商业智能 - 快速指南

商业智能 - 简介

商业智能是一系列程序、机制和技术的集合，这些程序、机制和技术将原始数据转换为有意义的信息，从而推动具有成本效益的业务服务。它是一套软件和服务的集合，用于将数据转换为可操作的情报和认知。

BI 对组织的方法以及战术和运营业务决策产生巨大影响。BI 通过使用历史数据而不是假设和直觉来支持基于事实的决策制定。

BI 工具实现数据分析并创建文档、摘要、仪表板、地图、图形和图表，以帮助用户详细了解业务特征。

商业智能是许多组织用来更好地了解其用户群和行业的众多动态工具之一。它定义了业务方法，其中原始信息被转换为支持决策制定的有用数据。

商业智能拥有广泛的软件，如果谈论商业智能在零售领域的优势，目前的商业智能工具允许组织利用信息，不仅可以考虑当前的销售额，还可以估计未来的潜力、模式、趋势，并在更深层次上了解用户的需求。

BI 有助于使数据易于访问和理解，以便决策者能够做出明智的选择。此持续流程旨在高效且可扩展，确保企业拥有所需的洞察力来提高绩效并实现其目标。

BI 的创建是为了帮助企业克服“垃圾进，垃圾出”的问题，这种问题发生在数据分析基于不准确或不完整的信息时。

商业智能目标

商业智能的主要目标是通过确保信息易于访问、理解和安全来使业务有效运作。首先使用直观的工具清晰地呈现准确和最新的数据，以便用户能够做出更好的决策。数据应来自可靠的来源，并且只能供需要的人员访问。

传统 BI 与现代 BI

以下是一些比较，以突出它们的关键区别：

传统 BI	现代 BI
传统 BI 通常依赖 IT 团队访问数据，这使得业务用户难以获得所需的结果。	现代 BI 通过为业务用户提供数据访问权限以及他们所需工具（尤其是 AI 工具）来简化操作，以便他们快速获得所需的结果。
在传统 BI 中，业务用户通常必须等待报告，这意味着他们收到信息时信息可能已过时。	使用现代 BI，业务用户可以随时访问准确、最新的信息。
传统 BI 耗时且涉及延迟。	现代 BI 允许快速访问数据。
传统 BI 通常会导致数据使用不一致，这可能导致混淆和错误。	现代 BI 确保数据使用一致，以便每个人都能访问相同可靠的信息。
传统 BI 平台主要侧重于为用户提供详细的历史报告和用户友好的临时分析工具。	现代 BI 侧重于实时数据分析和用于深入洞察和预测分析的先进工具。
传统 BI 通常需要从特定位置或设备访问，这使得在旅途中获取数据变得更加困难。	现代 BI 使您的团队可以轻松地从任何地方、任何设备访问数据和见解。

商业智能方法

商业智能的方法如下：

1. 数据分析可视化

数据分析可视化是关于如何可视化数据。它在仪表板上呈现记录，并使用与业务相关的自定义指标，以便根据事实做出更好的决策。

2. 报告

商业智能工具用于从所有来源收集信息并对其进行处理，以便能够进行更好的报告和理性的财务决策。

3. 预测分析

预测分析是如何了解一项行动将如何发挥作用。事实上，你并不能完全了解，即使你学习了也并非百分百准确。但是，借助商业智能，它可以做出基于证据的决策来进一步推动业务发展。商业智能使我们能够对当前趋势和影响组织整体发展的用户行为做出合理的预测。

4. 数据挖掘

数据挖掘是一种计算机支持的技术，用于揭示数据实体之间以前未知或未被注意到的关系。数据挖掘是通过使用模式识别技术（如统计和数值方法）共享存储在仓库中的大量数据来发现有用的新关联、模式和趋势的过程。

BI 工具和软件类型

BI 工具是软件程序，有助于从不同来源收集、处理和分析大量数据，这些软件将这些数据转换为有价值的信息，使企业更容易理解和使用这些数据进行决策。

以下是不同的 BI 软件和解决方案：

电子表格 - 在此软件中，用户输入、存储、编辑、组织、计算和可视化数据。

示例 - MS Excel、Google Sheets 等。
OLAP - OLAP 代表联机分析处理。OLAP 解决方案允许用户通过以多维格式存储数据来从不同角度查看和分析数据。
数据可视化 - 它帮助我们将数据表示为图表、图形、绘图、地图等。

示例 - Tableau Desktop、Power BI Desktop 等。
数据挖掘 - 在业务中，我们处理大量数据。为了搜索和分析这些数据以找到有价值的见解，我们使用数据挖掘。

示例 - Knime、RapidMiner 等。
数据库 - 数据库存储大量数据。有各种类型的数据库，例如关系数据库、NoSQL 数据库和分布式数据库。

示例
- 关系数据库 - Oracle DB、SQL Server、PostgreSQL。
- NoSQL 数据库 - MongoDB、Cassandra。
ETL 工具 - ETL 代表提取、转换和加载。它是一个用于数据集成的方法。它涉及提取数据、转换数据并将其加载到目标中。

示例 - Informatica、Ab Initio、IBM DataStage 等。
项目管理工具 - JIRA 软件、MS Project、MS Excel。
数据建模工具 - Oracle Data Modeler、Toad Data Modeler
报表和分析 - MicroStrategy、SAP BusinessObjects Business Intelligence。

商业智能 - 历史

如今，商业智能 (BI) 在几乎所有主要公司和利益相关者的战略规划中都发挥着非常重要的作用。

然而，在早期，BI 的概念相当模糊。直到数年后，随着对数据驱动决策和竞争优势的需求不断增长，BI 的重要性才得到充分认识。如今，我们都能看到 BI 工具和技术的持续改进，使其成为现代商业战略的关键组成部分。

商业智能的起源 (1800 年代)

