商业智能（BI）白皮书3.0.pdf

CIO智力输出及社交平台商业智能（BI）白皮书 3.0?帆软数据应用研究院信众智（CIO智力输出及共享平台）企业网D1Net2021.11前言INTRODUCTION数据的地位仍在不断攀升。从成为企业关键生产要素到“十四五”规划中数字化的独立成篇，从数字经济成为构建新发展格局的支柱到数字化、数据管理、数据治理成为企业转型的主旋律，数据已经成为社会发展、经济发展和企业发展的新动能。水涨船高，在数据应用建设的热潮下，企业级全面数据决策能力和数据价值洞察，将商业智能（Business Intelligence，BI）应用推上新的风口浪尖。通过整合、组织和分析数据，BI 将数据转化为有价值的信息，为企业管理和决策提供强有力的支持，成为企业迎接变革和商业创新的关键决胜因素之一。BI 问世已有二十余年，受到广大企业的青睐与追捧，硕果累累。2020 年，BI 市场规模再次实现了较高的增长，企业对 BI 的认知和对 BI 价值的认可也到达了前所未有的新高度。可以预见，在不久的将来，BI 的概念将深入人心，BI 的价值将扎根企业。本白皮书是继 商业智能（BI）白皮书 1.0、商业智能（BI）白皮书 2.0 之后帆软数据应用研究院第三次就商业智能发布白皮书。本次帆软数据应用研究院联合信众智（CIO 智力输出及共享平台），在 2.0 版本的基础上，对内容进行了全面的升级。围绕概念、应用和趋势三个篇章，本白皮书聚焦国内企业对 BI 的最新诉求和行业最前沿的发展趋势，基于我国的市场环境和企业需求调研，对 BI 和与其相关的概念、热词进行了定义和关系上的梳理，对 BI 在企业中的常见应用场景做了介绍，并对整个 BI 行业市场、产品方向、功能技术等趋势进行了更新。此外，本白皮书还基于大量用户的 BI 落地实践，总结出了有效的 BI 应用经验。希望本白皮书的分析可以为我国企业的 BI 建设与数字化转型提供参考和指导。02111518222428323537411.1 BI 及其相关概念1.2 BI 的价值1.3 BI 的功能与技术1.4 BI 的类型2.1 构建 BI 价值蓝图2.2 BI 工具选型2.3 BI 应用场景3.1 行业市场趋势3.2 产品方向趋势3.3 功能技术趋势向 DA 生态系统迈进概念篇/应用篇/趋势篇/展望与建议/CONCEPTAPPLICATIONSTRENDSOUTLOOK AND RECOMMENDATIONS目录CONTENTS010203041帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net01概念篇CONCEPT02商业智能（BI）白皮书 3.0BUSINESS INTELLIGENCE AND RELATED CONCEPTS1.1BI 及其相关概念BI 起源于上个世纪 50 年代，随着信息技术的发展，其概念也经历了多次调整，并且从企业广泛多样的应用形式中衍生出很多相关的概念，与大数据、信息化、数字化等有着密切的联系。因企业决策支持需求而问世的 BI 概念，需要不断适应市场环境和企业需求的变化方能充分释放其价值。1.概念的由来与发展早在 1958 年，IBM 的研究员 Hans Peter Luhn 便将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。”这期间出现的领导信息系统（EIS，Executive Information System）和决策支持系统（DSS，Decision Support System）等技术应用，可以看作是 BI 的前身1。但是由于技术、企业环境现状等因素的限制，BI 经历了一段漫长的探索期。1996 年 Gartner 正式提出 BI 的定义：一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。2013 年，Gartner 对 BI 概念进行了更新与扩展，在“Business Intelligence”一词中加入“Analytics”，合并成“Analytics and Business Intelligence”（ABI，分析与商业智能），并且纳入应用、基础设施、工具、最佳实践等多项内容，将其定义为：An umbrella term that includes the applications,infrastructure and tools,and best practices that enable access to and analysis of information to improve and optimize decisions and performance2（BI是一个概括性术语，包含应用、基础设施、工具，以及能通过访问和分析信息来改进决策、优化性能的最佳实践。）