01、什么是商业智能BI？
商业智能BI可以实现业务流程和业务数据的规范化、流程化、标准化，打通ERP、OA、CRM平分歧业务信息系统，整合归纳企业数据，利用数据可视化知足企业不同人群对数据查询、剖析和探索的需求，从而为管理和业务供应数据依据和决策支持。
商业智能BI - 派可数据商业智能BI可视化剖析平台
将商业智能BI核心内容进行总结，大致有三条：
第一，商业智能BI是一套完全的由数据仓库、查询报表、数据剖析等组成的数据类技能办理方案。
第二，商业智能BI可以将企业不同业务系统（ ERP、OA）中的数据库打通并进行有效的整合。这个打通和整合的过程就包括ETL、取数、数据仓库、指标维度等。
第三，商业智能BI终极利用得当的查询和剖析工具快速准确的供应可视化剖析以及报表，为企业供应管理决策信息。
商业智能BI - 派可数据商业智能BI可视化剖析平台
如果还是不太理解商业智能BI是什么，商业智能BI实在可以总结划分为不同运用层：
第一层，可视化剖析展现层 - 即商业智能BI的需求层，代表用户的剖析需求，也便是用户要看什么，要剖析什么就在这一层进行展现。
第二层，数据模型层 - 即商业智能BI的数据仓库层，代表数据的剖析模型，完成从业务打算规则向数据打算规则的转变。
第三层，数据源层 - 即商业智能BI的数据层，各个业务系统底层数据库的数据通过 ETL 的办法抽取到商业智能BI的数据仓库中完成 ETL 过程，建模剖析等等，终极支撑到前真个可视化剖析展现。
02、商业智能BI在企业IT信息化中的位置
这一点是所有企业如果方案要上商业智能BI项目的时候必须弄明白的：商业智能BI在IT信息化中到底处于一个什么样的位置？弄清楚定位是信息化方案培植的主要条件。
常日情形下，我们会在方案商业智能BI项目前，把企业的 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。这样比拟讲，一样平常的用户更随意马虎理解一些。
企业信息化培植 - 派可数据商业智能BI可视化剖析平台
业务信息化 - 企业利用的 ERP、CRM、OA、MES、自建的业务系统等，业务系统的培植都统称为业务信息化。业务信息化的紧张浸染是管理企业的业务流程，标准化、线上化，以提高生产运营效率、降落企业本钱、为商业智能BI的培植打下数据根本、是业务管理思路的表示，也是当代的企业管理办法。
数据信息化 - 像我们常常所听到的大数据、商业智能 BI 、数据剖析、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理解企业的经营管理，从履历驱动到数据驱动，形成业务决策支撑，以提高决策的准确性，这是企业更高层次的企业管理办法。
没有业务系统的培植，就不会有数据的沉淀，就没有培植商业智能 BI 的根本。同时，商业智能 BI 的培植能够反向推动业务信息化的培植。
企业信息化形式 - 派可数据商业智能BI可视化剖析平台
业务信息化的紧张利用形式 - 表单式的、以业务用户录入为主的、数据的增编削操作居多，是对业务过程数据、业务流程进行管理的软件系统。
数据信息化的紧张利用形式 - 例如商业智能BI紧张是对业务结果数据进行整体剖析呈现和局部洞察，旨在打通各种业务系统的数据，跨业务、跨系统整合数据。以数据查询和剖析为主，通过联动、钻取、关联等图表可视化的办法来看数据指标。
03、谁是商业智能BI的紧张用户？
商业智能BI - 派可数据商业智能BI可视化剖析平台
业务信息化的紧张利用工具 - 一线业务实行层，更多是从业务视角出发，录入数据、记录流程、查看业务信息。
数据信息化的紧张利用工具 - 管理决策层，更多的是从管理视角通过商业智能BI可视化剖析去定位问题、剖析问题，终极形成业务决策。
