BI和报表等于数据分析?终于有人讲清楚了它们的区别

0 评论 14771 浏览 30 收藏 10 分钟

编辑导语:提到BI,大家可能会认为它主要应用于数据分析和可视化一侧,然而它的作用远不止如此。在本篇文章中,作者为我们分别介绍了报表式BI、传统式BI、自助式BI,并且在文末,为我们对商业智能和数据分析这两个容易混淆的概念进行了区分。

调研发现,很多人对BI的理解侧重于数据的分析和展示,BI更多地被等同于数据分析与数据可视化。因此在大多数企业中,BI更多地是指分析和前端展示工具,而不是一个完整的体系。

《商业智能白皮书》对商业智能BI工具的定义:以数据可视化和分析技术为主,具备一定的数据连接和处理能力的软件工具,使用者能通过可视化的界面快速制作多种类型的数据报表、图形图表。

按照技术发展和对用户需求的响应,当前BI工具可以分为报表式BI、传统式BI和自助式BI三类。

一、报表式BI

报表式 BI 工具主要面向企业信息部 IT人员,适用于各类固定样式的报表设计,通常用来呈现业务的明细数据和指标汇总,支持的数据量相对不大。

国内的报表式 BI 于1999 年左右开始起步,在 2013 年趋于成熟。

由于国内企业对于报表的格式自成一派,很多国外的报表工具在制作报表样式时,图形格式交互上都磨合困难,且一些表格的业务逻辑和国外不同。

所以解决中国式复杂报表经常成为企业选型的重点需求,当下,国内报表工具以帆软FineReport等代表已成主流。

报表式BI大多都采用类Excel的设计模式,虽然主要面向的对象是IT部门,但是业务人员也能快速学习和掌握,并在既定的数据权限范围内,制作一些基本的数据报表和驾驶舱报表。

例如FineReport自主研发的HTML5图表,可以满足不同人群的视觉展示需求,也可以进行一些简单的即席分析操作,如图表类型的切换、排序、过滤等。

代表工具:FineReport

BI和报表等于数据分析?终于有人讲清楚了它们的区别

二、传统式BI

传统式BI同样面向IT人员,随着数据仓库技术发展而来,相比于报表BI,更侧重于OLAP即席分析与数据可视化分析。

传统式 BI以Cognos等国外产品为代表,其优势是在大数据量上的性能和稳定性,劣势也十分明显:数据分析的能力和对业务的响应速度差些。

如今使用传统式BI的企业或机构中,83%以上的数据分析需求无法得到满足,很多企业重金打造的BI系统几乎成了摆设,收效甚微。

此外,因其架构重,项目耗资不菲、实施周期极长、项目风险大、对人才要求高等特征,也不利于传统BI的推广和普及。

代表工具:cognos

BI和报表等于数据分析?终于有人讲清楚了它们的区别

三、自助式BI

由于传统式BI的缺陷屡遭诟病,以及业务人员数据分析需求的增长,自助式 BI 开始快速成长起来。自助式BI面向业务人员,追求业务与IT的高效配合,让IT人员回归技术本位,做好数据底层支撑。

让业务人员回归价值本位,通过简单易用的前端分析工具,基于业务理解轻松地开展自助式分析,探索数据价值,实现数据驱动业务发展。

2014 年起,自助式BI工具迎来了高速发展,可视化数据分析、Self-BI在国内市场集中出现,传统式BI开始衰退。需要注意的是,自助式BI也有其适用范围,企业在选择时应综合考虑自身需求与自助式BI的特征。

自助式BI主要有以下几项优势:

1. 数据量的灵活性

尽管传统BI工具具备较好的大数据量处理性能,但是在一些数据量较小的企业就显得笨重,拥有更简单的思路却不能使用更简单的处理方式。

自助式BI则更加灵活,其具备大数据量处理能力,在面对小数据量时,分析更为轻松。

2. 产品采购的成本下降

采购传统BI工具的成本偏高,还有一些额外的培训、服务咨询成本。自助式BI产品工具只着重解决某些问题,不一定需要大而全。

3. 项目周期缩短、人力成本降低

以前项目周期主要消耗在ETL处理和数据仓库建模、性能优化等方面。如今,建模的要求不再那么高,性能优化在大多数场景下也不再是问题。项目周期从以前的按月或年为单位快速地减少到按天、周、月为单位。

4. IT 驱动逐步走向业务驱动

IT负责基础数据架构的整理和接口开放维护,业务人员自行进行快速的可视化分析和报表分析维护。

总而言之,当企业存在业务人员自主分析、解决重点关注问题、灵活应对小数据量业务、快速迭代项目周期等需求时,自助式BI将是一个明智的选择。

代表工具:FineBI

BI和报表等于数据分析?终于有人讲清楚了它们的区别

最后需要注意的是,三类BI产品分别适用于不同的场景,不是相互替代的关系。它们将长期共存,供企业按需选择,直到信息化基础条件发生根本的改变。

四、商业智能≠数据分析

商业智能和数据分析是两个容易混淆的概念。虽然它们之间存在不少类似的地方,商业智能软件也可以帮助业务人员进行数据分析,但数据分析绝不等同于商业智能。

数据分析是个过程,是个解决方式,对象常常是某个问题。比如分析某次促销活动的效果,就需要对UV、客单价、复购率等关键性的指标数据做监控。

还需要和过去的活动进行对比,从数据库里寻找最佳对照组进行建模,在SAS里做统计分析。

也就是说,数据分析是利用数理统计等科学方法做假设验证,通常的工作就是对指标进行分析对比,KPI监控,异常指标分析,预测趋势,最终生成结果报告。专业的数据分析工具有R、Python等。

商业智能是一整套的解决方案,对象往往是企业的经营问题。利用企业在日常经营过程中生产的大量数据,并将它们转化为信息和知识,让每一个决定、管理细节、战略规划都有数据参考。

BI和报表等于数据分析?终于有人讲清楚了它们的区别

比如领导经常会关注销售、采购和财务状况,技术人员做好固定格式的数据报表(Dashboard/数据看板),领导打开就能查看,并且数据自动更新。

商业智能工具一般通过连接ERP、CRM、MES等业务系统的数据,并将这些数据有规则地汇总到数据仓库中,从而制作业务主题相关的分析报表,还可以对接大数据平台进行可视化的分析展示。

商业智能的作用一方面是将常规的分析过程固化并简化下来;另一方面是让业务的自助分析更为方便快捷。

简单来说商业智能BI是一套有关数据的解决方案,入口是数据,出口也是数据或者以数据为基础的报表呈现,更多强调的是解决方案。

数据分析更多的以人为主,对数据仓库产出的数据、或者其他渠道产出的数据做分析的过程。

前者强调怎么让数据合理的加工或者呈现出来,后者强调如何通过数据发现问题,有一个探索和思考的过程,这个思考的过程是工具本身不能替代的。

 

作者:商业智能研究,专注企业数据化运营和数字化转型,公众号:商业智能研究,分享有关企业数据建设的一切知识!

本文由 @商业智能研究 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!