企業核心目的之一是創造利潤，爲達到利潤最大化，企業管理者需協調各職能部門包含財務、銷售、市場、研發、生產、售後、人資、IT等，讓大家能齊心協力地創造收入，節約成本，提高效能，把控風險，管理合規，分配合理。
爲保證流程一致性並收集作業環節中的所有數據，於是企業有了CRM、ERP、MES、HR、OA等業務系統；爲更好保證目標達成，於是有了**各種管理措施包含MBO(OKR)管理、計劃管理（包含預算和預測）、績效管理、CMMI、ISO作業流程標準等。**管理者爲了達成目標，必須快速理解企業內外部的現狀和歷史過往的軌跡，分析實際和目標的差異，準確預測未來和及時做出決策。
BI核心目標是協助企業建立一個高度整合和自動化的管理決策分析系統，目的是爲了幫助企業各層級各部門人員基於統一的業務理解和洞察，高效推進溝通和協作，不但能及時發現問題，並能深度分析歷史過往，還可準確預見未來趨勢。BI應用不只是某個部門內部的事情，而必須從最高管理者視角來進行分解和分析。
BI英文全稱是Business Intelligence，一般翻譯是商務智能。隨着大數據時代來臨，BI是非常關鍵的落地手段。BI已發展多年，最初始的概念就是報表和分析，現在包括了更廣泛的技術內容，比如決策支持、管理駕駛艙、儀表盤、數據可視化、多維分析、數據整合、數據倉庫、數據集市、數據挖掘、全數據、大數據等。
我們分別從技術視角和管理視角給 BI 簡單的定義：
技術視角
BI = 數據整合（Data Integration）+數據分析(Data Analysis)+數據可視化 (Data Visualization)
a) 數據整合：把不同來源（CRM、ERP、OA、手工Excel、外部等）數據進行蒐集、清洗和彙整，搭建企業數據中心(數據倉庫或集市)，數據中心可存儲海量數據，保留歷史痕跡，包含歷史交易數據、客戶數據、產品數據、生產數據、財務數據等，另外也可保留各種變更記錄，包含組織變更、產品變更等。更重要是統一數據口徑，避免一個指標多種定義和說法，保證數據準確，便於人員溝通，爲各部門建立共同的業務理解。一般數據整合時，也會涉及數據治理和數據質量的課題。
b) 數據分析：基於某個場景或特定目的，通過數據分析發現問題和採取措施，一般包括比較分析、比率分析、趨勢分析、因素分析等方法，比如，按區域、銷售人員、客戶、產品等維度，分析業績目標達成率，找出業績與目標的差異，再加上橫向與同類產品、同類客戶比較，縱向和去年同期、上個月、歷史最高值最低值比較，分析原因，落實到人，採取行動，並結合未來的業績預測，估計全年的達成率情況。面臨更多維度和指標的複雜場景，以及更深層次的數據探索，則需要用到數據挖掘和統計分析。
c) 數據可視化：利用各種圖表呈現數據分析結果，更加直觀美觀、清晰有效地傳達與溝通信息。圖表報告自動化能節省很多人力，而且用戶可在PC、平板電腦、手機和大屏等多種終端查看，更加便捷易用，尤其管理者可通過移動BI實現走動管理。
管理視角
BI 是一種企業文化，一種思維方法，一套制度流程，一個系統體系，和一門專業技能。
a) 一種企業文化：任何的會議和討論中的工作報告都講數字成果，描述問題有數據依據。BI文化涉及管理層是否建立了以數據爲輔助的管理決策模式，全員是否對數據處理和計算規則有一致的理解，對維度和指標有統一的定義和解讀，對數據分析有概念，能結合業務需求來深度理解問題、機會、威脅以及預測未來。這需要不斷強化企業管理規範和培訓。
b) 一種思維方法 ：分析數據可分爲兩大類-維度和指標，一般所說的客戶、產品、區域、組織、會計科目、時間都是維度；訂單、開票、發貨、回款都是指標。所有分析報告都是基於各種維度和指標的組合產生的。此外，指標有當期目標數據、當期實際數據、歷史數據和預測數據等，這些數據的差異分析、趨勢分析和比例分析，再結合多維度，就形成了複雜的組合。BI就是希望將這些複雜且持續變化的數據，透過有效的方式來呈現出來，讓管理者能很快理解和發現問題。
c) 一套制度流程：BI的流程包括項目規劃和準備、需求分析梳理、頁面原型設計、集市模型設計、系統開發測試、數據覈對、上線運行，還有後面持續的修改和運營。企業需要建立一套完整制度和文檔規範，每個節點都有質量監督和成本把控，每個節點對應更細緻的流程，每個流程都有明確的交付成果。
d) 一個系統體系：BI系統包含了服務器硬件、支持大數據和實時數據的數據倉庫軟件、數據整合抽取(ETL)工具和BI工具平臺，以及定製化的數據圖表和分析報告。市面上有現成的軟硬件產品，而數據圖表和分析報告是根據企業自身需求量身定製的，是一套專業的系統體系工程。