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 系统看看条约信息，高层领导不会看这些明细数据细节，也不会进到各个别系里面去看。也便是说，业务信息化不是给这一层领导来利用的。
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职员，这些管理决策职员都可以通过商业智能BI供应决策支持。
04、数据孤岛到底解释了什么？
消灭数据孤岛为什么就一定要用商业智能BI，谁哀求要消灭数据孤岛的？业务部门会以为有数据孤岛的问题吗？我就用我的财务系统做账，数据孤岛就孤岛呗，我喜好孤岛，我的财务数据就我们自己看，领导看，我一点都不孤岛。我就管个库存，数据孤岛就孤岛呗，我也用不着管其他的，我的报表够看就可以，孤岛跟我有什么关系？
以是，我们在讲商业智能BI，讲数据孤岛的时候不是给一线业务部门讲的，而该当是给跨业务、跨部门、跨组织的这些管理层讲的，只有从他们的视角里，这些业务系统和数据才是真正的孤岛。
商业智能BI - 派可数据商业智能BI可视化剖析平台
深层次的缘故原由是什么？深层次的缘故原由便是：这些业务信息化系统并不是为管理层做事的，是为一线业务部门做事的。管理层不是这些业务系统的用户，他们绝对不会没事一个别系一个别系的登录进去看数据，他们没有这种利用习气，他们更不会关注到各个业务系统的微不雅观层面。以是，大多数情形下只有这些跨组织、跨业务的管理层才会认为有数据孤岛的存在，所以是他们哀求办理数据孤岛。
由于商业智能BI是天然办理数据孤岛问题的，以是商业智能BI是为谁做事的，是为管理层做事的数据信息化系统。商业智能BI要冲破数据孤岛，全面的看数据，全面的管业务，商业智能BI便是业务管理视角的自然延伸，要广度、要深度。
管理驾驶舱 - 派可数据商业智能BI可视化剖析平台
以是，站在不同的角度，有的人认为是有数据孤岛存在的，一定要办理。有的人是不认为有数据孤岛存在的，纵然存在对他们也没有影响，以是不用办理，其根本缘故原由是没有把握商业智能BI真正的做事工具。
通过数据孤岛，我们能够把一些问题看的更加清楚一些。
05、商业智能BI从业务系统取数据取数的办法
商业智能BI不是像业务系统与业务系统之间的接口开拓取数办法，而是通过访问和连接业务系统数据源数据库的办法来进行取数的，不管是什么样类型的数据库，商业智能BI通过ETL连接办法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，末了支撑到前真个可视化剖析报表展现。
商业智能BI - 派可数据商业智能BI可视化剖析平台
之前有朋友这么提问的：数据源层是须要开拓接口吗？
这是回答：
一样平常不须要，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由于有的业务软件是 JAVA 开拓的，有的是 .NET 开拓的，有的是 B/S 架构，有的是 C/S 架构。软件系统之间的接口是须要开拓参与的，紧张是串联不同软件的业务流程，这种接口是须要动代码的。 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，是只须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，因此是不须要软件接口，或者没有软件接口访问这种观点的。
除非一种情形，这个业务系统是公有云，纯 SAAS 模式，这种情形下就只能通过软件对外开放的 API 接口取数了。
某建筑行业集团看板 - 派可数据商业智能BI可视化剖析平台
某汽车行业售后业务剖析 - 派可数据商业智能BI可视化剖析平台
06、数据中台、商业智能BI、大数据之间的关系该当如何理解？