由此看出 BI 并不是全新的事物，而是对一些现代技术的综合运用。BI 为企业提供迅速分析数据的技术和方法，包括收集、管理和分析数据，将数据转化为有价值的信息，并分发到企业各处，让企业的决策有数可依，减少决策的盲目性，理性地驱动企业管理和运营。按照图 1-1中的数据价值展现角度，数据转化为信息，升级为知识，升华成价值的过程中要用到的种种技术和工具，就是 BI。BI 即 Business intelligence，中文译为商业智能、商业智慧或商务智能。1.1.1 BI 的定义03帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net除去 Gartner 等研究机构，国内外的学者在一些文献和书籍中，也对 BI 进行了类似的定义。表 1-1 对Gartner 和部分文献书籍中的 BI 定义进行了整理。图 1-1 数据的价值展现表 1-1 BI 的主流定义数据信息知识价值数 据 转 化 为 价 值1996Gartner32008Negash&Gray2013Gartner2013Muriithi,G.M.&J.E.Kotz2016Steve Williams2002余长慧 潘和平郑洪源 周良王飞 刘国峰20052014一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。商业智能是从大量的数据和信息中发掘有用的知识，并用于决策以增加商业利润，是一个从数据到信息到知识的处理过程。商业智能是构筑在企业业务系统基础之上，以知识获取和共享为目的的解决方案。它通过对企业内外数据的整合、分析，提取出有价值的信息，帮助用户在加强管理、促进营销和企业发展方面做出及时、正确、科学的决策,并分析、发现和把握新的商机。帮助你把一些数据转化成具有商业价值的，而且可以获取的信息和知识，同时在最恰当的时候，通过某种方式把信息传递给需要的人。从专业的角度来说，商业智能就是利用数据仓库、数据分析和挖掘技术，以抽取、转换、查询、分析和预测为主的技术手段，帮助企业完成决策分析的一套解决方案。BI is a data driven process that combines data storage and gathering with knowledge management to provide input into the business decision making processAn umbrella term that includes the applications,infrastructure and tools,and best practices that enable access to and analysis of information to improve and optimize decisions and performanceAn umbrella term that encompasses provision of relevant reports,scorecards,dashboards,e-mail alerts,prestructured user-specified queries,ad hoc query capabilities,multi-dimensional analyses,statistical analyses,forecasts,models,and/or simulations to business users for use in increasing revenues,reducing costs,or bothA conceptual framework for delivering cost effective business intelligence solutions as a service时间国外国内来源定义5467804商业智能（BI）白皮书 3.0根据表 1-1，不难发现国内外对 BI 的定义存在较多类似之处，学界的共识即核心观点均是从数据中获取知识，辅助决策。