e) 一門技能專業：企業導入BI需要用到多種技能和專業，包括業務理解和分析能力、溝通表達能力、EXCEL操作能力、數據集市模型規劃和設計能力、熟練SQL和操作數據庫能力、BI前端開發能力、數據挖掘算法和工具，這樣纔能有更深層次的數據探索和預測。
過往BI導入耗費成本巨大，加上對於實施顧問、客戶環境和人員要求比較高，失敗率通常較高。然而隨着BI知識和技能的普及，企業環境和人員素質逐漸提高，加上越來越多優秀的人才投入BI和大數據產業，現在BI項目成功率逐步在提升中。
作者：dataondemand0514
來源：CSDN
原文：https://blog.csdn.net/dataondemand0514/article/details/82430267
大數據 ≠BI商業智能，大數據也不是傳統商業智能的簡單升級。
1、大數據和BI兩者的區別
BI(BusinessIntelligence)即商業智能，它是企業數據化管理的一整套的方案，用來將企業中現有的數據進行有效的整合，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，解決的是管理運營戰略的問題。
大數據(Big Data)是指在可承受的時間範圍內用常規軟件工具進行捕捉、管理和處理的數據集合，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信息資產。大數據側重於解決某一類問題的方法，比如全網用戶畫像，對網絡、傳感器等非結構化海量數據的分析。
不管定義如何不同，大數據與傳統BI是社會發展到不同階段的產物，大數據對於傳統BI，既有繼承，也有發展，從"道"的角度講，BI與大數據區別在於前者更傾向於決策，對事實描述更多是基於羣體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題，大數據則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。
當然純粹從思想的角度講，兩者在概念上是可以實現統一的，都遵循數據-信息-知識-智慧這個脈絡，甚至在更高的層次，兩者也是可以統一的。
2、兩者技術上有什麼相關性？
傳統BI的技術標籤：ETL、數據倉庫、OLAP、可視化報表。
大數據的技術標籤：Hadoop、MPP、HDFS、MapReduce、流處理等。
傳統BI就目前來講，其功能都可以被對應的大數據組件所替代，但大多數企業缺乏大數據業務的驅動，也缺乏相關的高技術人才。
不過新型BI被賦予了更多“大數據”潛能。正如圖右側架構所示，BI架設在大數據應用層，抽取etl後或者Hive來的數據又可作通用類的業務分析。既滿足了海量實時數據分析，也滿足了決策型的業務分析。
3、企業應該青睞大數據還是商業智能？
在技術領域，雖然傳統BI的一些技術ETL、數據倉庫、OLAP、可視化報表似乎都將處於落後邊緣，因爲它難以解決日後海量數據的處理問題，但是，也不能全盤否定或替代成大數據。一些企業採用SAP HANA，FineBI的直連大數據引擎都是基於這個問題優化的方案。BI的那套也將長期存在，畢竟企業對BI方案還是很青睞，大數據的普及和應用也是個漫長的過程。
大數據 VS 商業智能
大數據不是空口說說，它的第一要務就是解決業務問題，大數據一定程度上就是用全新的數據技術手段來拓展和優化業務，傳統企業需要聚集一撥人來研究這個問題，需要有人專門研究和探索。如果對外，想清楚新的商業模式，如果對內，想清楚在哪個場景，可以用大數據的手段提升效率。
當前大數據可以產生價值的地方，從行業的角度看，金融、銀行、互聯網、醫療、科研都有廣闊的前景。從領域的角度看，廣告、營銷、風控、供應鏈都是大數據發揮價值的地方，對於特定企業，比如電信運營商，大數據也可以在網絡優化等方面提供新方法。
並不是每個企業都需要打造自己的大數據平臺，需要考慮到企業的信息化水平和各項成本，量力而行吧，可以自行研發 ，比如BAT;也可以選型採購，比如傳統大企業；中小型企業也可以租用，比如用阿里雲和AWS。
就事實來講，BI的應用是遠遠大於大數據應用的，有其通用的道理。大數據相對於傳統BI，也不僅僅是簡單的PLUS的關係，它涉及了思想、工具和人員深層次的變革，BI人員既不要一提大數據，就嗤之以鼻，認爲它是新包裝的馬甲，其實就那麼回事;也不需妄自菲薄，以爲搞大數據就那麼高大上，它的確是BI大多數思想的傳承。