大家在理解商业智能BI的时候，不可避免的会理解到大数据，数据中台等一些观点，如何精确理解他们之间的差别呢？大数据、数据中台都是商业智能BI发展到一定阶段的产物，核心都是环绕数据，数据采集、数据处理能力、算力的提升催生了大数据，数据资产和数据做事催生了数据中台，核心的数仓建模自 商业智能BI 一脉相承未曾改变，终极出口还是 商业智能BI 可视化，以是商业智能BI的位置处于全体信息化培植的最顶端。
07、关于商业智能 BI 认知上的几大误区
关于商业智能BI的先容，网络上有太多的杂音，总而言之会把商业智能BI讲解的貌似很大略，觉得上买了一个工具就可以办理所有的问题，这实在是一个非常大的误区。
商业智能BI - 派可数据商业智能BI可视化剖析平台
我这里总结了一下，大家对商业智能 BI 的理解常会碰到的一些误区：
1.商业智能 BI 便是报表可视化，便是一堆可视化图表，商业智能BI 便是前端可视化。
2.商业智能BI便是一个拖沓拽的剖析工具产品。
3.商业智能BI便是商业智能BI，跟数据仓库没有关系。
4.有了商业智能BI就不须要数据仓库建模，业务职员就可以自己做商业智能BI剖析，就可以拖沓拽做商业智能BI剖析。
5.商业智能BI 便是业务驱动的，不须要 IT 职员支撑，敏捷商业智能BI不须要 IT 参与。
6.商业智能BI直连不喷鼻香吗？直接连接数据源不就可以做剖析，不须要数据仓库。
首先简要纠正一下对付这些问题的理解。
1.商业智能 BI 便是报表可视化，便是一堆可视化图表，BI 便是前端可视化。
商业智能 BI 是一套完全的有数据仓库、数据剖析、数据报表等组成的数据技能类的办理方案，在一个 BI 项目中，20% 的韶光做前端剖析报表，80% 的韶光都在底层数据仓库的设计、ETL 的开拓、取数开拓等事情。
可视化报表 - 派可数据商业智能BI可视化剖析平台
以是可视化报表只是商业智能 BI 的终极呈现，但不是 商业智能BI 的全部。
2.商业智能 BI 便是一个拖沓拽的剖析工具产品。
拖沓拽的可视化剖析工具准确来讲只能办理 商业智能BI 的一部分，即可视化剖析。但实在 商业智能BI 所包括的技能范围还是比较广的，涉及到从底层数据取数到前端展现剖析的各个方面。以微软为例，早在 SQL Server 2005 的时候就可以看到完全的 Integration Service（ SSIS ）、Reporting Service （ SSRS ）、Analysis Service （ SSAS ），这三个做事加上 SQL Server 自身构成了微软的商业智能 BI 办理方案。（ SQL Server 2000 的 DTS 不知道还有多少人记得 ）Reporting - 可视化展现只是 商业智能BI 办理方案的一部分。
SSIS 是办理什么的 - ETL 工具，Extraction 抽取 - Transformation 转换 - Loading 加载，做全体 ETL 的可视化设计、包的管理、ETL 包调度管理，包含了 Package - Control Flow - Data Flow 做全体数据抽取的管理。数据仓库 DW 的分层设计，例如 ODS / Staging 层、Dimension 层、Fact 层（ 从 DW 到 DM ）层的逻辑表数据抽取也都是可以放到 SSIS 中完成的。
我之前便是微软 商业智能BI 技能线的，早些年的时候积累过不少的 商业智能BI 技能博客 - BIWORK 的技能博客
SSRS 是办理什么的 - Reporting 报表展现，当初的报表展现比较薄弱。在 2012 Windows 8 Metro UI 设计刚出来的时候，我们在 SSRS 中借鉴了 Metro UI 的样式，算是比较前卫和惊艳的了。