商业智能的概念最早由理查德·米勒·德文斯在他的1865年出版的书籍《商业与商业轶事百科全书》中提出。

他以亨利·弗内斯爵士（一位成功的银行家）为例，表明依赖数据和事实证据比依赖直觉做出商业决策更有效。后来，其他人也认识到使用信息的重要性，并且这一理念随后被其他人进一步发展，他们看到了使用信息的好处。

1800 年代的最后十年

第一个正式的商业分析系统是由弗雷德里克·泰勒于1800 年代的最后十年在美国引入的。他的科学管理方法始于时间研究，该研究检查了生产方法和工人的动作。此分析旨在识别效率低下并优化流程，从而提高生产力和改善工业产出。

计算机如何彻底改变商业智能？

以下是关于技术革命如何改变商业智能的更详细的介绍：

计算机和早期 DSS (1950-1960)

让我们从商业智能的第一个数字时代开始，在这个时代，我们开始从纸质转向计算机。在20 世纪 50 年代和60 年代，计算机的引入开始改变企业处理数据的方式。最初，这些早期系统主要用于处理交易。但到20 世纪 60 年代初，企业开始开发第一个决策支持系统 (DSS)，这使他们能够使用数据分析做出更明智的决策，而不是依赖直觉。这一时期标志着企业转向数据驱动决策的开始。

数据管理和商业智能的兴起 (1970-1980)

在 20 世纪 70 年代，埃德加·F·科德引入了关系数据库模型，改变了数据存储和访问的方式。然后，SQL 后来得到开发，使数据管理更加容易。

在 20 世纪 80 年代，商业智能随着新的工具（如决策支持系统 (DSS) 和执行信息系统 (EIS)）的出现而发展壮大。到 1989 年，霍华德·德雷斯纳将“商业智能”定义为通过数据分析改进业务决策的一种方式。

BI 工具的演变 (1990-2000)：数据仓库、OLAP 和自助服务

随着商业智能 (BI) 技术的进步，它改变了公司处理数据的方式。

在 20 世纪 90 年代，BI 软件帮助公司更好地分析数据，数据仓库变得流行起来，用于存储大量信息，但该技术很复杂。到 20 世纪 90 年代后期，OLAP 工具允许进行详细的数据分析。

在 21 世纪初，BI 工具变得更加用户友好，并与 ERP 和 CRM 等系统集成。自助服务 BI 也应运而生，允许用户执行自己的分析。到 2005 年，“大数据”成为一个关键概念，导致了旨在处理更大、更复杂数据的工具的出现。

人工智能和机器学习时代的商业智能 (2010-2020)

随着技术的不断发展，商业智能 (BI) 也在不断发展。在 2010 年代，BI 开始利用大数据和云工具（如 Tableau 和 Power BI），使您更容易掌握复杂数据。然后，我们将进入 2020 年代，即人工智能和机器学习时代。人工智能和机器学习被引入，提供了实时洞察并自动化决策。如今，BI 侧重于实时分析和预测工具，帮助您做出更明智的业务决策。

商业智能的主要用途

假设您是企业主、企业家或管理团队的一员。在这种情况下，本章将为您提供一个坚实的理解，说明您的业务或部门为什么真正需要商业智能。

商业智能的用途

商业智能主要有三种用途：

决策制定
业务绩效管理
寻找商业机会和识别问题

1. 决策制定

在此背景下，决策制定是指商业智能为决策者（例如管理者）提供的支持。它通过提供有价值的信息和见解，帮助他们在战略、战术和运营各个层面做出明智的商业决策。

战略

示例− 我们应该将长期产出投资于哪个产品？

战术

示例− 为满足年度目标，我们应该重复哪种促销活动？

运营

示例− 我们周末应该招聘多少兼职员工？

2. 业务绩效管理

商业智能的第二个主要用途是业务绩效管理。每个成功的公司都有不同级别的管理人员，他们密切监控其各个部门的绩效。持续监控使他们能够及时了解业务状况，并确保绩效符合其目标以及管理层设定的更普遍的期望，包括SLA和目标。

BI 支持业务绩效管理的两个方面：

了解业务中正在发生的事情。
跟踪绩效是否符合既定的目标和指标。

3. 寻找商业机会和识别问题

使用 BI 寻找商业机会识别问题的第三个也是最后一个最重要的部分。BI 的第三个关键用途是主动发现机会并识别可能被忽视的问题。这涉及到带着特定的问题分析数据，或在没有特定关注点的情况下探索数据，旨在发现隐藏的见解和潜在问题。

支持商业智能用途的过程

支持 BI 主要用途的三个主要过程是：

BI 报表
商业分析
数据挖掘

1. BI 报表

BI 报表涉及创建、开发和交付 BI 报表给决策者。这些报表通过将数据汇总成包含 KPI、业务指标、图表、表格等的信息，提供对业务的清晰简洁的概述。它们允许对数据进行多维视图，使其更易于理解和分析。

2. 商业分析

商业分析是支持 BI 主要用途的最重要的过程之一。分析可能令人困惑，因为 BI、数据分析和商业分析等许多术语看起来很相似。虽然这些术语经常互换使用，但分析通常指的是商业分析或数据分析。

在 BI 中，分析侧重于通过数据分析得出见解，分为描述性（分解数据以查看细节）、预测性（预测未来趋势）和规范性（建议最佳行动）类型。COVID-19 仪表板示例说明了描述性和预测性分析。因此，最终我们可以说，在了解分析时，检查信息的可靠性非常重要。

3. 数据挖掘

数据挖掘是关于在大量数据中查找有价值的信息，而这些信息并不容易立即发现。这很重要，因为有时业务用户不会想到要问的所有问题，并且可能会遗漏一些细节。其目的是寻找不明显的模式、趋势和关联。数据挖掘不是从特定的问题开始，而是探索数据以发现新的见解并找出如何有效地使用它们。

