数据的价值目前在商业世界和现代化城市建设中尤为突出，先说商业世界，数据在这里成为了各领域企业的重要资产，不仅让众多企业重新构建了以数据为企业文化、核心驱动力的数据体系，还把企业的财务、销售、运营、市场、研发等不同部门业务线都通过数据进行了重塑，利用数据分析、数据可视化、数据挖掘等实现了业务方面的增长，提高了企业的决策水平。
一、什么是商业智能BI？
商业智能BI - 派可数据商业智能BI可视化分析平台
前边提到了数据在当下的价值不断提高，但数据本身只是一种资产，一旦超过一定数据量就很难被人类理解，所以想要利用数据，就必须通过某种手段将数据转化为信息和知识，而商业智能BI则是当下发挥数据价值的重要选择。
商业智能BI是一套完整的由数据仓库、查询报表、数据分析、数据可视化等组成的数据类技术解决方案，它可以打破数据孤岛，利用数据仓库整合不同来源的数据，并通过ETL和数据模型进行规范处理，然后以图形化手段，进行数据可视化分析，将数据转化为信息和知识，为业务和管理人员提供决策信息支撑。
很多人可能不知道，其实商业智能BI有着很长的历史，商业智能BI的概念和产品形态一直在更新迭代，直到2013年，在信息化和数字化的影响下，商业智能BI形成了一套现代化的概念，围绕企业发展进行扩展，重新确定了商业智能BI的定义：“商业智能BI是一个概括性术语。它包含了应用、基础结构、工具，以及提供信息访问和分析加以改进、优化决策表现的最佳实践”
经过数十年商业智能BI的发展，我们对当前环境下主流的商业智能BI产品有了一个明确的定义，一种有三条，分别是：
第一，商业智能BI是一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案。
第二，商业智能BI可以将企业不同业务信息系统（ERP、CRM、OA）中的数据打通并进行有效的整合。
第三，商业智能BI可以借助合适的查询和分析工具快速准确的提供可视化分析或报表，为企业提供决策支持。
商业智能BI - 派可数据商业智能BI可视化分析平台
商业智能BI是一整套完整的系统化的数据类技术解决方案，其中有很多不同的功能模块，能够在企业中落地应用产生各种效果，不过总体来说商业智能BI可以根据企业数据生命周期的不同阶段划分为三个层次：
第一层，可视化分析展现层 - 可视化分析展现层也就是商业智能BI的需求层，一方面代表了用户的需求，用户想看什么、要看什么、另一方面也代表了用户要分析什么，这些就在这一层进行展现。
第二层，数据模型层 - 数据模型层也就是常说的商业智能BI数据仓库，主要负责企业数据的分析模型，完成从业务计算规则向数据计算规则的转变。
第三层，数据源层 - 数据源层也就是商业智能BI的数据层，不同部门、业务线的业务信息系统，其底层数据库的数据通过ETL抽取到商业智能BI的数据仓库中，建模分析等等，最终支撑到前端的可视化分析展现。
二、商业智能BI在企业IT信息化中的位置
商业智能BI在企业中主要承担承上启下的责任，围绕数据形成了一整套数据战略体系，同时也是企业信息化建设中重要的一部分，可以说是企业进行信息化建设或者数字化转型前必须进行布署规划的一环。
一般来说，企业的信息化建设具有通用性，所以可以把大部分的企业的 IT 信息化分为两个阶段：一个是业务信息化，一个是数据信息化。这样对比讲，一般的用户更容易理解一些。
企业信息化 - 派可数据商业智能BI可视化分析平台
业务信息化 - 企业使用的ERP、CRM、OA、自建的业务系统等，业务系统的建设都统称为业务信息化。业务信息化的主要作用是管理企业的业务流程，通过规范化、标准化、线上化，来提高业务运转效率、降低企业人力、时间、精力等成本，为商业智能BI的建设打下数据基础，是业务管理思路的体现，也是现代的企业管理方式。
数据信息化 - 像我们经常所听到的大数据、商业智能BI、数据分析、数据挖掘等我们都统称为数据信息化。数据信息化可以帮助企业全面的了解企业的经营管理，从经验驱动到数据驱动，降低情绪、心理等主观影响，形成以数据为基础的业务决策支撑，提高决策的准确性，这是企业更高层次的企业管理方式。
企业的信息化建设是一个完整的过程，没有业务系统的建设，就不会有数据的沉淀，而没有数据的沉淀，企业也就没有部署商业智能BI的基础。这就是业务信息化和数据信息化的双向作用，能够让业务系统推动商业智能BI的部署，也能让商业智能BI提高业务系统的效果。
业务信息化的主要使用形式 - 表单式的、以业务用户录入为主、数据的增删改操作居多，是对业务过程数据、业务流程进行管理的软件系统，可以对业务流程进行规范化、标准化处理。
数据信息化的主要使用形式 - 例如商业智能BI主要是对业务结果数据进行整体信息呈现和局部深度分析，旨在打通ERP、OA、CRM等业务系统的数据，跨业务、跨系统整合数据。
三、谁是商业智能BI的主要用户？
商业智能BI - 派可数据商业智能BI可视化分析平台