客不雅观来讲，很多国内外报表工具都借鉴过 SSRS 的数据集模式（ 写一条 SQL 查询或者存储过程返回一个查询的结果绑定到一个数据集 Dataset 中，图表与数据集绑定，图表的字段引用自数据集 ），但这种办法也有它的限定利用场景或者利用条件，后面会陆续讲到这个问题。
SSAS 是办理什么的 - 空间换韶光的多维剖析实现，OLAP、CUBE 立方体。例如在剖析报表中多个维度 ( Dimension ) 可以和多个度量（ Measure ) 组合，以韶光、区域、产品三个维度和发卖收入这个度量为例子，在用户打开一个报表，根据报表的字段可能组合的查询便是：
SELECT 韶光，
区域，
产品，
SUM ( 发卖收入 ）AS 收入
FROM 事实表 JOIN 韶光维度表 ON XXXXX
JOIN 区域维度表 ON XXXXX
JOIN 产品维度表 ON XXXXX
GROUP BY 韶光、区域、产品
有可能是这样的一个查询
SELECT 韶光，
区域，
SUM ( 发卖收入 ）AS 收入
FROM 事实表 JOIN 韶光维度表 ON XXXXX
JOIN 区域维度表 ON XXXXX
GROUP BY 韶光、区域
当底层数据表数据量过大、聚合查询和繁芜，各种维度和事实度量组合的 SQL 查询大量的发往数据仓库查询，这种查询效率可能会变得非常的差，由于数据查询 SQL 本身就可能须要实行很永劫光，还不算返回到前端报表的中间数据传输过程、前端报表的渲染韶光等等，以是通过 SSAS 实现一个 CUBE 立方体，实质便是相称于把各种维度和度量的这种聚合查询（ 各种聚合函数，可以选择 ） SQL 给提前实行了，末了将各种维度和度量 SQL 查询的值提前存储起来。前端报表连接到 CUBE 中直策应用估量算好的值就可以了，而不再须要通过 SQL 到数据仓库层查询，这便是空间换韶光的事理。
讲到这里解释了一个什么问题，便是一套完全的 商业智能BI 实际上包括的有很多东西，有底层数据处理的 ETL 过程，也有前端可视化剖析报表的。
在 ETL 工具层面：微软 SSIS、Informatica、IBM DataStage、Pentaho、Kettle、DataWatch 等等。
在 报表 Reporting 工具层面：早期的微软 SSRS、IBM Cognos、Oracle BIEE、SAP BO 等等。
纯挚的拖沓拽的 BI 可视化剖析工具严格来讲只能定位于个人和部门级的 商业智能BI 剖析工具，由于纯挚的上一个 商业智能BI 剖析工具办理不了 商业智能BI 的全部，也代替不了 商业智能BI 的全部。
3.以前也总有人说商业智能BI便是业务驱动，商业智能BI便是 BI，跟数据仓库没有关系。
有了 商业智能BI 就不须要数据仓库建模，业务职员就可以自己做 商业智能BI 剖析，就可以拖沓拽做 商业智能BI 剖析，，不须要 IT 职员支撑，敏捷 商业智能BI 不须要 IT 参与，不须要建数据仓库，我以前有段韶光也是这么认为的。但是再沉淀了一段韶光，对这种方法论进行过一段韶光的追踪，末了创造实在是存在很大问题的。
管理驾驶舱 - 派可数据商业智能BI可视化剖析平台
但凡有任何 商业智能BI 的发卖或者售前见告用户，你们企业的 商业智能BI 项目不须要构建数据仓库，直接通过 商业智能BI 剖析工具拖沓拽就可以搞定企业里面所有的剖析，不须要 IT 职员支撑，业务职员完备可以自己搞定... 类似于敢这样承诺的，要么是对 商业智能BI 不懂，要么便是真忽悠。
在企业级的 商业智能BI 项目培植中，真正能做到完备靠业务职员大略拖沓拽一些就能随便实现数据可视化剖析，至少在我个人从业的十几年事情履历中，95%以上的企业都做不到。我做事过的重点企业包括：SHP（ Security Health Plan )、微软（中国）、微软（美国）、VWFC（ 大众金融 ）等。