此外，表 1-1中的相关定义还呈现出一个明显的趋势：无论是国内还是国外，随着时间的推移，BI 概念发展得越来越广泛，涵盖的内容越来越多。从最初的技术应用到处理过程，再到一整套的解决方案，BI 体系日益庞大。这一趋势也对应了信息技术和企业数据的发展过程，BI 在输入和方法层面逐渐吸纳扩充了较多的内容。2.企业认知与用户诉求Gartner 对 BI 做出了很正式的定义，但是由于国内外市场环境的差异以及 BI 在企业中的应用形式多样，国内用户对于 BI 的理解可谓千差万别。早前，帆软数据应用研究院对 1000 多名 BI 从业人员进行了调研，结果显示，我国企业从业人员对 BI 的理解集中于数据的分析和展示，甚至被等同于数据分析与数据可视化。近日，帆软数据应用研究院联合企业网 D1Net，再度对 100 余家中国企业的 CIO 进行了访谈调研。如图1-2 所示，从了解程度上来看，BI 已经被大众所熟知，不了解 BI 的受访企业占比仅为 1%。此外，超过 75%的受访企业对 BI 都达到了比较了解的程度，同时对 BI 市场动态也有所关注。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-2 中国企业对 BI 的了解程度非常了解，概念，价值，产品，厂商都清楚在持续关注市场.比较了解，清楚市场，有关注过市场动态一般了解，知道是什么，能做什么不太了解，只是听说过27.52%48.62%22.94%0.29%05帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net尽管 BI 已经被广大企业所熟知，但企业对 BI 的理解仍处于千人前面的状态。图 1-3 的调研结果也再次印证了这一点。其中，对 BI 的主流理解依旧是数据可视化。值得关注的是，将 BI 理解为一整套解决方案的受访企业占比达到了66.67%，这表明不少企业对 BI 的认知开始向 BI 的定义看齐。再看诉求层面，“辅助决策，提升决策效率”依旧是企业整体上对于 BI 的主要应用场景诉求，这也是 BI最根本的目的。具体到管理和业务上，场景需求的受访企业占比区别不大，两年的变化也不大，提供管理依据、提升业务分析和效率都是企业应用 BI 的重要驱动因素。再到 IT 层面的求，“整合多系统数据，打通数据垒”和“提高报表制作效率，解放 IT人员”两大场景诉求在今年的调研结果中出现了大幅的攀升，如图 1-4 所示。这一变化揭示了企业对于数据端和 IT 端需求的增多，在数据成为生产要素的同时，整合和效率也成为了企业不得不面对的重点问题。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-3 中国企业对 BI 的理解将数据转化为知识的一整套解决方案商业智能工具/软件支撑企业决策的数据可视化服务数据分析服务其他66.67%63.89%77.78%31.48%0.92%06商业智能（BI）白皮书 3.0数据来源：帆软&信众智（CIO 智力输出及共享平台）&CIO 时代学院图 1-4 中国企业对 BI 的主要应用场景诉求具体到业务和技术上，图 1-5 和图 1-6 的调研数据显示，中国企业应用 BI 优先解决的 5 大业务问题分别为：支持分析和数据科学、成本控制/优化、业务创新/业务模式变革、生产/运营能力优化和业务流程自动化/优化。5 大技术问题分别为：自助报表，分析和可视化、数据集成，虚拟化和流数据处理、企业业务应用连接(CRM、ERP、SCM 等)、数据质量，数据准备和数据增强和业务流程集成。总结以上调研结果，我们可以清晰地得出企业对于BI的诉求路径，即整合数据解放IT（体现在数据的接入、集成和管理上），通过分析和可视化手段辅助企业管理和业务决策，最终实现企业的降本增效和各项业务能力的优化提升。