企業(yè)內(nèi)部運(yùn)營數(shù)據(jù)的分析桐款，對(duì)現(xiàn)有系統(tǒng)數(shù)據(jù)進(jìn)行提取昌抠、整理，建立信息中心的同時(shí)生成各種分析報(bào)表鲁僚，基本上不會(huì)限定行業(yè)性，會(huì)根據(jù)企業(yè)業(yè)務(wù)不同劃分不同的分析結(jié)構(gòu)裁厅，常見的業(yè)務(wù)場景包括銷售分析冰沙、利潤分析、產(chǎn)品分析执虹、人員分析等拓挥。

1.1 銷售分析

銷售分析主要是幫助企業(yè)跟蹤銷售情況，通過對(duì)數(shù)據(jù)對(duì)比袋励、極值侥啤、預(yù)測的方式当叭，一方面幫助企業(yè)鑒別、留住有價(jià)值的客戶盖灸，另一方面分析各項(xiàng)銷售指標(biāo)蚁鳖，與KPI對(duì)比，幫助企業(yè)快速調(diào)整銷售策略赁炎。客戶分析方面醉箕，BI實(shí)現(xiàn)對(duì)企業(yè)內(nèi)部客戶的劃分、重點(diǎn)客戶與潛在客戶的比對(duì)徙垫；銷售指標(biāo)分析方面讥裤，實(shí)現(xiàn)如毛利、交叉比姻报、盈利能力己英、銷售額、周轉(zhuǎn)率吴旋、環(huán)比等指標(biāo)分析损肛。

1.2 利潤分析

利潤分析以企業(yè)每一月度/季度/年度的利潤情況為基礎(chǔ)，分析計(jì)算利潤增減幅度邮府，并將利潤與同期計(jì)劃相比荧关，查明利潤變動(dòng)原因，對(duì)應(yīng)修改相應(yīng)計(jì)劃褂傀，幫助企業(yè)擴(kuò)大市場占有率忍啤、增長利潤來源，包括：銷售（產(chǎn)品/項(xiàng)目/其它）利潤分析仙辟、營業(yè)外收支分析同波、成本變動(dòng)分析、稅率變動(dòng)分析叠国、價(jià)格變動(dòng)分析等未檩，從淺層次的統(tǒng)計(jì)分析結(jié)果為企業(yè)未來營銷發(fā)展方向提供深入支撐。

1.3 產(chǎn)品分析

產(chǎn)品分析部分主要是對(duì)產(chǎn)品的進(jìn)銷存情況進(jìn)行管理與統(tǒng)計(jì)分析粟焊，分析指標(biāo)或主題包括：庫存率冤狡、產(chǎn)量、暢銷產(chǎn)品/滯銷產(chǎn)品統(tǒng)計(jì)项棠、產(chǎn)品淘汰率悲雳、產(chǎn)品引進(jìn)率、產(chǎn)品置換率香追、折扣率合瓢、動(dòng)銷率、周轉(zhuǎn)率等透典。根據(jù)這些統(tǒng)計(jì)內(nèi)容意在減少企業(yè)產(chǎn)品滯銷晴楔、庫存量大周轉(zhuǎn)資金低顿苇、進(jìn)銷存不合理、銷售滯后等現(xiàn)象税弃，繼而輔助企業(yè)對(duì)產(chǎn)品結(jié)構(gòu)進(jìn)行調(diào)整纪岁，產(chǎn)品與戰(zhàn)略合理配置。

1.4 人員分析

人員分析部分主要幫助企業(yè)合理利用钙皮、調(diào)配人力資源蜂科，對(duì)員工業(yè)績進(jìn)行考核、監(jiān)督短条，避免人力成本浪費(fèi)导匣，提升企業(yè)對(duì)人員管理的有效性。人員分析主題包括：員工人員構(gòu)成茸时、員工人均成本贡定、人均銷售額、毛利貢獻(xiàn)可都、人均產(chǎn)量缓待、引進(jìn)商品銷量情況等。