VWFC 做的算是非常不错的，少有的业务职员自己动手做很多报表，线上跑了几千张报表。为什么？ 由于底层数据仓库就搭建了很多年，底层数据架构相比拟较规范。Business Driven 业务驱动，它的条件是什么？
1） 底层数据质量很规范，数据仓库架构很完全，不让业务职员碰底层数据，ETL、取数、指标打算等等统统都是 IT 部门来掩护。
2） 业务职员通过培训要闇练节制商业智能BI前端报表工具的利用，要很懂放出来的数据剖析模型接口。
3） 业务职员要非常熟习业务和数据。
第 2）和第 3）条很多企业没有问题，第 1）条直接弄个前端 商业智能BI 工具让业务职员办理，能办理掉吗？ 很显然业务职员是不具备这种能力的。
这便是一到培训的时候，商业智能BI工具利用起来很大略，但是一旦到实际的企业 商业智能BI 项目开拓就创造寸步难行。由于培训的时候，给出的数据表都是经由选择的，永久都是质量很高的、规范的只须要大略左表连右表例如发卖订单表、订单明细表，自然很随意马虎把可视化报表给实现出来。
数据可视化 - 派可数据商业智能BI可视化剖析平台
但是在实际企业 商业智能BI 项目剖析中，剖析指标的打算规则绝非大略几张表关联就可以办理的，不信的话可以寻衅一下一个实际的指标打算逻辑：寻衅一个 ETL 数据洗濯的小案例 在数据库中就一张数据表，数据理解起来也很大略，但很多 商业智能BI 开拓职员做起来也须要废很大的精力，就更别谈业务职员自助 商业智能BI 剖析了。
讲这么多不是为了一味否定自助式 商业智能BI 它的浸染和能力，自助式 商业智能BI 有它的利用场景，也确实帮助我们简化了很多的 BI 事情，但从专业角度出发，特殊反感是部分商业智能BI 厂商以一种不负任务的办法反复向市场强化类似于这样的观点：商业智能BI 便是可视化报表、商业智能BI 不须要数据仓库建模、传统数据仓库建模很掉队、商业智能BI 便是自助剖析、商业智能BI 自助剖析很大略、业务用户大略几天培训就可以学会并且想怎么剖析就怎么剖析...
从市场宣扬和发卖的角度来说，简化产品的繁芜度和上手难度的宣扬是没有问题的，有问题的因此一种缺点的讲解、不专业的讲解终极误导企业接管了这些禁绝确的观点，并以这些禁绝确的观点来评估与方案 商业智能BI 项目的培植，没有充分估量到 商业智能BI 项目培植过程中可能会碰着的寻衅与风险，末了导致项目的不堪利与失落败、反复培植。
我们在北京就有一个客户之前花了一百多万上了一套所谓的 商业智能BI 项目，项目上线了一年旁边，到末了完备推不动，失落败了。后续找到派可数据，我们给他们上了派可数据商业智能BI剖析平台，这个项目我们连续做了好几期，客户还写了感谢信。之前为什么推不动、项目会失落败：不重视数据仓库的方案。由于他们的业务是连续的、变动的，每年的需求都是须要动态调度的，数据持续增加，剖析的深度和广度都是在不断变革，没有一个好的底层数据架构来支撑，光靠 SQL 取数、建数据集出报表的形式是不可能支撑一家企业未来 3-5 年乃至更长远的业务剖析需求变革的。
除了这个案例之外，在我的手机上有很多之前上过 商业智能BI 终极失落败、没有做好，找过来谈天吐槽的记录，是真的产品不好吗？我也客不雅观的帮助他们剖析过：这些产品本身有的是 Gartner 魔力征象 Leader 象限的产品，你说产品行弗成？ 有的产品是海内商业智能 BI 领域很多年的老品牌，你说产品行弗成？ 客不雅观来讲，这些产品从我个人角度来说，这些产品实在都很精良，产品本身是没有太大问题的。