20212020整合多系统数据，打通数据壁垒辅助决策，提升决策效率提高报表制作效率，解放 IT人员业务监管和分析，推动业务模式转型提供管理依据，优化管理方式提高业务运行效率，优化业务流程客户行为洞察，360 度客户管理77.10%72.70%52.40%62.30%40.30%54.10%35.50%85.11%63.83%59.57%63.83%74.47%87.23%25.53%07帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net数据来源：帆软&信众智（CIO 智力输出及共享平台）数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-5 中国企业应用 BI 优先解决的业务问题图 1-6 中国企业应用 BI 优先解决的技术问题自主报表、分析和可视化数据集成、虚拟化和流数据处理企业业务应用连接（CRM、ERP、SCM 等）数据质量、数据准备和数据增强业务流程集成元数据管理物联网、智能设备、边缘计算人工智能和机器学习区块链90.10%89.11%81.19%75.25%75.25%37.62%28.71%20.79%1.98%支持分析和数据科学成本控制/优化业务创新/业务模式变革生产/运营能力优化业务流程自动化/优化客户体验改善风险管理战略采购/供应商合理化加速新产品和服务上市人才管理和劳动力优化84.16%72.28%71.29%62.38%53.47%44.55%33.66%32.67%26.73%18.81%08商业智能（BI）白皮书 3.03.BI 的最新定义在 2020 年 9 月发布的 商业智能（BI）白皮书 2.09中，帆软数据应用研究院等，在文献研究和企业调研的基础上，结合我国的市场环境，对 BI 做出了新的定义。在本白皮书中，基于前文的描述和分析，我们继续沿用 BI 的这一最新定义：BI 是在打通企业数据孤岛，实现数据集成和统一管理的基础上，利用数据仓库、数据可视化与分析技术，将指定的数据转化为信息和知识的解决方案，其价值体现在满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务提供数据依据和决策支持。基本概念之外，BI 在企业中的不同应用形式，也有着不同的说法（名字）。为了统一表述，避免混淆，这里对这些名字以及它们之间的关系进行集中的梳理与区分。1 BI 工具BI 工具由 BI 厂商提供，也被称为 BI 产品或 BI 软件。按照大众理解和企业应用的实际情况，BI 工具即为狭义的 BI，是指以数据可视化和分析技术为主，具备一定的数据连接和处理能力的软件，使用者能通过可视化的界面快速制作多种类型的数据报表、图形、图表，使企业不同人群在一定的安全要求和权限设置下，能在 PC 端、移动端、会议大屏等终端上对数据进行查询、分析和探索。企业中的各类软件系统的本质是数据采集+流程管理+数据展示，BI 工具在数据展示方面提供了强大的功能，有些 BI 工具如 FineReport 还具备数据采集（填报）功能，所以不同企业可以基于自身的场景和需求，创建千姿百态的应用。2 BI 平台平台是指计算机硬件或软件的操作环境，泛指进行某项工作所需要的环境或条件。计算机平台的概念基本上有三种：第一种是基于快速开发目的技术平台，第二种是基于业务逻辑复用的业务平台，第三种是基于系统自维护、自扩展的应用平台。技术平台和业务平台都是软件开发人员使用的平台，而应用平台则是应用软件用户使用的平台。BI 平台便属于应用平台的范畴，是以 BI 工具为核心的软件结合计算机硬件等形成的，用于连接、处理、分析与展示数据的环境。用户可以利用 BI 平台开发各类数据应用，这些应用就组成了我们接下来要介绍的 BI 系统。3 BI 系统软件系统是指若干部分相互联系、相互作用的模块形成的具有某些功能的整体，是为某一个或某一类任务而设计开发的。BI 系统是指利用 BI 平台开发的完整数据应用模块，即具备连接、处理、分析与展示业务数据等功能的企业经营主题模块。简单来说，BI 系统就是企业实际业务需求在 BI 平台上被开发出来后形成的业务分析模块。单一的模块或多个模块组成的整体都可以称为 BI 系统。1.1.2 BI 相关概念09帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net4 BI 项目严格来说，BI 项目是指企业规划、开发和管理 BI 应用或系统的活动，其中的开发环节便是借助 BI 平台来完成的。有时候，我们说 BI 项目其实是指该项目所开发的 BI 应用或系统，也指 BI 平台。在企业中有集团级项目，也有部门级项目，有面向管理层的企业经营管理驾驶舱项目，也有面向业务部门的如财务分析项目等。BI 项目在企业中的名称五花八门，如表 1-2 所示。由表 1-2 可以看出，BI 项目的范围非常大，从形态上来说，业务报表、数据分析和数据可视化任务等都可以算作 BI 项目。