很多企業(yè)認(rèn)為只要購(gòu)買(mǎi)一個(gè)前端商業(yè)智能BI分析工具就可以解決所有企業(yè)級(jí)商業(yè)智能BI問(wèn)題。這種觀點(diǎn)實(shí)際上并不可行。當(dāng)最初的分析場(chǎng)景比較簡(jiǎn)單，連接數(shù)據(jù)的復(fù)雜度不是很高的時(shí)候，這類(lèi)商業(yè)智能BI分析工具可能不成問(wèn)題。然而企業(yè)商業(yè)智能BI項(xiàng)目的建設(shè)有一個(gè)特點(diǎn)，就是螺旋式的建設(shè)過(guò)程。因?yàn)榭赡苡性絹?lái)越多的業(yè)務(wù)系統(tǒng)被連接，分析的深度和廣度會(huì)越來(lái)越大，數(shù)據(jù)的復(fù)雜性也會(huì)變得越來(lái)越具有挑戰(zhàn)性。這個(gè)時(shí)候，沒(méi)有良好的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)支撐，單純依靠前端BI分析工具基本上是無(wú)法應(yīng)對(duì)的。
1、首先簡(jiǎn)單糾正一下我們對(duì)這些BI問(wèn)題的理解。
（資料圖）
1、BI就是報(bào)表可視化，就是一堆可視化圖表。 BI就是前端可視化？
商業(yè)智能BI是由數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)分析、數(shù)據(jù)報(bào)表等組成的一整套數(shù)據(jù)技術(shù)解決方案。在一個(gè)BI項(xiàng)目中，20%的時(shí)間花在前端分析報(bào)告上，80%的時(shí)間花在前端分析報(bào)告上?；ㄙM(fèi)在底層數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)、ETL開(kāi)發(fā)、數(shù)據(jù)檢索開(kāi)發(fā)等。
因此，可視化報(bào)表只是商業(yè)智能BI的最終呈現(xiàn)，但并不是商業(yè)智能BI的全部。
可視化展示——派克數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)
2、BI只是一個(gè)拖拽式的分析工具產(chǎn)品嗎？
準(zhǔn)確的說(shuō)，拖拽可視化分析工具只能解決商業(yè)智能BI的一部分，即可視化分析。但實(shí)際上，商業(yè)智能BI的技術(shù)范圍還是比較廣的，涉及到從底層數(shù)據(jù)采集到前端展示分析的各個(gè)方面。
嚴(yán)格來(lái)說(shuō)，簡(jiǎn)單的拖拽式商業(yè)智能BI可視化分析工具只能定位于個(gè)人和部門(mén)級(jí)別，與企業(yè)級(jí)商業(yè)智能BI有很大不同。因此，單純的商業(yè)智能BI分析工具無(wú)法發(fā)揮商業(yè)智能BI的作用。 BI的真正作用無(wú)法取代商業(yè)智能BI的地位。
2.舉報(bào)工具從哪里來(lái)？
在技術(shù)領(lǐng)域、信息領(lǐng)域、商業(yè)智能BI行業(yè)，我們從來(lái)沒(méi)有離開(kāi)過(guò)這個(gè)圈子。開(kāi)發(fā)了JAVA（AWT、SWING、JSP、Hibernate、Spring、ibatis）、NET（ASP、http://ASP.NET、C#.NET）、Object-C、JS等技術(shù)，開(kāi)發(fā)了業(yè)務(wù)軟件系統(tǒng)平臺(tái)。
早期前端技術(shù)非常薄弱，AJAX的實(shí)現(xiàn)也需要手寫(xiě)。要實(shí)現(xiàn)表單中的點(diǎn)擊編輯和修改數(shù)據(jù)，需要自己使用JS DOM。制作報(bào)表基本上是JSP或者ASP腳本語(yǔ)言嵌套在HTML中在前端for循環(huán)輸出。報(bào)告風(fēng)格非常原始、丑陋。稍微復(fù)雜一點(diǎn)的表格報(bào)表樣式需要用JS來(lái)調(diào)整。