2 大數(shù)據(jù)分析

大數(shù)據(jù)不僅包括企業(yè)內(nèi)部應(yīng)用系統(tǒng)的數(shù)據(jù)分析渠牲，還包括與行業(yè)旋炒、產(chǎn)業(yè)的深度融合，雖然大數(shù)據(jù)分析技術(shù)并沒有完全普及签杈，但在一些行業(yè)內(nèi)已經(jīng)開始并較有成效的被使用瘫镇，大數(shù)據(jù)分析的應(yīng)用場景具有行業(yè)性，不同行業(yè)所呈現(xiàn)的內(nèi)容與分析維度各不相同答姥，具體場景包括：互聯(lián)網(wǎng)行業(yè)铣除、政府行業(yè)、金融行業(yè)鹦付、傳統(tǒng)企業(yè)中的地產(chǎn)尚粘、醫(yī)療、能源行業(yè)等敲长。

2.1 互聯(lián)網(wǎng)行業(yè)

互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)的應(yīng)用代表為電商郎嫁、社交、網(wǎng)絡(luò)檢索領(lǐng)域祈噪，此類場景都有一個(gè)共性泽铛，就是具備先天的數(shù)據(jù)優(yōu)勢，可以更好的支撐大數(shù)據(jù)分析平臺(tái)的建設(shè)钳降，電商行業(yè)可以根據(jù)銷售數(shù)據(jù)、客戶行為（活躍度腌巾、商品偏好遂填、購買率等）數(shù)據(jù)铲觉、交易數(shù)據(jù)、商品收藏?cái)?shù)據(jù)吓坚、售后數(shù)據(jù)等刻畫用戶畫像撵幽，根據(jù)客戶的喜好為其推薦對(duì)應(yīng)的產(chǎn)品，幫助制定營銷策略礁击，優(yōu)化當(dāng)前問題盐杂；社交數(shù)據(jù)可以幫助潛在客戶更加了解關(guān)系的資訊或服務(wù)，為商家?guī)硪鞫吡凰阉饕媾c上述同理链烈，根據(jù)用戶的搜索習(xí)慣，對(duì)于用戶進(jìn)行關(guān)鍵詞和信息推薦挚躯，對(duì)于利益方面可以成為獲取收益的渠道强衡，以精準(zhǔn)廣告投放的方式進(jìn)行產(chǎn)品營銷。

2.2 政府行業(yè)

政府行業(yè)在大數(shù)據(jù)分析部分也具有先天數(shù)據(jù)優(yōu)勢码荔，可以獲取多種渠道的數(shù)據(jù)漩勤，包括質(zhì)檢部門、公安部門缩搅、氣象部門越败、醫(yī)療部門等，質(zhì)檢部門包括對(duì)商品生產(chǎn)硼瓣、加工究飞、物流、貿(mào)易巨双、消費(fèi)全過程的信息進(jìn)行采集噪猾、驗(yàn)證、檢查筑累，保證食品物品安全袱蜡；公安部門通過對(duì)各個(gè)機(jī)器設(shè)備的人臉識(shí)別、圖像采集等技術(shù)慢宗，利用這些數(shù)據(jù)坪蚁，進(jìn)行嫌犯追蹤或風(fēng)險(xiǎn)管控；通過大數(shù)據(jù)镜沽，采集分析氣象歷史數(shù)據(jù)敏晤、星云圖變化歷史數(shù)據(jù)，通過構(gòu)建大氣運(yùn)動(dòng)規(guī)律評(píng)估模型缅茉、氣象變化關(guān)聯(lián)性分析等路徑嘴脾，精準(zhǔn)地預(yù)測氣象變化，尋找最佳的解決方案，規(guī)劃應(yīng)急译打、救災(zāi)工作耗拓。

2.3 金融行業(yè)

金融行業(yè)也是大數(shù)據(jù)分析的重點(diǎn)應(yīng)用行業(yè)，金融行業(yè)的大數(shù)據(jù)分析多應(yīng)用于銀行奏司、證券乔询、保險(xiǎn)等細(xì)分領(lǐng)域，在大數(shù)據(jù)分析方面銀行會(huì)結(jié)合多種渠道數(shù)據(jù)進(jìn)行分析韵洋，客戶在社交媒體上的行為數(shù)據(jù)竿刁、在網(wǎng)站上消費(fèi)的交易數(shù)據(jù)、客戶辦理業(yè)務(wù)的預(yù)留數(shù)據(jù)搪缨，結(jié)合客戶年齡食拜、資產(chǎn)規(guī)模、消費(fèi)偏好等對(duì)客戶群進(jìn)行精準(zhǔn)定位勉吻，分析其在金融業(yè)的需求监婶，反向?qū)ο村X、詐騙等行為進(jìn)行預(yù)測分析齿桃；對(duì)于保險(xiǎn)行業(yè)則根據(jù)用戶信息細(xì)分進(jìn)行精準(zhǔn)化營銷惑惶、欺詐行為分析及預(yù)測、精細(xì)化運(yùn)營等短纵；證券行業(yè)則利用大數(shù)據(jù)分析進(jìn)行估價(jià)預(yù)測带污、客戶關(guān)系維護(hù)與管理、流失客戶預(yù)測香到、投資景氣分析等鱼冀。

