對(duì)于BI、大數(shù)據(jù)和AI之間的關(guān)系，可以理解為，大數(shù)據(jù)是AI場(chǎng)景應(yīng)用的重要基礎(chǔ)，而AI是大數(shù)據(jù)的應(yīng)用的重要領(lǐng)域。

近年，隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷深入，以及對(duì)智能化場(chǎng)景應(yīng)用需求的日趨迫切，使得企業(yè)對(duì)大數(shù)據(jù)、人工智能、BI等技術(shù)越來(lái)越關(guān)注。這使得企業(yè)在數(shù)據(jù)應(yīng)用實(shí)踐中面臨一個(gè)問(wèn)題，到底是選擇大數(shù)據(jù)還是BI？這是其實(shí)是兩者實(shí)際上時(shí)相互依賴，相互滲透遞進(jìn)的。

什么是商業(yè)智能？

商業(yè)智能，英文是Business Intelligence，縮寫B(tài)I，是用來(lái)幫助企業(yè)更好地利用數(shù)據(jù)提高決策質(zhì)量的技術(shù)集合，是從大量的數(shù)據(jù)中鉆取信息與知識(shí)的過(guò)程。對(duì)于概念大家可能一知半解。如什么叫高質(zhì)量決策的技術(shù)集合？什么叫鉆取信息與知識(shí)？對(duì)于完全沒(méi)有基礎(chǔ)的人是很難理解？下面就從到一個(gè)餐廳點(diǎn)單開(kāi)始說(shuō)起。

餐廳點(diǎn)單的時(shí)候，顧客點(diǎn)了一份水煮魚片，這是一個(gè)需求。有了這個(gè)需求，餐廳就得照單備菜，這就需要我們把原材料準(zhǔn)備好，比如草魚或青魚、配菜如豆芽和千張等，備好的菜統(tǒng)一放置到菜架，廚師就可以直接炒菜了。

對(duì)應(yīng)BI，客戶點(diǎn)菜等同于企業(yè)提出一個(gè)業(yè)務(wù)需求，比如管理者要查看過(guò)去一周全國(guó)的銷售數(shù)據(jù)，備菜過(guò)程就相當(dāng)于我們要準(zhǔn)備一張報(bào)表，這張報(bào)表要按照需求準(zhǔn)備相關(guān)數(shù)據(jù)，比如銷售總數(shù)據(jù)、子產(chǎn)品數(shù)據(jù)以及相關(guān)的銷售人員數(shù)據(jù)等。同樣的，這些備好數(shù)據(jù)從各種數(shù)據(jù)源抽取后放到“數(shù)據(jù)倉(cāng)庫(kù)”，報(bào)表開(kāi)發(fā)人員可以從里面直接找到數(shù)據(jù)制作報(bào)表。

當(dāng)然，這只是一個(gè)簡(jiǎn)單的流程，真正的過(guò)程還涉及很多步驟。比如下鍋炒菜之前，你不能直接把魚丟盡鍋里，你還得給魚開(kāi)膛破腹，把內(nèi)臟取出并進(jìn)行清洗，還要按照客戶的需求，將魚切成一片片的，這是一個(gè)把源材料變成一個(gè)真正可用可下鍋的一個(gè)過(guò)程。對(duì)BI而言，這個(gè)過(guò)程就是ETL——Extract抽取，把魚拿出來(lái)；Transformation轉(zhuǎn)換，把魚變成魚片，完成清洗和轉(zhuǎn)換工作；Loading加載，把洗凈的魚片放到菜架以供隨時(shí)下鍋。

數(shù)據(jù)的準(zhǔn)備過(guò)程和菜品原材料的清洗過(guò)程是一樣的道理，數(shù)據(jù)是存放在一些數(shù)據(jù)表中，但是并不是所有的數(shù)據(jù)都需要抽取出來(lái)，只有需要用到的數(shù)據(jù)才會(huì)被抽?。‥xtract）；涉及到一些數(shù)據(jù)需要去重、合并計(jì)算、格式轉(zhuǎn)換等都屬于Transformation階段；Loading，最后把數(shù)據(jù)統(tǒng)一加載到數(shù)據(jù)倉(cāng)庫(kù)Data Warehouse，數(shù)據(jù)倉(cāng)庫(kù)中有一組表。