问题在于，这么多从零到一须要上 商业智能BI 的企业不知道一个 商业智能BI 项目中原来还有那么多坑，很多 商业智能BI 厂商会不会去把这些点给企业客户讲清楚，一个 商业智能BI 项目到底怎么干、中间有什么样的风险、往后还会碰着什么样的问题、该当怎么办理这些问题、有什么样的方法论和手段... 如果只是为了卖一套 商业智能BI 产品或者工具，你以为这些 商业智能BI 发卖会跟客户讲这些东西吗？ 不会的，至少不会讲的太深太全，由于这么一讲把 商业智能BI 难度讲太繁芜了，一旦没有讲好，反而降落了客户的信赖。
有的时候不讲，是由于怕讲繁芜了，让企业客户决策周期拉的太长了。有的时候不讲，是由于不懂。你不讲，客户不知道，客户也没有履历，后续商业智能BI项目培植就会出问题。
数据可视化 - 派可数据商业智能BI可视化剖析
在一次大会上，某商业智能BI厂商一位高等售前技能专家在跟客户互换时说过的一句话：商业智能BI直连不喷鼻香吗？直接连接数据源不就可以做剖析，不须要数据仓库。无知者无畏，实在听不下去，就打断直接沟通了一下。通过沟通，可以判断这个所谓的技能专家基本上没有做过完全的 商业智能BI 项目履历，从零到一搭建一个 商业智能BI 项目的能力即是零。以这样的一种能力跟客户来勾引一个 商业智能BI 项目，这种 商业智能BI 项目的质量能有担保吗，很难的。
这也便是我们派可数据、我个人做视频号《吕品聊数据》的缘故原由，客不雅观的讲讲 商业智能BI、客不雅观的讲讲数据，遍及一下我们认为精确的 商业智能BI 知识和观点。见告我们广大的 商业智能BI 用户，商业智能BI 到底该当怎么理解、怎么认知，商业智能BI 到底有什么样的坑须要我们的企业把稳。
我们不能说我们派可数据在 商业智能BI 领域讲的知识和观点就一定是放之四海而皆准的，但是我们欢迎任何 商业智能BI 厂商或者任何 BI 个人爱好者就 商业智能BI 的一些知识和观点来向我们寻衅，来看看派可数据所遍及的一些 商业智能BI 知识观点到底对不对。如果遍及的对，解释这些问题大家确实都碰到了，这些知识和观点对付企业而言便是难得的履历。如果遍及的不对，不对又是在什么地方，指出来大家一起看看，一起磋商一下，我们还可以为企业做些什么。
08、报表工具是怎么来的？
这十几年我一贯在技能领域、信息化领域、商业智能BI 行业，一贯没有出这个圈。做过 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技能开拓，业务软件系统平台开拓。
早期前端技能很弱，AJAX 的实现也都须要手写，要实现一个表单内数据的点击编辑和修正须要自己用 JS DOM 操作。做报表基本上便是 JSP、ASP 脚本措辞在前端嵌套 HTML 做循环输出，报表样式很原生很丑陋，轻微繁芜一点的表格报表样式都须要用 JS 来调度。
那个时候用过的报表像 Crystal Report 水晶报表、润乾报表等等，在前端脚本措辞中有标签直接可以引用，报表天生代替了大量的手写代码。早期的前后端技能是不分家的，http://ASP.NET 还轻微好一些，前端逐步有一些集成控件可以直策应用，JAVA 是真没有。上面说到的这个阶段大概在什么时候呢，2005年前后，2007年我以为已经利用的很广泛了，老的 CSDN 上该当还能找到很多原始的报表标签帖子。
像老一批报表还有像金峰报表 Jreport、思达报表 StyleReport 等等在海内也有一定的市场。早在 2010 年之前，有些报表厂商的收入规模就已经打破了一个亿，解释根本报表这个市场还是非常不错的。
那个时候的报表定位是什么，便是纯粹的 Report 报表，通过程序从后台数据库中查询返回的数据聚合 List 再到前端脚本页面上绑定一下就天生了各种报表，实际上便是用在各个业务软件系统之中的报表展示，还远远没有到 商业智能BI剖析这个层面。