一个报表分析项目，使用单个 BI 工具就能实现，而大的 BI 项目则可能需要涉及上下游的数据仓库、数据治理、数据管道、3D 数据建模等。除了相关概念，BI 也经常和大数据、信息化、数字化转型等热词一同出现，明确 BI 和这些概念的关系，对理解和应用 BI 有着重要意义。1.BI 和大数据往更高层看，BI 属于大数据领域的范畴，因此 BI 有时候也会被称为“大数据 BI”。根据信通院发布的 大数据白皮书（2020 年）10在整个大数据技术体系中，BI 工具与数据可视化、数据挖掘等工具一同位于数据分析应用技术中，用于“发掘数据资源的内蕴价值”，如图 1-7 所示。因此，BI 工具与二者存在交集，比如一些BI 工具就具备数据挖掘功能。但是三者之间的区别也很明显。数据可视化工具专攻让数据的展示效果更炫、更精美，有较高的技术门槛，例如 ECharts 就是一个纯 Java 的数据可视化库。数据挖掘工具则专攻从大型数据集中发现并识别模式，如 R 语言、Weka 等。1.1.3 BI 和大数据、信息化、数字化数据挖掘与数据分析平台知识库共享平台数据服务平台生产制造数据展示平台地产营销数字化平台自助数据服务生态项目IS 智能决策系统表 1-2 BI 项目在企业中的实际名称BI 经营数据报表经营驾驶舱系统可视化管理系统商务智能分析系统数据分析系统教师业绩自由组合项目客户流失“显微镜”项目存款绩效考核自动化项目10商业智能（BI）白皮书 3.02.BI 和信息化企业中的各类信息化系统的本质是数据采集+流程管理+数据展示，从这个角度来看，BI 系统其实也可以理解为一类信息化系统。其中，BI 系统的数据采集是接入企业各类信息系统的数据，BI 系统的流程管理是数据处理和分析的流程，BI系统的数据展示功能则比一般的信息化系统更为强大。某些企业就利用 BI 工具，开发一些信息化系统，用于补足定制业务系统的缺失。因此，BI 既依赖于信息化系统，又可以作为信息化系统。此外，BI 的分析结果还能够反哺信息化系统的数据指标和业务流程设计。基于 BI 和信息化的这种特殊关系，企业一般适合在通过信息化系统积累一定的业务数据后再应用 BI，即在信息化建设的中后期应用 BI。3.BI 和数字化转型作为企业转型和变革的主旋律，数字化可谓风头正盛。尽管不少企业正面临转不转，怎么转的难题，但是在数字化转型的浪潮中，不进则退，企业要实现新的飞跃，必须明确方向，抓住机遇，克服挑战。而 BI 正是数字化转型的排头兵。数字化转型由数字化和转型两个部分构成，其最终目的是要实现整个企业的业务、组织、流程的重构。一方面，BI承接信息化，通过升华数据的价值为企业业务、流程、组织的优化和变革提供更科学准确的参考依据，从而推动并加速企业的数字化转型进程。另一方面，BI 所强调的数据驱动决策的管理方式，能够为企业孕育数据化管理的思维和氛围，让企业数字化转型不单单停留在技术层面，而是向企业战略、组织文化上蔓延，帮助数字化转型取得成功。图 1-7 大数据技术体系（简图）大数据数据管理技术基础技术数据安全流通技术数据可视化数据挖掘数据分析应用技术BI 工具11帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1NetBI 的定义中提到其价值在于满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务提供数据依据和决策支撑。这一说法比较宏观，若要具体到企业角色和业务层面，增加 BI 价值的可感知程度，那么我们可以从管理决策层、业务执行层、IT 支撑层三个角色的角度来分析 BI 价值的具体体现。企业对数据驱动决策的需求促使了 BI 的诞生，支撑管理决策是 BI 最核心的目的。对于管理决策层来说，BI 的价值主要是提供管理依据，提升管理水平，即首先看到数据，看到准确的数据，看到实时的数据，再基于数据发现问题，洞察未来，从而改进问题，科学决策，提升管理者的管理水平。传统的粗放式管理下，企业决策往往依靠经验进行主观判断，没有数据依据。基于经验的决策不能说毫无用处，但是受人为因素的影响较大，更容易为企业带来风险。在这一决策模式下，管理决策层经常面临无法及时掌握准确的企业经营数据，把控关键 KPI 经营指标、财务状况及风险指标的情况，更不要说及时作出准确的决策判断了。最常见的就是企业的经营分析会议。很多企业都会有经营分析会议，方式主要是各部门通过 PPT 汇报，管理者发现问题后再进行探讨。这种方式的弊端在于管理者发现问题的周期比较长，开周会就是至少一周，开月会就是至少一个月。