为什么商业智能很重要？

在 90 年代后期市场上出现技术之后，商业智能变得必不可少，尤其对于大型公司而言，而对于中小型公司来说，拥有商业智能也是一件好事。

降低成本和基于云的解决方案
开源和免费软件
成功实施的证明

商业智能 - 概念

商业智能是一个将不同领域的想法整合在一起的概念。是否在商业智能中使用某个想法取决于具体的需要和可用资源。

商业智能中一些常用的概念包括：

数据仓库

数据仓库是一种数据存储库，其中来自各种来源的数据被整合、组织和版本化。这种组织使其更易于用于报表和分析。

数据集市

数据集市可以是数据仓库中的一个构建块，也可以是从数据仓库中提取的一个较小的部分。例如，虽然数据仓库包含公司所有数据，但数据集市可能专注于特定领域，例如销售或财务。这种设置允许不同部门快速访问他们需要的信息，从而使数据分析更轻松、更高效。

数据湖

数据湖是一个大型存储系统，旨在存储各种类型的数据，通常以其原始形式存储。它允许授权用户访问和分析这些数据以用于不同目的。与传统数据库不同，数据湖可以存储结构化数据（如表格）和非结构化数据（如文本或图像），使其成为管理不同信息的实用工具。由于这种灵活性，组织可以收集和使用来自多个来源的数据，而无需首先对其进行处理。

数据金库

数据金库是一种设计和管理数据仓库的方式，使存储和访问来自不同来源的数据变得容易。它有助于创建灵活且可扩展的系统，以便您可以处理随时间推移的变化和更新。

ODS

ODS代表运营数据存储。ODS 指运营数据存储，一个用于运营报表和管理日常业务活动的系统。与数据仓库一样，它包含集成的主题相关数据，但与数据仓库不同，ODS 只存储当前数据，而不保留历史记录。这使其非常适合实时报表，提供对最新信息的快速访问。例如，公司可以使用 ODS 跟踪每日销售额或监控当前库存水平。

ETL

ETL代表提取、转换和加载。ETL 是从文件、数据库或网站等来源提取数据，根据业务和技术规则对其进行转换，然后将其加载到目标数据存储的过程。虽然通常与数据仓库和商业智能相关联，但 ETL 也经常用于数据迁移和集成。此过程确保数据已做好充分准备并组织好，以便在各种系统或应用程序中使用。

数据集成

事务系统存储特定于每个应用程序的数据，例如针对店内购买、在线销售和员工信息的单独数据库。为了回答需要来自多个来源的数据的复杂问题，需要将这些数据集成到数据仓库中。集成涉及组合和对齐数据，解决不一致性并使其兼容，以便进行准确的分析和对业务的统一视图。

机器学习

机器学习是人工智能的一个子集，它使系统能够从数据中学习、识别模式并自行做出预测。这些模型使用现有数据构建，可以在引入新数据时调整和改进其预测。

许多商业智能 (BI) 工具现在使用机器学习来帮助用户更轻松地发现见解和分析数据。您无需成为数据科学家即可使用这些功能，因为它们通常带有简单的拖放或点击选项。BI 中的机器学习有助于自动化见解生成，并使高级数据分析更容易获得。

数据挖掘

数据挖掘意味着在没有特定问题的情况下浏览大量数据。其目的是寻找有趣的模式、趋势和关联。然后，分析师将他们发现的内容展示给业务领导者，后者会找出如何使用这些见解。这很有用，因为它可以揭示可能不会通过直接问题提出的重要细节。

有时，该过程不会揭示新的见解，但如果确实如此，则可以帮助改进营销策略以减少客户流失。如果结果成本过高或回报不足，则可能会将该想法搁置以供进一步分析。数据挖掘与报表和分析一起，帮助企业获得更好的理解并做出明智的决策。

商业智能 - 架构

商业智能 (BI) 架构本质上是 BI 解决方案中所有组件的正确排列，旨在满足企业或组织的独特需求。当我们谈论 BI 中的架构图时，它就像一张地图，直观地显示了 BI 解决方案的所有部分以及它们如何协同工作。这些图表可以很简单，只提供一个总体概念，也可以非常详细，显示特定的工具和组件。有时它们会根据需要理解的人混合使用这两种方法。

由于每个组织都有自己的一套 BI 需求，因此他们部署的 BI 架构会有所不同。一些企业可能会从基本设置开始，并在其需求扩展时逐渐构建。

这些组件是根据特定需求、预算和可用工具选择的。例如，如果一个组织不需要历史数据，并且其数据源可以处理分析查询，则可能不需要像数据仓库这样的额外数据存储库。

BI 架构没有一刀切的方法。对一个组织有效的方法可能对另一个组织无效。

在查看 BI 架构示例时，务必记住，这些图表仅为示例。它们不一定是最佳实践或全面的解决方案。相反，它们展示了 BI 架构如何根据业务需求从简单到复杂。

架构类别

这些架构通常分为两类：

就地 BI 架构− 在数据驻留的位置分析数据。
基于数据存储库的 BI 架构− 将数据移动到中央存储库进行分析。

架构 1

在此架构中，只有一个数据源，并且数据源以静态报表的形式将数据提供给下一步，即报表和分析平台。

一个**报表和分析平台 (RAP)** 提供了更强大的解决方案。它支持各种类型的输出，包括静态报表、精确的像素级报表、数据分析和动态可视化。

RAP 还提供多种交付报表的方式，例如通过电子邮件、FTP/SFTP 或门户网站。它还包括基于角色的访问控制功能，以确保合适的人员查看合适的数据，并提供专为开发人员和最终用户设计的不同工具。

示例

销售团队可能会收到一份包含销售数据的每月 PDF 报表，而数据分析师可以使用 RAP 创建和探索基于实时数据的自定义可视化。

架构 2

在早期的架构中，我们专注于使用单个数据源。在架构 2 中，虽然有多个数据源，但来自这些数据源的数据不会合并在一起。不同的用户可以使用相同的前端工具访问这些独立的数据源，但如果他们需要组合来自不同数据源的数据，则必须自行完成。