业务信息化的主要使用对象 - 业务信息化的主要使用对象是一线业务人员，所以在使用过程中业务人员更多是从业务视角出发，针对业务进行录入数据、记录流程、查看业务信息等。
数据信息化的主要使用对象 - 数据信息化的主要使用对象是管理决策人员，在企业的经营管理等日常流程中管理决策人员更多是从管理视角通过商业智能BI可视化分析去定位问题、分析问题，最终形成业务决策。
两个细节要点：
第一，没有任何一个管理决策层、领导会没事打开财务系统看财务数据，打开 OA 系统看看合同信息，高层领导不会看这些明细数据细节，也不会进到各个系统里面去看。也就是说，业务信息化不是给这一层领导来使用的。
第二，管理决策层是不是一定是指的企业最高层的领导，不见得，可以是企业各个组织层次中带有管理决策属性的人员，这些管理决策人员都可以通过商业智能BI提供决策支持。
四、数据孤岛到底说明了什么？
数据孤岛一般指的是只有一部分人能够访问的数据集，这本来也没什么，比如销售人员也不会说去看财务部门的数据。但问题是企业的中高层管理人员在进行决策的时候，往往需要跨部门、跨业务线进行分析，只有统计分析不同部门的数据决策才有足够的可信度。而数据孤岛直接导致中高层管理人员难以获取不同部门的数据，这样一来不仅会导致决策出现问题，甚至有可能让企业无法处理异常数据，解决不了发现的问题，让企业发展陷入困境。
所以，我们在讲商业智能BI，讲数据孤岛的时候要明白，对数据孤岛问题感触最多的是企业管理人员，所以给业务部门讲数据孤岛可能达不到预想中的效果，只有对跨业务、跨部门、跨组织的这些中层管理、高层管理讲，他们才能意识到业务数据不能互通，不用全面统一进行分析，有多大的问题，也就是数据孤岛对企业发展的危害。
商业智能BI - 派可数据商业智能BI可视化分析平台
商业智能BI作为数据类技术解决方案，在面对数据孤岛问题时，能够建立数据信息化，利用数据仓库和数据可视化解决企业面临的“数据孤岛”“信息孤岛”问题，所以商业智能BI需要企业高层管理人员进行规划，并主要为企业各层级管理人员提供决策信息，辅助进行决策。
管理驾驶舱 - 派可数据商业智能BI可视化分析平台
所以在介绍商业智能BI的时候，必须要搞清楚不同人员的需求。站在企业不同员工角度，有的人认为是有数据孤岛存在的，一定要解决。有的人是不认为有数据孤岛存在的，即使存在对他们也没有影响，所以不用解决，其根本原因是没有把握商业智能BI真正的服务对象。
五、商业智能BI从业务系统取数据取数的方式
商业智能BI是通过访问和连接业务系统数据源数据库的方式来进行取数的，不管是什么样类型的数据库，商业智能BI通过ETL连接数据库抽取业务系统原表数据到数据仓库中加工处理，最后支撑到前端的可视化分析报表展现。
商业智能BI - 派可数据商业智能BI可视化分析平台
之前有朋友这么提问的：数据源层是需要开发接口吗？
其实一般来说是不需要的，基本上这么提问的都是经历过软件系统的接口对接，软件系统的接口对接是因为有的业务软件是 JAVA 开发的，有的是 .NET 开发的，有的是 B/S 架构，有的是 C/S 架构。
软件系统之间的接口是需要开发参与的，主要是串联不同软件的业务流程，这种接口是需要动代码的。但商业智能BI在获取数据的接口不一样，是与业务系统软件自身无关的，是只需要访问和连接业务系统背后的数据库就可以的，直接从数据库取数，因此是不需要软件接口，或者没有软件接口访问这种概念的。
除非一种情况，这个业务系统是公有云，纯SAAS模式，这种情况下就只能通过软件对外开放的API接口取数了。
某医药行业销售人员绩效分析 - 派可数据商业智能BI可视化分析平台
某白酒行业渠道终端管理分析 - 派可数据商业智能BI可视化分析平台
六、数据中台、商业智能BI、大数据之间的关系应该如何理解？
系统的商业智能BI在遇到大数据量、非结构化数据处理的场景，底层的数据仓库就升级为大数据的数据仓库架构，这就是大数据下的商业智能BI分析；在大数据的数据仓库架构基础之上，往左边更加拓展了数据的采集能力，在中间除了原有大数据架构的数据仓库建模之外，更加加入了数据资产的概念、数据资产盘点、数据资产管理，靠右扩展了数据服务的能力，将数据中台中按照一定规则处理好的数据打包对外提供服务。因此，大数据架构下的数据采集、数据仓库建模、数据资产管理和数据服务就构成了数据中台的几大核心。
数据可视化 - 派可数据商业智能BI可视化分析平台
数据中台的底子是大数据架构，数据仓库是传统商业智能BI数据仓库的大数据升级，而商业智能BI就变成了数据中台之上的应用层，利用中台的数据服务获取数据做分析展现。
这就是商业智能BI、大数据、数据中台这三者的关系和在不同数据场景、服务场景下的演变过程，看明白了这个过程，应该就不会再轻易的混淆他们的概念。至于商业智能BI、大数据、数据中台应该选择哪个，其实说到底如何选择合适的技术路线、技术架构，最终还是取决于企业自身到底要解决什么，不能盲目选择。盲目选择的结果就是大投入，小产出没有达到预期的期望。我们还是应该聚焦到需求本身，需求为王。
