這裡不再闡述商業智慧型的概念了，關於bi，就從過往的了解，搜尋以及知乎的一些問答，大家困惑的點主要集中於大資料與bi的關係，bi的一些技術問題，以及bi行業和個人職業前景的發展。這裡歸納成8個問題點，每個問題都做了精心的解答，希望能給大家帶來幫助。
bi(businessintelligence)即商業智慧型，它是一套完整的解決方案，用來將企業中現有的資料進行有效的整合，快速準確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。
大資料(big data)是指在可承受的時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的資訊資產。
兩者是不一樣的概念，bi相對於大資料更傾向於決策，適合支援經營指標支撐類的問題，大資料則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。
現今，大型網際網路企業採用hadoop一類的大資料架構——資料倉儲——自己研發的報表、olap分析等，或者前端選用成熟的商業智慧型報表和bi分析軟體，像finebi之類的大資料bi都能對接大資料平台。傳統企業，小型的公司沒有那麼多的業務分析的需求，大多尋求excel、業務系統的簡單報表功能或者專業的報表工具來解決問題；一般中大型企業資料量大時會構建資料倉儲，用bi在前端分析展現。當然很多傳統企業針對特定業務（比如使用者畫像、風控分析）採用大資料技術。
整體來講，選擇大資料還是bi依據需求來定，大資料元件大多開源，需要大量的人力開發。bi大多商用，需要一定資金和一定時間的專案實施。
大資料bi
大資料bi有這樣幾類特性：能對接hadoop一類的大資料平台，做資料分析；能處理大資料量（億級以上），響應速度快，比較考驗的是bi的資料處理計算效能和資料庫效能。
傳統bi &自助式bi
傳統bi重在於資料平台搭建，提供報表服務，以it為主導；自助式bi重在於資料分析，以業務分析為主導。兩者的資料處理流程相通。
傳統bi：通常指企業內部大而全的統一報表或分析平台，代表性的老牌bi工具廠商如 ibm的cognos，oracle的obiee，sap的bo等均包含豐富的功能模組，比較適合於打造一體化的大而全的統一平台。傳統bi一般面向it研發人員，他們多集中在企業的技術部門，傳統bi的打造方式基本如下：
自助bi：面向的是不具備it背景的業務分析人員，與傳統bi相比更靈活且易於使用，而且一定程度上擺脫對it部門的大幅度依賴。不同於以往「it主導的報表模式」，轉而向「業務主導的自助分析模式」發展。自助bi通常的應用場景：
試想一下分析業務資料時場景，經常會從不同的角度來審視業務的衡量指標。例如分析銷售資料，可能會綜合時間週期、產品類別、分銷渠道、地理分布、客戶群類等多種因素來考量。這些分析角度雖然可以通過報表來反映，但每乙個分析的角度生成一張報表，各個分析角度的不同組合又生成不同的報表，每嘗試分析一次，就得抽一次數，這會使得it人員的工作量相當大。
而olap的作用就是盡可能將所有的維度條件及聚合值都準備好，供使用者在分析時可以按照任意維度來分析。
以bi的實際應用來講，拿到資料，可能需要下鑽到比較粗的粒度觀察資料，比如從日期時間維度、從地域品類維度來分析資料，對應到bi的操作上，就是拖拽維度、過濾排序、維度切換，鑽取等操作，cube或者資料倉儲就要響應這種操作，這就使用到了下鑽、切邊、切塊、轉軸等功能。
在資料分析過程中，bi也算是乙個工具，能自助取數，用於快速分析，製作分析報表。很多網際網路、零售、金融企業會有自己的資料分析團隊會專業的分析人員，使用的工具可能從spss、sas、r、python不等，這些工具能對準備好的資料做數理統計分析，取數的工作大多還是要交給it人員去做。像目前的自助式bi因為上手很簡單，對於多維度的資料可以從各方面來展示，而且能及時生成資料報告，可在平台上管理報表和分析表單。所以是否有必要，因需求而異。
bi工具可分為傳統型bi以及自助型bi。傳統型bi，國外以sap bo、cognos、oracle biee等為主；自助型bi，比如國外的tableau、qlikview，國內的finebi、永洪bi等等。
站在產品的企業的角度，可以從領先能力、產品能力、服務能力以及**能力去著手衡量。可通過海比研究給出的一套《bi選型指標體系》來判斷。
1、領先能力=行業地位+領先性
比如公司在行業中的低位、市場占有率、公司在該領域的專注性以及技術的領先性。商業智慧型目前的市場格局不算大，可擴充套件到報表領域去衡量。
2、產品能力=公司產品線+核心產品功能+解決方案
一般來講，公司的產品線越完整，相關產品的整合能力越強，越好。但是，最重要的還是產品的功能是否實能解決企業最關注的的問題，是否能覆蓋更多行業，bi解決的是行業通用性的問題，解決能力越強，產品越優秀。
3、服務能力=服務專業能力+維護能力