示例

营销团队可能会从一个数据源提取客户数据，从另一个数据源提取销售数据，并使用相同的仪表板，但他们需要手动组合这些信息以获得完整的视图。

架构 3

上面给出的 BI 架构由多个组件协同工作，将原始数据转化为有用的信息。保存运营和交易数据的核心系统称为数据源。借助数据集成工具，特别是 ETL，可以对这些数据进行清理和准备，以便进行分析。在所有数据准备就绪后，数据将保存在运营数据存储、数据湖和数据仓库中。

之后，BI 工具评估并呈现数据，以帮助用户识别模式并做出决策。信息分发工具简化了对这些数据的使用，使您可以访问实时信息和深入的视图。

在上面给出的架构中，

1. 数据源

在给定的架构中，数据源是保存运营和交易数据的系统。

示例

源系统就像公司存储其重要数据的各种位置。可以将它们想象成大型图书馆中的不同书架。

此处提到的“书架”是指保存来自不同领域的数据的书架，例如销售记录、客户详细信息、财务交易，甚至来自外部来源的数据，如市场趋势或客户调查。所有这些数据对于公司做出明智的决策都至关重要。

在选择数据源时，需要考虑数据的相关性、最新性和准确性以及详细程度。您可能还需要混合使用结构化、半结构化和非结构化等不同类型的数据，以满足高管和其他用户的需求。

2. 数据集成工具

数据集成工具用于数据分析。此处使用的数据集成技术是 ETL。

商业智能架构包括数据清洗和数据分析，这两者都用于识别数据质量问题并修复它们。

此外，BI 架构还包括数据清洗和数据分析，这两者对于识别和解决数据质量问题至关重要。例如，数据清洗可能涉及删除重复项或更正数据中的错误，而数据分析有助于了解数据的结构和内容。这些过程共同确保用于分析的数据准确可靠，从而做出更好的业务决策。

3. 数据存储系统

存储系统是存储和管理 BI 数据的系统。主要存储是**数据仓库**，它以不同格式（如关系型或多维数据库）保存结构化数据。这使得搜索和分析数据变得容易。对于更具体的需要，部门或业务单元可以使用连接到主数据仓库的较小的**数据集市**。

现在，在数据进入数据仓库之前，它通常会先经过运营数据存储 (ODS)。可以将 ODS 视为数据的临时中转站，也可以在这里快速分析数据，特别是最近的交易。

最后，我们可以说还有数据湖，通常在 Hadoop 等平台上运行。数据湖是存储所有类型原始数据的地方。这些原始数据可以直接在数据湖中进行分析，或者进行筛选后再加载到数据仓库中进行更深入的分析。

4. BI 工具

BI 工具帮助企业以多种方式理解其数据。它们允许您运行自定义查询、通过挖掘深入了解数据并执行详细分析。关键功能之一是**OLAP（联机分析处理）**，它允许用户从各个角度快速浏览数据。

借助自助式 BI 工具，分析师和经理现在可以运行自己的查询并创建报表，而无需 BI 团队的帮助。这些工具还带有数据可视化功能（如图表和图形），这使得轻松发现数据中的趋势和模式变得轻而易举。

5. 用户

BI 中的信息交付工具使用户可以轻松查看和交互分析结果。它们通常包括可视化和自助选项，以进行更深入的分析。例如，BI 仪表板和在线门户提供实时数据和可自定义的视图，允许用户浏览详细信息，而传统报表则以固定格式呈现数据。

除了这些工具之外，BI 系统通常还具有数据准备软件，用于组织数据以进行分析。它们还提供元数据存储库、业务术语表和数据目录等工具，以帮助用户查找相关数据并了解其上下文和来源。

商业智能 (BI) 的类型

在本章中，我们将向您介绍各种类型的商业智能。阅读完本章后，您将能够了解不同类型的商业智能。

基于各种参数

基于分析的 BI 类型
基于决策的 BI 类型

基于分析的商业智能类型

基于分析，商业智能分为 3 个部分：

描述性商业智能
预测性商业智能
规范性商业智能

1. 描述性商业智能

它根据可用数据提供对已发生事件的洞察。它根据数据提供有关事件的信息。它还有助于您了解事件发生的原因。

**示例** 上周六有多少人参观了当地公园？

为什么下午的游客人数突然增加？

2. 预测性商业智能

它使用过去的数据和模式预测未来可能发生的事情。它根据数据中发现的关系来计算未知事物的价值。

**示例** 下周末预计有多少人参加社区活动？

哪些参与者最有可能从参加线下活动转向参加虚拟活动？

3. 规范性商业智能

规范性商业智能提供实现所需输出的最佳选项。

**示例** 在未来三个月内，增加 Java 课程会员注册的最佳策略是什么？

Java 项目需要多少志愿者？

基于决策的 BI 类型

战略决策
战术决策
运营决策

战略决策

在战略方法中，目标是做出明智的决策，以塑造公司的未来，例如决定专注于哪些产品或开发哪些产品以最大化长期增长和盈利能力。

**示例** 我们应该长期投资哪项服务？

我们应该在哪个地点开设这门课程？

战术决策

战术决策涉及选择特定行动以在规定的时间范围内实现既定目标。

**示例** 需要哪些促销活动才能达到年度目标？

运营决策

运营决策是指那些与业务顺利运作所需的日常决策相关的决策。确保业务有效运行所需的实际决策。

**示例** 我们应该为 Java 课程聘用多少名教师？

基于解决方案所有权的商业智能

基于解决方案所有权，商业智能分为两个部分：

自助式 BI
BIaaS

Business Intelligence based on Solution Ownership

自助式 BI

在自助式 BI 中，公司中的员工可以自行查看和分析数据，而无需 IT 或数据专家的帮助。它为他们提供了用户友好的工具（如仪表板和报表），以便他们可以快速找到业务问题所需的答案，而无需依赖他人。自助式商业智能是指 BI 提供了一个环境，在该环境中，信息工作者可以自行创建和访问特定的 BI 报表、查询和分析集，而无需 IT 干预。