并且还有大量的软件开拓厂商实际上已经具备了很强的报表能力，不过这些报表能力并没有单独拿出来作为报表产品在市情上运营而已。
逐步的，随着前端技能、前端框架的完善，从传统表格技能开始到了各种柱状图、条形图、饼状图的可视化展示，到了这个阶段，报表和商业智能BI的边界越来越模糊。为什么？商业智能BI的报表展现能力也就和传统报表效果大致相称，还没有涌现那种自助剖析、自助拖沓拽就可以实现快速多维剖析的能力。
讲这么多紧张想说的是我们所看到的很多商业智能BI项目都是拿报表思维去实现的，便是 SQL 到数据集到前端展现。而真正的商业智能BI思维该当是什么呢？ 多维思维、模型思维，这一点决定了一个 商业智能BI 项目的终极走向，后面会详细讲到这些点。
09、商业智能BI的实质 - 企业业务管理思维的落地
商业智能BI的实质 - 派可数据商业智能BI可视化剖析平台
商业智能 BI 到底是什么？技能？产品？还是其它？我们把对付 BI 的理解再提升一个层次：商业智能 BI 是一家企业业务和管理思维的落地。这个怎么来理解呢？大略来说，便是在可视化报表上呈现的内容便是一家企业真正关注的内容，这里面有管理高层重点关注的企业经营性的剖析指标，也有某详细部门的。
10、商业智能BI 和数据仓库 Data Warehouse 有什么差异和联系？
常常会碰到有人问商业智能BI和数据仓库有什么差异，实际上这个问题的背后能反响出来一些朋友对商业智能BI的理解还是有些不准确和偏差，这个问题实际上从观点上把BI和数据仓库人为的割裂了。这种情形实在也比较正常，由于大家对商业智能BI的第一印象便是各种炫酷的可视化图表、报表，再加上市情上有很多轻量的前端可视化商业智能BI剖析工具，就造成大家对BI的认知就勾留在可视化这部分了。
准确的来说，商业智能BI不仅仅包含前端可视化剖析、报表展现的能力，更包含了底层数据仓库的培植过程。Gartner 在上世纪九十年代就已经提到了商业智能 Business Intelligence，它更多的认为：BI是一种数据类的技能办理方案，将许多来自不同企业业务系统的数据提取有剖析代价的数据进行洗濯、转换和加载，便是抽取Extraction、转换 Transformation、加载Loading 的ETL过程，终极合并到一个数据仓库中，按照一定的建模办法例如Inmon 的3NF 建模、Kimball 的维度建模或者两者都有的稠浊式架构模型，终极在这个根本上再利用得当的剖析展现工具来形成各种可视化的剖析报表为企业的管理决策层供应数据决策支撑。
商业智能BI - 派可数据商业智能BI可视化剖析平台
以是，可以从这里能够看到数据仓库Data Warehouse 的位置是介于可视化报表和底层业务系统数据源之间的这一层，在全体商业智能BI项目办理方案中起到的是一个承上启下的浸染。如果把商业智能BI比作是一个人的话，上半身特殊是脸这个部分便是颜值，下半身脚踏实地吸取大地的精华，中间这部分的腰腹核心、核心力量便是数据仓库。
篮球之神乔丹不只光有颜值，滞空能力是顶尖的存在，才会在上篮的时候有各种让人惊叹的动作，能够支撑这些动作实在靠的是什么？便是乔丹的腰腹核心力量。
以是，商业智能BI在前端可视化剖析层面要玩出各种精彩的动作，没有数据仓库这个核心力量的支撑是很难做到的。
那大家也会问到，市情上不是有很多直接链接数据源就可以拖沓拽剖析的商业智能BI工具产品吗，不也一样可以做商业智能BI剖析报表吗？这种独立的、单独的面向前真个商业智能BI剖析工具，他们更多的定位是部门级和个人级的商业智能BI 剖析工具，对付深层次的须要繁芜数据处理、集成、建模等很多场景是无法办理的。最好的办法便是底层构建一套完全的数据仓库，把很多剖析模型标准化，再利用这些前端商业智能BI剖析工具结合起来，这样才能真正的把前端商业智能BI剖析能力给开释出来。