源數(shù)據(jù)的采集和加載也是同樣的道理，數(shù)據(jù)可能是來(lái)自外部系統(tǒng)，也可能來(lái)自內(nèi)部的不同業(yè)務(wù)系統(tǒng)，比如CRM、ERP，也有來(lái)自業(yè)務(wù)人員的EXCEL表格，這些統(tǒng)稱為Data Source數(shù)據(jù)源。

亦策觀數(shù)臺(tái)幾乎可以連接任何數(shù)據(jù)源，包括基于文件的源，特定于應(yīng)用程序的源以及大數(shù)據(jù)源。無(wú)需事先對(duì)其進(jìn)行完全建模或預(yù)先聚合數(shù)據(jù)。觀數(shù)臺(tái)自助數(shù)據(jù)準(zhǔn)備工具，為復(fù)雜的場(chǎng)景提供強(qiáng)大的數(shù)據(jù)集成腳本。這些數(shù)據(jù)準(zhǔn)備功能有助于公開(kāi)數(shù)據(jù)區(qū)域和可能存在問(wèn)題的業(yè)務(wù)，可以創(chuàng)建價(jià)值而無(wú)需外部工具或數(shù)據(jù)倉(cāng)庫(kù)。

這些數(shù)據(jù)通過(guò)ETL工具原封不動(dòng)的抽取到一個(gè)叫做ODS或者STAGING的數(shù)據(jù)庫(kù)先存放起來(lái)，就類似于把菜買回來(lái)先放到廚房，先放起來(lái)。后面才有數(shù)據(jù)的清洗、整理，完畢之后才放到數(shù)據(jù)倉(cāng)庫(kù)，在之后就是制作報(bào)表的過(guò)程。

在亦策觀數(shù)臺(tái)中，ODS數(shù)據(jù)庫(kù)作為業(yè)務(wù)系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)之間的一個(gè)隔離層，用于存放從業(yè)務(wù)系統(tǒng)直接抽取出來(lái)的數(shù)據(jù)。一方面ODS數(shù)據(jù)庫(kù)使數(shù)據(jù)從粒度、組織方式等各個(gè)方面都保持與業(yè)務(wù)系統(tǒng)一致，原來(lái)由業(yè)務(wù)系統(tǒng)產(chǎn)生的報(bào)表、細(xì)節(jié)數(shù)據(jù)的查詢自然能夠從ODS中進(jìn)行，降低對(duì)業(yè)務(wù)系統(tǒng)的查詢壓力。另一方面數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)的數(shù)據(jù)都是匯總過(guò)的數(shù)據(jù)，并不存儲(chǔ)每筆交易產(chǎn)生的細(xì)節(jié)數(shù)據(jù)，在某些特殊的應(yīng)用中，可能需要對(duì)交易細(xì)節(jié)數(shù)據(jù)進(jìn)行查詢，這時(shí)就需要把細(xì)節(jié)數(shù)據(jù)查詢的功能轉(zhuǎn)移到ODS來(lái)完成，ODS的數(shù)據(jù)模型按照面向主題的方式進(jìn)行存儲(chǔ)，可以方便地支持多維分析等查詢功能。

大數(shù)據(jù)不是BI的簡(jiǎn)單升級(jí)

隨著大數(shù)據(jù)、AI等技術(shù)快速發(fā)展，以及大數(shù)據(jù)應(yīng)用在行業(yè)的落地，企業(yè)對(duì)BI和大數(shù)據(jù)的選擇陷入到一個(gè)“非此即彼”的思維。專業(yè)人士告訴你，不必如此。

雖然大數(shù)據(jù)與BI是兩種不同概念和工具，但卻是社會(huì)發(fā)展到不同階段的產(chǎn)物，大數(shù)據(jù)對(duì)于BI，既有傳承，也有發(fā)展。大數(shù)據(jù)和AI在落地應(yīng)用的過(guò)程中需要一系列產(chǎn)品作為技術(shù)承載體，而B(niǎo)I就是一個(gè)比較理想的承載體。BI可以看成是技術(shù)與業(yè)務(wù)結(jié)合的橋梁。當(dāng)前企業(yè)在進(jìn)行人工智能改造過(guò)程中并不能馬上脫離原有的信息化體系，既如此，就必須借助于BI來(lái)完成智能化過(guò)渡。