BIaaS

**BIaaS** 代表**商业智能即服务**。企业正在转向商业智能即服务 (BIaaS)，这使他们能够将 BI 和分析任务外包给专家，而无需聘用更多员工。在这种设置中，供应商以订阅方式为多个客户提供完全托管的 BI 解决方案，负责所有技术工作。这样，公司就不需要内部保留 BI 团队，因为服务提供商会处理所有事务。

自助式 BI 和商业智能即服务之间的区别

阿拉伯语	自助式 BI	BI 即服务
管理	公司将负责管理和维护整个 BI 系统。	服务提供商管理和维护整个 BI 系统。
时间	部署和实施需要更长的时间。	更短的实施和部署时间。
依赖性	对第三方提供商的依赖性低。	对第三方提供商的依赖性高。
安全性	在自助式 BI 中，数据更安全，因为它保留在公司内部。	安全性由服务提供商管理。
访问新技术	访问新技术和功能的速度可能较慢，因为公司负责管理升级和迁移。	公司可以更快地访问最新的 BI 技术和功能，服务提供商会定期更新平台。
可扩展性	由于需要额外的硬件、软件和资源，因此自助式 BI 不易扩展。	BIaaS 易于扩展，因为它完全基于云。
自定义	自管理BI提供更多控制和自定义选项，因为公司管理着系统。	BIaaS的自定义选项可能有限，具体取决于服务提供商的功能和产品。
成本	自管理BI通常具有更高的前期成本，因为需要软件、硬件和IT人员。	BIaaS的初始成本通常较低，因为它基于订阅模式，并有持续的成本用于支付服务提供商的维护和更新。

商业智能 - 实施

实施商业智能 (BI) 涉及选择合适的解决方案以满足您的特定需求和挑战。我们将仔细研究不同类型的商业智能 (BI) 解决方案，每种解决方案都旨在解决BI实施中的特定需求和挑战。

我们将讨论的BI解决方案类型基于它们的构建和部署方式 -

开箱即用型BI
敏捷BI
自助服务BI

开箱即用型BI

开箱即用型BI (OOTB BI) 解决方案预先打包了报告、仪表盘和特定应用程序（如CRM、ERP或人力资源模块）的功能。

这些解决方案安装后即可使用，与定制开发的BI相比，可为企业节省时间和精力。
例如，BMC Analytics for BSM和Oracle OOTB BI。
主要优势包括预建报告、由于供应商专业知识带来的更高可靠性以及随着相关应用程序发展而进行的自动更新。

开箱即用型BI (OOTB BI) 解决方案通过提供可在销售、财务、人力资源和ERP系统等各个领域使用的现成报告、仪表板和功能（包括Excel集成）来简化商业智能。

与可能耗时且复杂开发的定制BI解决方案不同，OOTB BI解决方案在安装后即可立即投入使用。

例如，BMC Analytics for BSM和Oracle的BI解决方案等工具附带大量预建报告和功能，节省了大量的开发时间，并通过专家设计确保了可靠性。这些报告会随着应用程序升级定期更新。

OOTB BI的优势包括

#1）快速洞察 - 通过预先设计的仪表板和报告即时访问有价值的信息。

#2）减少IT工作量 - IT处理后端管理，而用户则在私有云上享受企业和自助服务BI。

#3）适应性强 - 标准报告可以自定义以满足特定的业务需求。

#4）用户友好且可扩展 - 易于使用，并且能够随着您的数据需求而增长。

#5）面向未来 - 从基本模块开始，并与新的数据源无缝扩展。

总的来说，OOTB BI提供了一种高效、灵活的商业智能方法，提供可靠的洞察力并减少对自定义开发的需求。

自助服务BI

自助服务BI (SSBI) 曾经被BI供应商宣传为游戏规则改变者。大约在2010年，许多业务经理被引导相信SSBI将使BI团队变得不必要，使他们能够自己创建报告并分析数据，而无需等待帮助。

然而，到了2020年，很明显BI团队仍然非常需要，而且对他们的需求正在增长。那么，SSBI的承诺发生了什么变化呢？

SSBI是BI解决方案中的一套工具，它允许非IT用户（如营销或财务经理）分析数据并创建报告，而无需编写代码或依赖BI团队。此功能已成为大多数BI工具中的常见功能，并有助于企业更快地开展工作。

但是，关于SSBI仍然存在一些误解。有些人认为它可以完全由非IT团队运行，使BI团队变得不必要，不需要服务器设置，并为所有用户提供完整的数据访问权限。这些误解可能会导致对SSBI的实际功能产生混淆。

最后，虽然SSBI提供了灵活性，但很明显，BI团队在理解复杂数据方面仍然发挥着至关重要的作用。

敏捷BI

敏捷商业智能使用敏捷实践来创建BI产品和/或服务。

这种方法与传统方法（传统方法最初涉及制作流程图）相反，它并行执行小型功能，最终形成最终产品。

过去，BI解决方案通常使用瀑布模型开发，导致项目冗长而复杂，经常出现延迟、未能满足预期或被取消。这些项目通常会生成静态报告，需要更改代码并重新部署以解决新问题。

敏捷BI于2000年代后期应运而生，以解决这些问题。通过应用敏捷开发原则，敏捷BI专注于创建可扩展的模块，从而更快地获得投资回报并迅速适应业务变化。

它强调诸如自助服务BI和交互式仪表板等功能，使业务用户能够比传统方法更快、更灵活地找到问题的答案。

从本质上讲，敏捷BI为BI解决方案实施提供了一种更具响应性和效率的方法，使其成为现代企业的首选。

商业智能的应用领域

商业智能通过将数据转化为有用的信息，帮助不同行业做出更好的决策。以下是商业智能的不同应用领域 -

银行业中的商业智能

商业智能对于银行获取支持更明智决策的见解至关重要。以下是BI如何帮助银行业 -

改善银行运营 - 通过BI，银行可以跟踪关键财务指标，优化预算并监控分支机构和数字渠道的绩效。这使得更容易发现效率低下并改善整体运营。
个性化客户定位 - 通过分析客户数据（如人口统计、行为和偏好），BI帮助银行创建定制的活动和优惠。这可以提高客户满意度、忠诚度和参与度。
有效管理风险 - BI通过分析历史数据、信用评分和市场趋势，帮助银行评估客户的信用可靠性。这可以降低财务风险，并增强银行做出更安全贷款决策的能力。
实时欺诈检测 - 利用机器学习和BI工具，银行可以监控交易和账户行为是否存在可疑活动。这使他们能够在欺诈影响客户之前发现并阻止欺诈。