很多企业认为只要买一个前端商业智能BI剖析工具就可以办理企业级的商业智能BI所有问题，这个意见实际上也不可行的。可能在最开始剖析场景相对大略，对接数据的繁芜度不是很高的情形下这类商业智能BI剖析工具没有问题。但是在企业的商业智能BI项目培植有一个特点，是一个螺旋式上升的培植过程。由于对接的业务系统可能会越来越多，剖析的深度和广度会越来越多，数据的繁芜度也会越来越有寻衅性，这个时候没有一个很好的数据仓库架构支撑，光靠前端BI剖析工具基本上是无法搞定的。
数据仓库 - 派可数据商业智能BI可视化剖析平台
就像去中药店抓药一样，之以是抓药很快，是由于在抓药前，别人已经把各种原生的中药材（原始数据源的数据）分门别类清理干净放好了，这样想怎么搭配药材（维度指标组合的可视化）就很快了。
这样的企业在海内有很多，也是由于对商业智能BI理解的深度不足导致了在商业智能BI项目培植上一些方向性的缺点，末了导致商业智能BI项目很难连续推进。
以是在企业中，我们须要明确我们的商业智能BI培植是面向企业级的还是个人和部门的剖析事情。如果是个人数据剖析师，利用这类前端商业智能BI剖析工具就足够了。如果是须要构建一个企业级的商业智能BI项目，就不能只关注前端可视化剖析能力这个层面，更该当关注到底层数据架构的构建，也便是数据仓库这个层面。
11、数据仓库的建模方法论 Kimball vs Inmon 以及稠浊架构
数据仓库建模时商业智能BI项目培植中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的维度建模都是 商业智能BI 数据仓库建模的方法论，这两种商业智能BI建模的办法有什么差异和联系。
12、实际开展一个 BI 项目的时候对付需求的落地的方法论
商业智能BI是一个完备需求驱动的，既然是需求就须要做访谈和调研。
13、什么样的企业该当要上商业智能 BI 了？
什么样的企业适宜上商业智能BI？看业务根本信息化程度和日常业务管理的细致程度和颗粒度。业务根本信息化程度便是企业自身的IT业务系统根本培植，没有业务系统的支撑，做商业智能BI就缺少数据根本；第二便是业务管理的颗粒度，企业自身业务管理程度是不是比较细致了，急需通过商业智能BI来提升业务管理、决策支撑的效率。
14、如何高效的给高层领导做 BI 数据剖析申报请示总结
做完商业智能BI项目，还要考虑终极如何跟老板申报请示的问题，节制商业智能BI数据剖析思维框架和申报请示的五个重点：用户业务层次与范围、事情成果、操持实行复盘、问题反馈、展望方案与愿景。
15、商业智能BI与企业经营管理的结合度
商业智能BI剖析跟企业的经营管理剖析高度结合，ROE 高的企业有可能是利润高像茅台、珠宝行业，有可能是周转快比如像零售行业，也有可能是融资能力比较强会利用杠杆，从ROE 归因剖析看行业特点。
16、商业智能BI项目行业和业务知识的积累
做商业智能BI还必须熟习行业和业务知识，不结合行业业务知识，商业智能BI的项目是很难落地的。
17、关于商业智能 BI 实时性处理的话题
商业智能BI 对数据的处理存在一定的滞后性，常日采取T+1模式，紧张缘故原由是ETL数据处理过程是须要有大量的韶光损耗，常日是采取空间换韶光的办法。
将以前按照商业智能BI 数据仓库分层的ETL调度设计成可按单独指标并自动探求依赖的调度就大大的增加了对个别指标调度和准实时处理的灵巧性。
离线数据与实时处理针对的业务场景不同，背后的技能办法实现不同，资源投入也不同，理解它们之间的定位差异有助于选择得当的方案以最小的资源投入达到企业既定完成商业智能BI 项目培植目标。
移动BI_ERP数据剖析_自助敏捷BI剖析_数据可视化剖析系统-派可数据