當(dāng)時(shí)使用的報(bào)表，如水晶報(bào)表、潤(rùn)千報(bào)表等，前端腳本語(yǔ)言中有標(biāo)簽可以直接引用，報(bào)表生成取代了大量的手寫(xiě)代碼。早期的前端和后端技術(shù)并不是分開(kāi)的。 http://ASP.NET 稍好一些。前端逐漸有了一些可以直接使用的集成控件，但是JAVA沒(méi)有。上述階段是什么時(shí)候發(fā)生的？ 2005年左右，2007年就已經(jīng)廣泛使用了。在老CSDN上應(yīng)該還能找到很多原創(chuàng)的報(bào)告標(biāo)簽帖子。
報(bào)表分析-Paco數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)
老牌的報(bào)表如Jreport、Star Report StyleReport等在國(guó)內(nèi)也有一定的市場(chǎng)。早在2010年，一些報(bào)表廠商的營(yíng)收就已經(jīng)過(guò)億，說(shuō)明基礎(chǔ)報(bào)表的市場(chǎng)還是很好的。
當(dāng)時(shí)的報(bào)告定位是什么？這是一份純粹的報(bào)告。然后通過(guò)程序從后端數(shù)據(jù)庫(kù)查詢(xún)返回的數(shù)據(jù)聚合列表綁定到前端腳本頁(yè)面，生成各種報(bào)表。事實(shí)上，它被用于各種商業(yè)軟件中。系統(tǒng)中的報(bào)表展示遠(yuǎn)遠(yuǎn)達(dá)不到商業(yè)智能BI分析的水平。
并且有大量的軟件開(kāi)發(fā)商實(shí)際上擁有強(qiáng)大的報(bào)告功能，但這些報(bào)告功能并沒(méi)有單獨(dú)作為報(bào)告產(chǎn)品上市。
漸漸地，隨著前端技術(shù)和前端框架的完善，傳統(tǒng)的表格技術(shù)已經(jīng)轉(zhuǎn)向各種柱形圖、條形圖、餅圖的可視化展示?，F(xiàn)階段，報(bào)表和商業(yè)智能BI之間的界限越來(lái)越模糊。為什么？商業(yè)智能BI的報(bào)表呈現(xiàn)能力與傳統(tǒng)報(bào)表大致相當(dāng)。目前還沒(méi)有通過(guò)自助分析、自助拖拽實(shí)現(xiàn)快速多維度分析的能力。
講了這么多我主要想說(shuō)的是，我們看到的很多商業(yè)智能BI項(xiàng)目都是用報(bào)表思維來(lái)實(shí)現(xiàn)的，即將SQL翻譯成數(shù)據(jù)集并展示在前端。而真正的商業(yè)智能BI思維應(yīng)該是什么？多維思維和模型思維決定了商業(yè)智能BI項(xiàng)目的最終方向。
多維度分析——派克數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)
3、BI和數(shù)據(jù)倉(cāng)庫(kù)有什么區(qū)別和聯(lián)系？
我們經(jīng)常遇到人們問(wèn)商業(yè)智能BI和數(shù)據(jù)倉(cāng)庫(kù)之間有什么區(qū)別。其實(shí)這個(gè)問(wèn)題反映出一些朋友對(duì)商業(yè)智能BI的理解還是有些不準(zhǔn)確和有偏差的。這個(gè)問(wèn)題實(shí)際上從概念上區(qū)分了BI和數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)是人為碎片化的。這種情況其實(shí)很正常，因?yàn)榇蠹覍?duì)商業(yè)智能BI的第一印象就是各種炫酷的可視化圖表和報(bào)表。此外，市面上還有很多輕量級(jí)的前端可視化商業(yè)智能BI分析工具。對(duì)BI的理解僅僅停留在可視化部分。