制造业中的商业智能

商业智能被广泛应用于各个行业，包括制造业。由于制造业有很多活动部件，因此有效利用业务数据至关重要。

改进生产计划 - BI工具通过分析需求预测、生产能力和资源可用性来增强生产计划。这有助于制造商识别和解决生产延迟，优化计划并缩短交货时间。
更好的库存控制 - BI提供对库存水平和需求模式的实时洞察。这有助于制造商更有效地管理库存，防止出现超储或缺货等问题，并降低相关成本。
防止机器故障 - 通过分析机器传感器的数据，BI工具可以预测设备何时可能发生故障。这种主动方法允许制造商在故障发生之前执行维护，使生产保持正常进行。
优化供应链 - BI分析关键指标，例如供应商交货时间、运输成本和库存周转率。这有助于制造商发现效率低下，最大程度地减少中断，并简化物流，以提高效率和节省成本。

教育中的商业智能

教育中的商业智能 (BI) 帮助学校和学院利用数据做出更好的决策并改善成果。以下是BI的用途 -

提高学生的成功率 - BI工具查看诸如成绩、出勤率和参与度等数据。这有助于教师发现可能需要额外帮助的学生，跟踪他们的进步，并调整他们的教学方法以支持更好的学习。
使管理更顺畅 - BI通过显示重要信息（如学生人数、预算支出和员工绩效）来帮助管理学校任务。这使得学校更容易处理资源并就人员配备和财务做出明智的决策。
改进课程 - 通过查看学生反馈和绩效数据，BI帮助学校更新和改进课程。这确保了所教授的内容与学生的相关性和实用性。
提高学生参与度 - BI跟踪学生参与课堂和活动的情况。这些信息有助于教师找到方法使学习更具吸引力和互动性。
更好地管理资源 - BI帮助学校了解教科书、技术和设施等资源的使用情况。这有助于规划和确保资源在最需要的地方使用。

医疗保健中的商业智能

商业智能帮助医疗保健提供者利用数据改善患者护理和设施运营。通过分析各种类型的数据，BI工具使做出更好的决策并提高医疗保健服务的整体效率变得更容易。以下是BI在医疗保健中的用途 -

改善患者体验 - BI工具使用仪表板和图表收集和分析患者反馈。这有助于医疗保健提供者了解患者喜欢或不喜欢什么，以便他们可以改善护理，个性化治疗，并改善整体体验。
有效管理收入 - BI通过查看索赔、付款模式和拒绝索赔的数据来帮助进行账单和付款。这使得更容易解决账单问题，减少拒绝索赔的数量，并增加收款金额。
提高运营效率 - BI跟踪重要的指标，例如患者人数、等待时间和治疗费用。这有助于医疗保健机构发现问题（例如长时间等待或人员配备不足），并进行改进以提供更好的服务。
增强患者结局 - BI还会查看治疗结果和患者进展的数据。通过分析这些信息，医疗保健提供者可以调整治疗计划以更好地满足患者的需求并改善健康结果。
优化资源利用 - BI有助于监控医疗设备和人员等资源的使用情况。这确保了资源得到有效利用，有助于避免短缺，并支持更好的计划和预算。

结果

可口可乐通过使用商业智能提高了供应链管理，降低了库存水平，并提高了生产效率。这导致了成本降低、产品可用性提高以及全球范围内运营绩效的增强。

商业智能旅程的阶段

开始商业智能 (BI) 旅程涉及几个关键阶段。我们不会深入解释软件开发或项目管理的每个阶段，而是会对BI流程进行简单的概述。这种方法将帮助我们清楚地描绘每个阶段的挑战，使BI或IT解决方案的新手更容易理解。

了解这些阶段可以设定上下文，并使您能够更有效地掌握挑战。让我们快速了解BI旅程的每个阶段。

BI的旅程按顺序分为三个阶段：

计划阶段
开发阶段
部署阶段

计划阶段

BI旅程从计划阶段开始。它是BI旅程的第一阶段，为BI旅程奠定了基础。此阶段没有固定的持续时间，它可以持续数周到数年，具体取决于组织的优先级和资源。

如果BI是迫切的需求并且资源可用，则流程可以快速启动。但是，启动阶段往往会因资源有限而延迟。它始于BI愿景的诞生，并于管理层批准BI计划时结束。

在这里，组织定义范围、设定目标、识别关键利益相关者并评估可用资源。它也是评估现有数据源、选择合适的技术和创建实施路线图的阶段。

精心执行的计划阶段可确保每个人都保持一致并做好准备，为BI旅程的成功奠定基础。这两个阶段都至关重要，因为它们决定了整个BI计划的方向和步伐。

计划阶段的挑战

过去实施的BI解决方案通常具有跨越数年的实施时间表，或者在某些情况下，似乎永远无法完成。
一些员工或部门担心商业智能 (BI) 计划可能会揭示其当前系统、流程、财务或工作方式中的差距和低效率。

开发阶段

开发阶段是从项目启动到系统上线供用户使用，构建BI解决方案的实际工作发生的阶段。

此阶段涵盖所有内容：计划、招聘合适的团队、收集业务需求、设计系统、设置硬件和软件、构建数据模型、编码、测试，最后，启动BI解决方案。

如果您完全内部完成，则您的团队负责所有工作。如果您外包，则外部团队负责大部分技术任务，而您的团队则管理项目。有时，这两种方法兼而有之，您的团队和外部合作伙伴之间共享责任，具体取决于合同中商定的内容。