2.4 傳統(tǒng)企業(yè)

傳統(tǒng)行業(yè)對(duì)于大數(shù)據(jù)分析的構(gòu)建要比前三點(diǎn)提到的行業(yè)漫長一些，很難一步做到內(nèi)外部數(shù)據(jù)聯(lián)合分析悠就，通常都是由內(nèi)向外的一個(gè)過程千绪，常見的行業(yè)包括：能源、電信梗脾、地產(chǎn)荸型、零售、制造等炸茧。電信行業(yè)借助大數(shù)據(jù)應(yīng)用分析傳感器數(shù)據(jù)異常情況瑞妇，預(yù)測設(shè)備故障，提高用戶滿意度梭冠；能源行業(yè)利用大數(shù)據(jù)分析挖掘客戶行為特征辕狰、消費(fèi)規(guī)律，提高能源需求準(zhǔn)確性控漠；地產(chǎn)行業(yè)通過內(nèi)外部數(shù)據(jù)的挖掘分析蔓倍，使管理者掌握和了解房地產(chǎn)行業(yè)潛在的市場需求，掌握商情和動(dòng)態(tài)，針對(duì)細(xì)分市場實(shí)施動(dòng)態(tài)定價(jià)和差別定價(jià)等偶翅；制造行業(yè)通過大數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備預(yù)測維護(hù)他去、優(yōu)化生產(chǎn)流程、能源消耗管控倒堕、發(fā)現(xiàn)潛在問題并及時(shí)預(yù)警等。

個(gè)人見解分析

當(dāng)下很多BI廠商宣稱其BI系統(tǒng)就是大數(shù)據(jù)分析類產(chǎn)品爆价，可以實(shí)現(xiàn)大數(shù)據(jù)平臺(tái)的功能垦巴，滿足企業(yè)決策分析需求。實(shí)際上铭段，企業(yè)對(duì)BI系統(tǒng)的使用量的確大于對(duì)大數(shù)據(jù)分析平臺(tái)的使用量骤宣，筆者也不止一次思考大數(shù)據(jù)是否真的可以取代傳統(tǒng)BI產(chǎn)品，最終我的答案是：大數(shù)據(jù)分析平臺(tái)與傳統(tǒng)BI會(huì)以相互配合序愚、協(xié)作的關(guān)系共存憔披。

雖然大數(shù)據(jù)分析平臺(tái)在技術(shù)上可以替代BI系統(tǒng)，但兩者都是構(gòu)建企業(yè)數(shù)據(jù)資產(chǎn)的一部分爸吮，一定程度上可以做到相輔相成芬膝，傳統(tǒng)BI系統(tǒng)實(shí)現(xiàn)企業(yè)內(nèi)部系統(tǒng)運(yùn)營數(shù)據(jù)的有效利用，滿足對(duì)業(yè)務(wù)數(shù)據(jù)的歸納與分析形娇，發(fā)現(xiàn)企業(yè)經(jīng)營問題锰霜；大數(shù)據(jù)分析平臺(tái)實(shí)現(xiàn)企業(yè)內(nèi)部外數(shù)據(jù)的結(jié)合，行/產(chǎn)業(yè)間上下游的聯(lián)動(dòng)桐早，為企業(yè)戰(zhàn)略癣缅、規(guī)劃、政策哄酝、目標(biāo)等大方針制定友存、監(jiān)督和執(zhí)行提供支撐。很多時(shí)候應(yīng)該理性看待兩者的關(guān)系陶衅，合理利用兩種工具屡立，為自身創(chuàng)造更多的價(jià)值。