準(zhǔn)確地說(shuō)，商業(yè)智能BI不僅包括前端可視化分析和報(bào)表呈現(xiàn)能力，還包括底層數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建過(guò)程。 Gartner 在20 世紀(jì)90 年代就已經(jīng)提到過(guò)商業(yè)智能。它更多地認(rèn)為BI是一種數(shù)據(jù)技術(shù)解決方案，可以從許多不同的企業(yè)業(yè)務(wù)系統(tǒng)中提取具有分析價(jià)值的數(shù)據(jù)并進(jìn)行清洗。轉(zhuǎn)換和加載，即Extraction、Transformation和Loading的ETL過(guò)程，最后按照一定的建模方法合并到數(shù)據(jù)倉(cāng)庫(kù)中，例如Inmon的3NF建模、Kimball的維度建模，或兩者兼而有之?；诨旌霞軜?gòu)模型，最終采用適當(dāng)?shù)姆治龊统尸F(xiàn)工具，形成各種可視化分析報(bào)告，為企業(yè)管理決策層提供數(shù)據(jù)決策支持。
商業(yè)智能BI - Parker Data商業(yè)智能BI可視化分析平臺(tái)
因此，從這里可以看出，數(shù)據(jù)倉(cāng)庫(kù)的位置是可視化報(bào)表和底層業(yè)務(wù)系統(tǒng)數(shù)據(jù)源之間的一層。它在整個(gè)商業(yè)智能BI項(xiàng)目解決方案中起著承上啟下的作用。如果把商業(yè)智能BI比作一個(gè)人，上半身尤其是臉是外表，下半身是腳踏實(shí)地、汲取大地精華，中半身是核心和核心力量。數(shù)據(jù)倉(cāng)庫(kù)。
那么大家也會(huì)問(wèn)，市面上不是有很多商業(yè)智能BI工具可以直接鏈接數(shù)據(jù)源，進(jìn)行拖拽分析嗎？他們就不能也做商業(yè)智能BI分析報(bào)告嗎？這種獨(dú)立的、面向前端的商業(yè)智能BI分析工具更多定位為部門(mén)級(jí)、個(gè)人級(jí)的商業(yè)智能BI分析工具。適用于很多需要深層次的復(fù)雜數(shù)據(jù)處理、集成、建模等無(wú)法解決的場(chǎng)景。最好的辦法就是在底層建立一個(gè)完整的數(shù)據(jù)倉(cāng)庫(kù)，標(biāo)準(zhǔn)化很多分析模型，然后結(jié)合這些前端商業(yè)智能BI分析工具。只有這樣，才能真正釋放前端商業(yè)智能BI分析能力。
數(shù)據(jù)倉(cāng)庫(kù)-派克數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)
就像去中藥店取藥一樣，之所以這么快，是因?yàn)樵谌∷幹?，別人已經(jīng)把各種土生土長(zhǎng)的中藥材整理好了（數(shù)據(jù)來(lái)自原始數(shù)據(jù)源），清理干凈了并把它們收起來(lái)，這樣他們就可以很快地思考如何搭配藥物（指標(biāo)組合的維度可視化）。
國(guó)內(nèi)這樣的公司還有很多，也正是因?yàn)閷?duì)商業(yè)智能BI的理解深度不夠，導(dǎo)致他們?cè)谏虡I(yè)智能BI項(xiàng)目的建設(shè)中犯了一些方向性的錯(cuò)誤。最終導(dǎo)致商業(yè)智能BI項(xiàng)目難以繼續(xù)推進(jìn)。
因此，在企業(yè)中，我們需要明確我們的商業(yè)智能BI建設(shè)是針對(duì)企業(yè)層面的還是針對(duì)個(gè)人、部門(mén)的分析工作。如果你是個(gè)人數(shù)據(jù)分析師，使用這樣的前端商業(yè)智能BI分析工具就足夠了。如果需要構(gòu)建企業(yè)級(jí)商業(yè)智能BI項(xiàng)目，不僅要關(guān)注前端可視化分析能力，還要關(guān)注底層數(shù)據(jù)架構(gòu)，即數(shù)據(jù)倉(cāng)庫(kù)層面的建設(shè)。
移動(dòng)BI_ERP數(shù)據(jù)分析_自助式敏捷BI分析_數(shù)據(jù)可視化分析系統(tǒng)-筆克數(shù)據(jù)