实施阶段是将您的BI计划逐步转化为现实，以使您的解决方案启动并运行。

部署阶段

当BI系统完全部署并可供用户使用时，实时阶段开始。此阶段持续到组织活跃，因为BI是一个持续的过程，而不仅仅是一次性项目。

项目上线后，它将进入进一步开发、维护和可能的升级周期。

这包括：

#1) 进一步增强和开发 - 这包括添加新的数据源、创建额外的仪表板和报表以及集成新功能。

例如，假设一家公司最初使用来自销售、客户管理和库存系统的进行BI系统启动。稍后，他们决定包含来自新的员工管理系统的数据以增强其报告功能。

#2) 维护 - 这包括修复问题、执行升级以及进行必要的调整以保持系统的平稳运行。

#3) 监控和故障排除 - BI系统上线后，在最初的几周内密切监控其性能和数据质量。这有助于快速识别和解决任何问题。

在此之后，评估BI系统如何影响您的关键绩效指标 (KPI) 并根据需要调整您的策略。

商业智能 - 团队和角色

构建强大的商业智能 (BI) 团队始于选择合适的人员并确保每个人都确切地知道自己的角色。在团队能够出色地完成工作之前，至关重要的是要拥有坚实的数据基础设施。这意味着准备好合适的工具和系统，以便团队能够立即开始工作。

了解组织当前的数据能力以及您对BI团队的需求也很重要。这有助于您为他们设定明确的目标。最后，拥有预算对于确保BI团队拥有有效开展工作所需的财务资源至关重要。

此外，保持沟通畅通并定期重新审视这些需求和目标可以帮助团队与组织不断变化的需求保持一致。

商业智能角色可以分为三类：

技术角色
技术功能角色
管理角色

技术角色

在BI团队中，技术角色专注于创建和维护技术基础设施。这些团队成员设计、开发和管理BI解决方案。他们处理从编码和测试到支持和维护推动商业智能的系统的所有工作。

一些角色如下：

1. 商业智能架构师

BI架构师负责设计和维护整体BI架构。他们确保BI解决方案满足业务和技术需求，重点关注可扩展性、性能和数据质量。他们还了解最新的工具和技术，并指导开发团队。

2. 商业智能开发人员

BI开发人员的职责可能因他们专注于解决方案的特定部分（如前端或后端）或作为全栈开发人员从头到尾处理整个流程而异。通常，BI开发人员是敏捷BI团队的一部分，并向BI团队负责人或BI主管汇报。他们的主要任务包括设计、开发和维护BI解决方案，其中包括数据仓库、ETL流程和报告工具。

简单来说，BI开发人员的工作内容可能会根据他们是在处理拼图的一小部分还是管理整个项目而有所不同。

3. 商业智能质量保证工程师

BI质量保证工程师确保BI解决方案准确可靠。他们测试数据流、验证指标并检查性能问题。他们的作用对于确保BI系统能够准确提供洞察力至关重要。

技术功能角色

技术功能团队在技术团队和管理团队之间建立联系。

一些角色如下：

1. 商业智能分析师

BI分析师的主要工作是理解数据并找出对业务至关重要的信息。他们查看数字、理解数据传达的信息，然后将这些信息转化为报告和仪表板，以帮助公司做出更好的决策。他们的目标是找到业务可以利用的见解。

2. BIBA（商业智能业务分析师）

商业智能业务分析师 (BIBA) 专注于帮助其他人（如业务用户和客户）充分利用BI解决方案，而不是自己使用它们。他们充当业务用户和BI开发团队之间的桥梁，确保每个人都步调一致。通常，BIBA是BI团队不可或缺的一部分。

管理角色

商业智能 (BI) 中的管理角色与其他领域的管理角色类似，从团队负责人到高级职位（如副总裁和C级高管）。这些角色可能因组织的规模和需求而异。

职位越高，责任越广。团队负责人专注于指导其团队，BI主管负责整个部门，依此类推。同样，预算责任也随着角色的提升而增加，从管理团队预算到监督部门或公司财务。

商业智能的财务

商业智能的财务是指商业智能解决方案的总拥有成本 (TCO)，强调这些成本远远超出了仪表板和数据可视化平台等可见工具。

正如技术审阅者Harel Sagiv所指出的，估计BI成本特别复杂，因为它们通常与整体IT支出以及不同部门之间共享的资源深度集成。

总拥有成本包括资本支出和运营支出，并考虑了完整的BI生态系统，包括数据集成工具、数据仓库和安全措施等关键组件。

其目的是全面了解与BI相关的实际成本，使企业能够设定现实的期望并做出符合其财务限制和战略目标的明智决策。本章将探讨开发和维护高效BI解决方案所需的科技和专业知识的费用。

我们的目标是捕捉大部分成本。与任何其他 IT 解决方案一样，BI 解决方案也包括与人员和系统（硬件和软件）相关的成本。

人员成本

在商业智能 (BI) 的财务报表中，人员成本指的是与招聘、管理和留住 BI 团队相关的所有费用。这包括工资、福利、培训以及与直接或间接参与 BI 活动的员工相关的任何其他费用。

示例

假设一家公司在柏林组建了一个由 5 名成员组成的 BI 团队。每个成员的年薪为 70,000 美元。除了工资之外，还有福利费用（每人 12,000 美元）、培训费用（每人 3,000 美元）和设备费用（每人 2,000 美元）。因此，一年的总人员成本为 -

工资 - 350,000 美元（5 x 70,000 美元）
福利 - 60,000 美元（5 x 12,000 美元）
培训 - 15,000 美元（5 x 3,000 美元）
设备 - 10,000 美元（5 x 2,000 美元）
总人员成本 - 一年 435,000 美元。