bi的實施很考察人員的專業性，過去由於國外it巨頭的稱霸，很多產品的專案都承包給第三方實施，造成服務脫節。現在很多湧現的國內軟體公司一般都會有專業的實施團隊，本地化服務很佔優勢，所以這一點不妨考慮本土產品。
4、價值能力=成功案例+價效比
選型前可看看同行業的企業夥伴們用的是什麼類的bi工具，使用情況如何。包括從功能費用、專案實施費用綜合考慮來看的價效比。
實施bi的前提，最重要的是基礎資料的統一。比如貨品資訊，客戶資訊，公司內部資訊。缺少的資料雖然可以臨時補，但是隨著公司業務的擴充套件，這種資料化運營的方式需要不斷精細，資料管理的規範任務要落實到業務員的考察，如果得到領導的支援會更容易推動。有了這些齊全的資料，bi的實施才有保障。
然後是業務的統一。比如銷售模式，採購模式，結算方法，質量管理的統一。比如銷售模式不統一，有的分公司先結算後配送，有的公司先配送後結算，業務形式不統一，口徑不統一，就會造成資料的時間差。
其次是業務部署。每個公司的業務部署不同，有的是集中部署有的是分銷部署，如果bi是放在總部實施，需要將各地分散的資料統一起來，建立資料倉儲，保持基礎資料的統一，但其中，如何提高速度，如何優化配合方式，這點需要研究。
bi人才儲備是否足夠，需要業務人員和資訊人員的積極配合，這個效果才能夠比較良好的推動，而且還能夠持續的發展。為了讓技術和業務人員更好地貼合，要將技術和業務有效結合，最大效率的把報表和bi系統的功能發揮出來。
對於上bi，還有其他考慮，比如**預算，比如是否用開源，比如後續開發和維護，這裡做個統一的解釋。
明確業務需求：強烈的業務需求，明晰的業務目標，能否抓住核心是乙個專案成敗的關鍵。
最後，就是認清技術力量的現狀，不妨建議敏捷開發、迭代開發和重構，注重技術和管理的配合。
剛入門bi這一領域的人，未來的職業發展可以走技術、走管理、走開發。
1、走技術方向：（按照技術路線進行劃分）
etl，這塊是bi永恆的重點之一，需求也是一直持續，只是相對來說，etl會比較枯燥。在這一塊，掌握一兩款順應潮流的大工具，擁有相應年限的工作經歷，行業性要求不太高，可以找到乙個不錯的崗位。ds、infa、ssis這些都是蠻有需求的。
資料倉儲，主要指的資料倉儲設計，架構設計等，一般來說level會比較高，薪水待遇也還行，屬於偏高階人才了，一般都會要有5年、7年或更多年限的經驗，對行業性經驗要求比較高。
前端應用，sap bo、cognos、biee等工具的熟練應用，可以做甲方內部顧問也可以做乙方專案顧問。從前端切入去接觸到更多業務和需求，對提高自己的業務水平有好處。
資料探勘資料分析方面，這塊個人認為是最有前景的，資料分析師的需求一直在增加，但和bi的背景不是非常貼合，要學資料統計學知識，r、python語言等，學的東西很多。
2、走管理路線
管團隊管某塊業務，做專案總監，而後上公升到cio之類的，偏向管理屬性，對人的溝通交流尤其是與高層交流的水平較高，比較it在企業大多屬於業務支撐部門，很多事情很難推動，同時還要思考如何提公升it在企業的地位，這個你只要觀察自己的部門領導怎麼做的，慢慢摸索了。
3、走開發
第三方軟體開發公司了，比如sap之類的公司（有點難度），或者國內帆軟、永洪等其他bi公司的軟體開發了，難度是要有一定的程式開發基礎，但是對業務的理解也能帶來一些幫助。再或者是去一些創業公司帶團隊做bi產品，現在做前端視覺化分析的公司有很多，雖然不完全類同於bi，但有很多共通之處。
這裡給出乙個學習框架
1、學習資料庫知識， 掌握基礎技能sql
2、技術選擇：資料倉儲 / etl / 前端開發等等
3、 選擇技術工具：
資料倉儲-oracle、sap hana、hadoop都是主流；
etl- informatica 、kettle；
自助式bi工具-taleau、帆軟finebi、power bi
4、學習業務知識
5、實操資料分析工作
一文告訴你商業智慧型BI如何推動推動智慧型物流發展
隨著網路消費的不斷發展，推動了物流等相關產業的迅速發展，另外無論是2b業務還是2c業務的生產製造企業，對物流的要求都越來越高，尤其體現在對物流全程透明視覺化的需求。商業智慧型bi平台的引入，大大提高了物流行業對資料整合 分析 視覺化的能力，且有助於輔助企業管理層做出更加科學的決策。同時，物流行業也是...
一文解讀拉卡拉智慧型POS的創新布局
在全球消費市場高度集中化的今天，越來越多的第三方支付平台開始發揮自身消費場景化優勢，旨在滿足消費者多元化的消費需求。同時，隨著線下消費場景布局競爭日趨激烈，具有場景化優勢的第三方支付平台明顯在激烈的市場競爭中佔據重要位置。作為國內領先的第三方支付平台，拉卡拉支付多年來注重消費場景布局和拓展，並且在安...
關於《十年總結 》一文的宣告
謝謝朋友們的關心，也謝謝csdn的編輯把我的文章放到了首頁，我看了一下，此文的訪問量已經達到了17000多，還有我在華為的一師哥前兩天給我發來郵件，說是某人把這個文章轉到他郵箱裡了，他說，你小子行啊，還沒來就出名了。鬱悶，這並不是我的本意，我只是習慣性的寫了這個文章，都是我的真情實感。我只是想記錄下...