從思想角度上來(lái)看，大數(shù)據(jù)和BI都是遵循“數(shù)據(jù)-信息-知識(shí)-智慧”的發(fā)展過(guò)程，兩者的區(qū)別在于以下幾點(diǎn)：

第一，數(shù)據(jù)來(lái)源。BI的數(shù)據(jù)來(lái)源一般為企業(yè)內(nèi)部信息化系統(tǒng)中的數(shù)據(jù)，大數(shù)據(jù)的數(shù)據(jù)來(lái)源不僅包含企業(yè)內(nèi)部的信息化系統(tǒng)的數(shù)據(jù)，還包括各種外部系統(tǒng)、機(jī)器設(shè)備、數(shù)據(jù)庫(kù)的數(shù)據(jù)。大數(shù)據(jù)的數(shù)據(jù)來(lái)源更廣泛，而且數(shù)據(jù)更多的來(lái)自于云端，可無(wú)限擴(kuò)展。

第二，發(fā)展方向。對(duì)企業(yè)來(lái)說(shuō)，BI是一種管理和思維方式的轉(zhuǎn)變，對(duì)企業(yè)內(nèi)部數(shù)據(jù)進(jìn)行分析，支撐企業(yè)運(yùn)營(yíng)與決策，從傳統(tǒng)商業(yè)模式走向商業(yè)智能。大數(shù)據(jù)除了解決企業(yè)業(yè)務(wù)問(wèn)題，還包括與行業(yè)、產(chǎn)業(yè)的深度融合，不同行業(yè)所呈現(xiàn)的內(nèi)容與分析維度各不相同，是用全新的數(shù)據(jù)技術(shù)手段來(lái)拓展和優(yōu)化企業(yè)業(yè)務(wù)。

第三，技術(shù)標(biāo)簽。BI的技術(shù)標(biāo)簽包括ETL、數(shù)據(jù)倉(cāng)庫(kù)、OLAP、可視化報(bào)表。大數(shù)據(jù)的技術(shù)標(biāo)簽則包括Hadoop、MPP、HDFS、MapReduce、流處理等。隨著時(shí)代的變革與技術(shù)的迭代，BI經(jīng)歷了多次優(yōu)化和變革，新型BI被賦予更多“大數(shù)據(jù)”潛能，既滿足海量實(shí)時(shí)數(shù)據(jù)分析，也滿足決策型的業(yè)務(wù)分析。

目前廠商推出一站式大數(shù)據(jù)分析平臺(tái)，基本上都是大數(shù)據(jù)與BI相結(jié)合的產(chǎn)物，既解決了大數(shù)據(jù)和BI之間如何取舍的問(wèn)題，還融入了AI增強(qiáng)功能。比如亦策觀數(shù)臺(tái)就是新一代增強(qiáng)智能協(xié)同BI平臺(tái)，不僅全面支持中文自然語(yǔ)言查詢，還能讓用戶在所有可視化、圖表、圖形和其他對(duì)象中進(jìn)行選擇，并可以使用全局搜索來(lái)表現(xiàn)數(shù)據(jù)、關(guān)聯(lián)和分析。

因此，對(duì)于BI、大數(shù)據(jù)和AI之間的關(guān)系，可以理解為，大數(shù)據(jù)是AI場(chǎng)景應(yīng)用的重要基礎(chǔ)，而AI是大數(shù)據(jù)的應(yīng)用的重要領(lǐng)域。大數(shù)據(jù)的重要價(jià)值體現(xiàn)：一是人工智能產(chǎn)品，為智能體提供的數(shù)據(jù)量越大，智能體運(yùn)行的效果就會(huì)越好，因?yàn)橹悄荏w通常需要大量的數(shù)據(jù)進(jìn)行“訓(xùn)練”和“驗(yàn)證”，從而保障運(yùn)行的可靠性和穩(wěn)定性。二是人工智能需要大量的數(shù)據(jù)作為“思考”和“決策”的基礎(chǔ)，另一方面大數(shù)據(jù)也需要人工智能技術(shù)進(jìn)行數(shù)據(jù)價(jià)值化操作，比如機(jī)器學(xué)習(xí)就是數(shù)據(jù)分析的常用方式。