这给出了维持 BI 团队一年的粗略估计成本。

系统成本

在确定 BI 软件和硬件投资时，许多功能性和非功能性因素都会发挥作用。这些因素包括数据源或应用程序的数量、当前和预测的数据量、预期用户数量、性能要求、可用性需求、本地或全球使用情况、响应时间预期、环境数量、数据层和数据保留策略。

此外，还有各种可用的选项，例如本地或云解决方案、专有或开源软件、不同级别的供应商支持、定价模型、许可选项（如指定用户或企业）以及部署的工具数量（例如，同一部门中的多个数据可视化工具）。

BI 中的系统成本指的是与支持 BI 活动所需的技术基础设施相关的费用。这些费用包括数据存储、处理、分析和报告所需硬件和软件组件。

系统成本的关键组件如下：-

软件许可证 - 购买或订阅 BI 工具、数据分析平台、数据库和其他必要软件的费用。
硬件 - 用于运行 BI 应用程序所需的服务器、数据存储系统、网络设备和其他物理基础设施的费用。
云服务 - 与使用基于云的 BI 解决方案相关的成本，包括数据存储、处理和软件即服务 (SaaS) 费用。
数据集成工具 - 用于将来自各种来源的数据集成到统一的 BI 系统中的工具和平台的费用。
维护和支持 - 维持 BI 系统的持续成本，包括软件更新、硬件维修和技术支持服务。
安全 - 与确保数据安全相关的费用，例如防火墙、加密和网络安全工具。

这些因素和组件确保 BI 基础设施强大、可扩展且安全，从而使 BI 团队能够有效地分析数据。正确理解和管理系统成本对于做出明智的 BI 基础设施投资决策至关重要。

商业智能的投资回报率

商业智能的投资回报率 (ROI) 衡量的是 BI 计划带来的财务收益与所涉及的成本相比。简单来说，ROI 可以帮助您了解在 BI 工具、技术和团队上花费的资金是否为业务带来了价值。

如何计算 BI 的 ROI？

ROI = ((总收益 - 总成本)/ 总成本) × 100

这里，

确定收益 - 确定 BI 带来的财务收益，例如改进的决策制定、成本节约、收入增加或运营效率。
计算成本 - 将实施和维护 BI 所涉及的所有成本加总，包括软件、硬件、人员和培训。
使用 ROI 公式 - 此公式为您提供投资于 BI 的资金获得的回报百分比。
例如，如果实施 BI 系统的成本为 200,000 欧元，而估计的财务收益为 300,000 欧元，则 ROI 将为 -

示例

ROI = ((300,000 欧元 - 200,000 欧元) / 200,000 欧元) × 100 = 50%

这意味着公司每花费一欧元在 BI 上，就能获得 50 欧分回报。

BI 的附带收益

计算商业智能 (BI) 的 ROI 通常侧重于直接收益，如节省的时间或成本降低，但 BI 也会带来重大的附带收益。例如，节省的时间可以提高生产力，而提高的员工积极性可以增强工作满意度，并可能增加收入。

BI 还可以促进更好的追加销售和交叉销售，从而提供竞争优势。量化这些收益很棘手，但一种简单的方法是将直接 ROI 翻倍以获得粗略估计。

例如，直接 ROI 为 300% 可能会表明总 ROI 为 600%。尽管有这些好处，但一些领导者仍然抵制 BI 投资，声称工作太忙。BI 专业人员应每年记录和审查 ROI，以展示 BI 的真正价值。

个人商业智能 (IBI) - 简介

什么是 IBI？

IBI 代表个人商业智能。想象一下，能够像企业一样，通过数据的视角真正了解自己。个人商业智能 (IBI) 正是关于这一点：收集和分析您自己的数据以深入了解您的生活。通过检查此自收集数据中的模式、趋势和相关性，您可以做出明智的决策，从而实现个人成长和进步。

从本质上讲，IBI 是有意识地捕捉和反思您自己的数据以发现更多关于您自己的信息并改善您的生活的实践。此过程涉及积累数据、分析数据以发现有意义的见解，然后根据这些发现采取可操作的步骤进行改进。

从根本上说，IBI 是关于收集关于您自己的数据、分析它以及利用这些见解来进行有意义的改进。这是一种由您有意识地捕捉到的数据驱动的自我反省形式。

IBI 的核心涉及三个主要步骤：-

收集数据
分析它以发现趋势和模式
根据这些发现采取行动来改善您的生活。

个人商业智能

个人商业智能 (IBI) 是关于使用自捕捉数据来深入了解您自己的生活，这与组织如何使用商业智能来改进运营非常相似。通过识别这些关联，您可以做出明智的决策来改善生活的各个方面。

IBI 是一种概念和一个过程，可以选择任何工具、技术或流程来实施 IBI。

正如商业智能 (BI) 既是概念又是流程一样，个人商业智能 (IBI) 遵循相同的方法，作为更广泛的 BI 框架内的专门子类型。

虽然 BI 专注于收集和分析数据以提高组织绩效，但 IBI 将重点转移到个人身上。它关乎利用个人数据来深入了解您自己的生活，识别模式并做出明智的决策以改善您的福祉。

公司如何利用您的个人数据来提高销售额？

每次您在线互动，无论是浏览社交媒体、购物还是搜索信息，Facebook、Google 和 Amazon 等知名公司都在悄悄地收集有关您的数据。他们正在将信息片段拼凑在一起，以创建您是谁、您喜欢什么以及您如何思考的详细画像。为什么？因为他们越了解您，他们就能越有效地提供您可能购买的产品或服务，不仅是为了您自己，也为了您周围的人。

注意 - 这是一种业务策略，专注于利用您的个人数据来提高销售额，方法是将其产品与您的需求和兴趣相匹配。虽然这可能让人感觉有点不安，但这正是这些公司希望通过提供您可能想要的东西来保持领先地位的方式，通常是在您意识到之前。

打印页面