1 走出觀念誤區(qū)

若想合理利用兩種工具万哪，首先需要走出對(duì)大數(shù)據(jù)分析與BI在理念上侠驯、功能上的觀念誤區(qū)，明確兩者當(dāng)前的技術(shù)發(fā)展趨勢奕巍。起初BI更強(qiáng)調(diào)以美吟策、炫酷、自主配置的止、構(gòu)建企業(yè)DIY商業(yè)智能平臺(tái)為主檩坚，數(shù)據(jù)管理分析部分做的較弱，當(dāng)時(shí)構(gòu)建BI的企業(yè)多數(shù)是希望借此突出其政績工程，而沒有真正實(shí)現(xiàn)數(shù)據(jù)決策匾委。如今BI系統(tǒng)在技術(shù)上已進(jìn)行了升級(jí)拖叙，更加重視數(shù)據(jù)治理（主數(shù)據(jù)、元數(shù)據(jù)）赂乐、數(shù)據(jù)整合等技術(shù)的支撐薯鳍，經(jīng)過改變，一些BI系統(tǒng)已經(jīng)具備簡單的數(shù)據(jù)關(guān)聯(lián)挨措、大數(shù)據(jù)引擎挖滤、數(shù)據(jù)挖掘等功能，真正實(shí)現(xiàn)企業(yè)經(jīng)營成果分析浅役。

大數(shù)據(jù)分析受到BI的宣傳影響斩松，讓很多人誤認(rèn)為大數(shù)據(jù)分析也只是注重可視化部分，事實(shí)上觉既，可視化只是其技術(shù)中很小的一部分惧盹，大數(shù)據(jù)同樣支持鉆取、即席分析等操作瞪讼，展示層面也具備儀表盤钧椰、數(shù)字大屏等效果。對(duì)于大數(shù)據(jù)分析真正的價(jià)值是對(duì)海量數(shù)據(jù)的采集符欠、存儲(chǔ)演侯、計(jì)算、配置背亥、展現(xiàn)等一系列過程秒际，通過數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)挖掘狡汉、在線分析處理娄徊、機(jī)器學(xué)習(xí)等手段，在日積月累的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律盾戴，預(yù)測未來行業(yè)趨勢寄锐、預(yù)警風(fēng)險(xiǎn)，以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)尖啡、針對(duì)性調(diào)整優(yōu)化業(yè)務(wù)橄仆，以獲得商業(yè)利益。

2 業(yè)務(wù)管理驅(qū)動(dòng)

從業(yè)務(wù)角度來看衅斩，每個(gè)企業(yè)管理都會(huì)圍繞三點(diǎn)進(jìn)行盆顾，分別為經(jīng)營管理（市場營銷管理、產(chǎn)品體系管理畏梆、價(jià)格管理您宪、財(cái)務(wù)管理）奈懒、團(tuán)隊(duì)管理（團(tuán)隊(duì)建設(shè)、部門管理宪巨、制度管理磷杏、成本管理）、可持續(xù)發(fā)展管理（戰(zhàn)略管理捏卓、手段管理极祸、創(chuàng)新管理、風(fēng)險(xiǎn)管理）怠晴。初期贿肩，企業(yè)核心需求為對(duì)人、財(cái)龄寞、物、產(chǎn)汤功、供物邑、銷的管理，這時(shí)除了必要的信息化系統(tǒng)之外滔金，還需要有效利用系統(tǒng)中產(chǎn)生的數(shù)據(jù)進(jìn)行決策分析色解，而BI就是有效實(shí)現(xiàn)企業(yè)內(nèi)部數(shù)據(jù)運(yùn)用與分析的最佳手段。