并且在发现问题后，需要更详细的项目数据进行分析时，汇报人一般很难当场提供，只能事后填补。这样一来，数据周期太长导致问题得不到快速有效地解决，更不要说洞察未来的情况了。而 BI 则通过连接打通企业的各个业务系统为管理决策层提供了实时、准确的数据参考，促进企业管理方式的转型和管理水平的提高。由数据驱动的管理决策方式要求管理者依照经营所产生的数据进行预测和决策，进而对各个组织环节进行管控，具有客观性、普适性、全面性等优点，并且决策后能够反哺业务数据，形成真正的管理闭环。在数据实时与准确的基础上，基于数据的透明和流程化，BI 便能够促进企业 PDCA 的高效循环，并形成一定的激励机制，提升管理水平。1.2.1 管理决策层：提供管理依据，提升管理水平THE VALUE OF BI1.2BI 的价值12商业智能（BI）白皮书 3.0与管理决策层相比，业务执行层更关注业绩的提升，其数据需求也更加多变和复杂。不同的业务系统数据，不同的数据维度和粒度、不同的统计口径和标准等因素都加大了业务人员的数据管理和应用难度。面对管理决策层下放数据统计和部门自身的数据分析需求，业务人员经常要制作大量的手工报表，有时候还需要寻求IT 部门的帮助进行逐级取数，除去效率低下的困扰，人工统计和处理数据的方式也增加了决策不准确的风险。另外，对于繁琐的业务流程，很多企业仍然采用拿着纸质表单跑来跑去的审批方式，既浪费了业务部门的大量时间，也不利于数据的保存与追溯。在以上业务痛点下，BI 对业务执行层的价值则在于提高业务效率，助力业绩提升。业务运营过程中涉及的大量手工报表、人工统计、逐级取数等操作，都可以由BI来代替，既能减少人为干涉错误，提高数据的准确性，又可以提高效率，节省时间成本。在提高效率的基础上，业务人员能够将更多的时间用在业务分析上，从而聚焦业务本身，不断解决业务问题，完善整个业务体系，促进业务流程和业务模式的优化，最终实现业务价值和业绩的提升。1.2.2 业务执行层：提高业务效率，助力业绩提升管理决策层的 BI 价值体现针对上面所说的经营汇报问题，某家化工企业利用 BI 工具进行了创新，让 IT 部门对月度经营分析报表进行信息化，并在每个会议室配备一个 iPad。此后的月度经营会议只需要报告者打开 iPad，基于实时数字演讲的同时也排除了人工计算的差错，开会时间从月中到月初，直接提前了14 天。某制造企业的各类经营数据统计分析需要由各单位专人分日、周、月、年在线下重复收集、统计后再以书面或电子邮件形式层层上报。统计处理过程中数据分散在各个业务系统，算法不规范、数据不统一，效率低、时效性差，且存在遗漏、错误、数据不一致的风险。高层领导对于企业经营指标数据，只能被动地等待各单位统计上报，不能实时掌握企业经营指标情况，管理决策滞后风险大，缺乏实效数据的支撑。该企业通过 BI 工具搭建了运营管理驾驶舱后，为公司战略落地、预算执行、业务分析、绩效评价、持续改进提供了一个高效、闭环的运营监控平台，通过对企业关键经营指标数据系统运算、多维度的分析展示和层层钻取，为各级领导高效、及时决策提供更可靠、更精准的数据支撑。最终统计效率提高了 50%以上；业务问题识别、改善效率大幅提升，重复性问题再发降低 60%，企业运营效率提升20%以上。某集团在管理转型过程中，通过目标管理结合 BI 大屏的方式实现管理决策，让领导层利用信息化提供的数据制定经营策略，使整个管理机制形成闭环。BI大屏包括集团运营驾驶舱、公司运营驾驶舱、综合管理驾驶舱等，用于集团总经理办公室、各大会议室、起到实时监控及管理决策的目的。决策者根据关重指标时间发展趋势，非常直观的进行分析决策。管理水平和工作效率有了非常大的提升，经统计，最终该集团人效提升了 35%。13帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1NetIT 部门是支撑企业信息化建设和 BI 建设的主体，对于他们来说，BI 的价值主要体现在信息化建设和数字化转型等方面，具体可以从打通数据壁垒，释放 IT 价值两个方面来看。（1）整合多系统数据，打通数据壁垒，解放 IT人员。数据孤岛是一个困扰很多企业的问题，随着企业信息化建设的不断推进，企业建成了众多的业务信息系统，但是大量的数据也就分散在各个业务系统中，甚至是分散在多个 Excel 文件里，而企业的经营分析却不可能只依赖某个业务系统或某几项数据。因此，IT 部门的大量时间和人力成本都花费在提取数据和整合数据上，成为了所谓的“取数机”。