企業(yè)若想持續(xù)發(fā)展壯大餐茵，必須具備可持續(xù)發(fā)展科阎、防范風(fēng)險(xiǎn)、預(yù)測未來的能力忿族，這就意味著企業(yè)間真正拼的不在是內(nèi)部運(yùn)營現(xiàn)狀的調(diào)整與分析锣笨，而是如何有效利用起內(nèi)外部數(shù)據(jù)資源，達(dá)到企業(yè)內(nèi)部與行業(yè)產(chǎn)業(yè)的上下聯(lián)動(dòng)道批，做到信息內(nèi)外皆知错英，在千篇一律的經(jīng)營模式下掌握客戶所求，出奇制勝隆豹；在風(fēng)雨難測的市場環(huán)境下快速調(diào)整業(yè)務(wù)椭岩，推陳出新；在看似平穩(wěn)的發(fā)展趨勢下有效規(guī)避風(fēng)險(xiǎn)璃赡，掌控未來判哥。這些需求大數(shù)據(jù)平臺(tái)都可以幫助企業(yè)有效的實(shí)現(xiàn)，平臺(tái)之下融合BI系統(tǒng)碉考，共同打造內(nèi)外部一體化決策塌计。

3 技術(shù)發(fā)展助推

企業(yè)對(duì)于BI系統(tǒng)與大數(shù)據(jù)平臺(tái)的選擇不應(yīng)該是根據(jù)當(dāng)下潮流決定的，而是根據(jù)企業(yè)信息化建設(shè)基礎(chǔ)和業(yè)務(wù)發(fā)展?fàn)顩r決定的侯谁，兩者缺一不可夺荒，并相互制約瞒渠。從信息化建設(shè)角度講，兩者建設(shè)順序與業(yè)務(wù)發(fā)展情況相同技扼，BI系統(tǒng)會(huì)優(yōu)先于大數(shù)據(jù)平臺(tái)伍玖。伴隨著系統(tǒng)的快速構(gòu)建，數(shù)據(jù)問題也隨之出現(xiàn)剿吻，系統(tǒng)已不能再為企業(yè)帶來絕對(duì)的競爭優(yōu)勢窍箍，數(shù)據(jù)治理分析理念興起，在企業(yè)還不具備大規(guī)模數(shù)據(jù)的階段丽旅，通常會(huì)在系統(tǒng)整合與數(shù)據(jù)治理之后會(huì)選擇構(gòu)建BI系統(tǒng)椰棘，實(shí)現(xiàn)初步?jīng)Q策分析。

信息化建設(shè)對(duì)于企業(yè)來講是一個(gè)漫長的過程榄笙，需要不斷去完善邪狞、深化，并呈現(xiàn)出上升趨勢茅撞，數(shù)據(jù)時(shí)代帶來數(shù)據(jù)量大幅度增長帆卓，數(shù)據(jù)中具備許多高價(jià)值的情報(bào)待發(fā)掘，過程中促使利用大數(shù)據(jù)的技術(shù)米丘、架構(gòu)剑令、工具產(chǎn)生，如物聯(lián)網(wǎng)拄查、人工智能吁津、Hadoop、Spark等堕扶，還包括近期較火的上云計(jì)劃碍脏，將大數(shù)據(jù)分析平臺(tái)基于云上部署，減少企業(yè)運(yùn)營和技術(shù)的維護(hù)成本的同時(shí)稍算，做到性能更加優(yōu)化潮酒，以上的種種都加速了企業(yè)邁向大數(shù)據(jù)分析的步伐，達(dá)到對(duì)前期BI數(shù)據(jù)決策分析的一種更深化邪蛔、穩(wěn)定急黎、有效的傳承。

綜上所述侧到，大數(shù)據(jù)相對(duì)于傳統(tǒng)BI產(chǎn)品勃教，不只是所謂的升級(jí)關(guān)系，而是在相互協(xié)作中匠抗，從理念故源、技術(shù)、架構(gòu)汞贸、工具上進(jìn)行了一定的顛覆绳军，無論企業(yè)當(dāng)前如何發(fā)展印机，未來終將會(huì)走到數(shù)據(jù)驅(qū)動(dòng)時(shí)代。然而對(duì)于當(dāng)下沒有構(gòu)建大數(shù)據(jù)分析平臺(tái)的企業(yè)來說门驾，也不必著急射赛，順應(yīng)大勢固然重要，但在建設(shè)過程中打好基礎(chǔ)更重要奶是，要明確做好大數(shù)據(jù)平臺(tái)的前提是應(yīng)用集成楣责、數(shù)據(jù)治理，做到基礎(chǔ)優(yōu)先聂沙，過程穩(wěn)扎穩(wěn)打秆麸，根據(jù)業(yè)務(wù)現(xiàn)狀、信息化實(shí)情及汉、順勢而為即可沮趣。