BI 则能够提供接口，整合多系统数据，打通企业的数据壁垒，从而解放 IT人员，提高 IT 的效率。（2）推动企业数字化转型，释放 IT 价值。BI 对 IT 部门的另一大价值就是提升 IT 部门自身的价值。IT借助 BI 为管理层和业务部门提供了支撑决策和提升效率的方式，一方面，得到了管理层和业务部门的认可，IT 的地位自然有所提升，另一方面，BI 的建设也推动了企业的数字化转型，IT 的重要性也就不言而喻了。1.2.3 IT 支撑层：打通数据壁垒，释放 IT 价值业务执行层的 BI 价值体现某银行完成日常分析报表的固化工作后，在需求调研过程中发现，业务分析人员经常会用到“探测式”分析。例如，通过报表发现净利润下降了，下降的原因究竟是存款成本太高，还是贷款收入太低？成本高的话是哪些机构、哪些产品造成的？此时传统的固定格式报表很难满足分析的需要，而如果每分析一个维度都要临时提取数据，业务人员与 IT人员的沟通成本、IT人员的人工成本将会急剧增加。BI系统上线后，业务人员无需再与IT人员反复沟通，实现了根据自身需求自助提取、自定义分析的目标。整个过程由多人合作变为单人完成，并且可任意变更查询条件随时查询，数据获取的时间由原来的至少一周缩短为几分钟，极大地提高了业务人员的效率。某家零售企业智慧零售部门的数据分析师在思考如何组合商品、确定用户定位、投放渠道等问题的时候，首先需向IT同事先索要数据，等待IT同事响应完毕拿到数据后开始在Excel中观察数据结构，思考数据分布，再利用自己专业的数据分析思维去找出数据规律，分析业务中痛点，构思提供解决方案；形成解决方案后，将数据分布查看的固定方式向 IT 提出需求，让 IT 在报表系统中制作。若发现报表制作不符合要求则再次和 IT 进行沟通。在这个过程中，IT 充当的只是一个取数和开发报表的“工具”，并且业务人员分析数据的体验相当不当。BI 系统上线后，分析师利用即席分析功能，不必为了拿到一个数据而发起一个流程申请，不必等待流程的排期，节约了时间，更进一步满足了业务人员的分析需求，即时的想法即时数据跟进、支撑、验证，释放了业务的分析潜力；不必对数据需求进行反复的沟通、校验，精力集中于处理业务、发现问题、分析问题、解决问题；节约时间同时也节约精力。14商业智能（BI）白皮书 3.0IT 支撑层的 BI 价值体现“现在，高层领导坐在办公室里，看着大屏或者电脑，随时可以掌握全国每一个在建和正在运营的园区的状况，甚至可以查看每一个大棚的信息。曾经的纸质报告，几乎全取消了，汇报用的 PPT也减少了60%。最明显的是，日常的运营汇报次数减少了 50%，而效率和效果却明显提升了。现在信息部经常被要求参加业务会议，要给高层汇报业务数据分析的思路和建议方案。”某农业科技公司 CIO“之前外包厂商开发一张报表要 3 万元，一年下来也就领导看个几十人次，大量个性化的业务需求无法满足，而现在凭借我们 IT 部门的 2 名开发人员就已完全满足。这一个个数据，哪个不是科技部的心血和成就呢？我想，亲身经历项目开发的人，更能体会这其中的喜悦和成就感；积极参与项目的业务人员，更能感受到综合辅助数据分析平台给自身带来的业务价值和效率提升。小数据的背后，是心血，是成长，是人心。”某农商行 CIO“千言万语，不如我们店长一段实实在在的感慨。他在给数据中心部门的邮件中写到:一开始，我感觉有了秘密武器，这个 APP 真是太方便了，特别有用的是 门店实况销售这个模块，一打开就能看到每几分钟更新一次的实时销售情况，可以看到部门、课组销售和环比数据，哪个部门或课组的数据不好，一目了然。点进课组，可以看到 TOP 销售情况，一对照卖场堆头，就能看到主力单品是否有效果。特别是 8 月上旬的一个周日，当我对生鲜周经理说昨天下午16:00 基围虾只卖了 2500，而今天你听我的，加大进货量。到现在卖了4000+，经理同志伸出大拇指说出那句经典台词：高!实在是高!的时候，我 一下子有了 APP 在手，天下任我走 的感觉。”某大型连锁超市 CIO15帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net按照从数据到知识的处理过程，BI 的功能架构如图 1-8 所示，分为数据底层、数据分析和数据展示三个层级。其中数据底层负责管理数据，包括数据采集、数据 ETL、数据仓库构建等环节，为前端报表查询和决策分析提供数据基础；数据分析主要是利用查询、OLAP 分析、数据挖掘以及可视化等方法抽取数据仓库中的数据，并进行分析，形成数据结论，将数据转化为信息和知识；最终通过数据展示层呈现报表和可视化图表等数据见解，辅助用户决策。具体地，对应到企业的决策与经营环节，BI 的运作流程如图 1-9 所示。首先从来自 ERP、OA、财务等不同业务系统以及外部的数据中提取出有价值的部分。接着进行数据的处理与存储，经过 ETL、数据清洗等过程，合并到企业级的数据仓库里，从而得到企业数据的全局视图。最后在此基础上利用合适的查询和分析工具、OLAP 工具等对其进行分析和处理，将数据信息转变为管理驾驶舱、中国式复杂报表、自助分析、多维分析等数据应用，从而为企业管理者和运营人员的决策过程提供支持。图 1-9 BI 支撑中国企业决策与经营的过程1.3.1 BI 的功能架构图 1-8 BI 的功能架构报表、可视化图表数据展示查询、OLAP分析、数据挖掘、可视化分析数据分析数据底层ETL数据仓库数据源 1数据源 2数据源 3BI FUNCTIONS AND TECHNOLOGIES1.3BI 的功能与技术数据生产数据抽取数据清洗数据转换数据转载数据刷新帆软 BI 平台ERP 系统OA 系统财务系统外部数据元数据管理ODS/DW/DM填报数据管理驾驶舱多屏展示多维数据处理自助分析数据安全中国式复杂报表数据处理与存储数据应用16商业智能（BI）白皮书 3.0对照 BI 的功能架构，BI 的主要技术可以分为展示类、分析类和支撑类三个层级，如图 1-10 所示。图 1-10 BI 的主要技术1 展示类技术最核心的是展示类的数据可视化技术，抛开企业数据量级的不同和深度分析的需求，数据可视化技术能够满足最基本的 BI 目标，即将数据转化为信息并辅助决策；数据可视化的具体形式又分为报表和可视化图表两大类，其中报表是我国大多数企业目前的主要数据展示形式。数据可视化旨在借助于图形化手段，清晰有效地传达与沟通信息。其基本思想是将数据库中每一个数据项作为单个图元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。例如柱形图、折线图和饼图等一些基础的图表就可以直观地展示出数据。当数据较为复杂时，可以通过复杂图表搭配多样的交互效果来将数据直观化。2 分析类技术其次是 OLAP、数据挖掘等分析类技术，能够基于现有数据提供更深入的洞察。数据挖掘技术需要一定数据量的支撑，而企业不一定要等到数据量足够大时才能应用 BI，结合我国企业的信息化现状，数据挖掘目前并不是 BI 系统的关键技术需求。联机分析处理（OLAP，Online Analytical Processing）主要关注多维数据库和多维分析。OLAP 委员会对联机分析处理的定义为：使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一类软件技术。1.3.2 BI 的主要技术ETLOLAP数据仓库元数据管理大数据数据挖掘数据可视化展示类技术分析类技术支撑类技术17帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net3 支撑类技术最后是支撑类技术，包括 ETL、数据仓库、元数据管理和大数据技术等，用于管理繁杂的、不断增长的企业数据，为整个 BI 系统体系提供持续的、强力的、稳定的支撑。数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策（Decision Making Support）。数据仓库的出现，并不是要取代数据库。大部分数据仓库还是用关系数据库管理系统来管理的，数据库、数据仓库相辅相成、各有千秋。ETL 是 Extract-Transform-Load 的缩写，用来描述将数据从来源端经过抽取（Extract）、交互转换（Transform）、加载（Load）至目的端的过程。它是构建数据仓库的关键环节，数据仓库主要是为决策分析提供数据，所涉及的操作主要是数据的查询，所以ETL 过程在很大程度上受企业对源数据的理解程度的影响，也就是说从业务的角度看数据集成非常重要。大数据（Big Data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。顾名思义，大数据技术就是收集、存储、处理、分析大数据的相关技术。当前大部分企业已满足大数据的 5V特征，因此，BI 引入大数据技术，旨在从大数据中快速获取价值