商业智能(BI)

常见问题

• BI软件应该具备的功能有哪些？

  （一）连接多种类型数据源
  做数据分析的前提是要获取数据，现在有各种类型的数据源，包括关系型数据库、分布式数据库、文件数据源、接口数据源等。因此，BI软件的首要功能就是支持连接多种类型的数据源。例如，亿信ABI就支持连接以下数据源：
  关系型数据库：oracle、mysql、db2、sqlserver等
  分布式数据库：Petabase、Greenplum、Impala、HBase等
  国产化数据库：达梦、易鲸捷、星环、Gauss DB200等
  文件数据源：excel、txt、csv、db等
  接口数据源：WebService、Rest、JSON、工业数据URL接口等。
  （二）数据处理
  数据处理指的是在数据分析之前对数据进行清洗（extract）、转换（transform）、加载（load），简称ETL。ETL的目的是将企业中分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。
  （三）补录填报与工作流
  BI软件可以对分析表格进行数据回填设置，对缺失的数据进行补录，也可以设置全新的填报表单用于录入数据。同时，填报可以与工作流结合使用，实现数据填报补录后的业务流程审批。
  （四）数据可视化
  BI软件一般内置多种可视化元素和统计图，通过设计与搭配，可衍生出成千上万种可视化效果。
  （五）数据查询与钻取
  BI软件支持钻取和切片功能，即同一张报表可以下钻查看明细数据或者切片换个角度查看数据。支持在统计图、地图、单元格、文字、绘图等各种数据元素上进行钻取和切片。
  （六）自助式分析
  新型的BI软件是面向业务人员的，就算不具备专业的IT知识，也可以通过简单的拖拽操作生成各式各样的分析报告，极大地提升了数据分析的效率。
  （七）移动端应用
  BI软件支持通过移动端实现数据的采集与分析应用，用户可以选择移动端APP来对数据进行浏览和分析，实现移动采集、分析、审批一站式办公，满足用户各种移动分析场景。也可以轻松实现与微信、钉钉等移动办公软件或第三方APP的集成。

• 商业智能bi是什么意思？

        商业智能 (BI) 是一个广义术语，包含将业务数据转换为可操作信息的各种软件和服务。它有助于提供对公司数据的可见性，并用于为组织范围的决策提供信息。 
        商业智能中的流程包括数据挖掘、报告、数据分析、数据可视化、分析等。这些洞察力使公司能够做出数据驱动的决策，以更好地支持业务。
        求助于数据可视化软件将数据和指标转换为图表和图形是很常见的。这样做有助于公司跟踪各种指标和关键绩效指标 (KPI)，以更好地了解绩效和目标。

• 商业智能的主要三个技术

  一、商业智能技术：数据仓库
     DataWarehouse是一种语义一致的数据存储，它是指从多个数据源中收集的信息，这些信息以一致的存储方式被保存下来。
     它的特点是面向主题的、综合的、时间相关的、不可修改的数据集合。执行BI首先要从企业内部和外部收集各种数据源，例如CRM、SCM、ERP系统和其他应用系统，进行转换和合并，因此需要数据仓库和数据集市技术的支持。
    二、 商业智能技术：ETL系统的数据处理
     ETL的英文全名是“扩展(提取)”、“转移(转移)”和“装入”。抽样调查主要针对各个业务系统和不同服务器上分散的数据，充分了解数据定义，规划所需的数据源和数据定义，制定可操作的数据源，制定增量抽样调查和渐变抽样调查规则。
  三、 商业智能技术：在线分析处理(OLAP)
     在线分析处理OLAP是一种软件技术，它能让分析者快速、一致、交互式地观察各方面的信息，从而达到深入了解数据的目的。
     它具有钻孔、钻孔下部、切片、切割和旋转5种基本功能。现代的OLAP系统一般以数据仓库为基础，即从数据仓库中提取详细数据的一个子集，然后将子集中的数据集合存储到OLAP内存中，供前端分析工具读取。

• bi软件是做什么用的？

        首先，作为BI能够制作复杂的固定报表。
        其次，作为BI是能进行自助式分析，帮助企业深度挖掘数据价值。市面上的BI产品图表展示丰富多样，都能将企业数据以丰富的图形展示，帮助企业进行自助式分析。
        再者，作为BI能帮助企业将异构系统的数据取数到统一的数据仓库中。例如，数林BI能将不同的财务账套数据（用友U8/T6/T3、金蝶K/3 ，金蝶KIS旗舰版/专业版等）合并成集团一套账（统一的数据仓库中），便于企业查询分析。

• 商业智能的目的是什么？

        商业智能（BI）的目的主要表现在如下3个方面：
  1.可视化报表的展现
        在商业智能（BI）中，使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据（财务、供应链、人力、运营、市场、销售、产品等）全面展现出来，再通过各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。
  这些分析展现内容基本上是围绕各个业务部门日常工作展开的，这里面有很多的业务分析内容可能需要复杂的计算规则，需要从不同的业务系统获取数据，并且这些数据在业务系统软件中都是很难直观看到的。
        这个层次的可视化报表分析就是一种呈现，让用户对日常的业务有一个清晰、直接、准确的认知，同时解放了业务人员手工利用Excel的各种函数做汇总分析、制图的工作，提高了工作效率。比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购入库金额、退货情况、应付账款等等。
  2.数据的“异常”分析
        数据的异常分析利用的是对比分析法。业务人员通过可视化报表呈现，如果发现了一些数据指标反映出来的情况超出了日常经验判断。这时就需要要对这些 "异常" 数据进行有目的的分析，通过相关联的维度、指标使用钻取、关联等分析方式探索出可能存在的原因。
        例如，一个网站或产品，正常情况下每个月的平均用户注册量是10万左右。但是发现在今年的 8 月份，会员注册量达到了 23 万，这就是一种 "异常"，远远超过经验判断和预期。这时我们就要去分析判断是因为市场部门的推广，还是做了大型促销活动导致的。
  当然除了正向的异常，也有可能出现负向“异常”，比如注册量只有5万，这时也是需要我们通过分析找到原因，并在以后避免发生类似的情况。
        最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通过"异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应关系，这时可以利用数据图表之间的逻辑性关系。
  3.业务建模分析
        业务建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在的问题，将其反映在可视化报表上，并最后要回归到业务，形成决策并不断优化的一个过程。业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的方式将它们有效组织起来去验证我们对业务分析的逻辑判断。它可由一个或多个图表组成，也可通过一组或多组数据图表支撑，依据企业的业务模型来确定。
        业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计和探索分析。需要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。这里需要注意的是具体的分析场景很难由专业的BI开发人员来提出。业务分析建模需要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据分析、挖掘或统计工具，这样商业智能BI的价值才能在企业得到充分的发挥，数据的价值也才会得到充分的体现。

• 商业智能bi行业现状

  （一）众多玩家涌现
        我国经济的平稳发展给各个行业带来了信息化提升的强大压力，但并不是所有行业都能跟上信息化发展的飞快速度。据艾瑞咨询数据统计，中国约有6600万家实体店铺，而90%以上的店铺所使用的是非智能收银系统。 这就给商业智能发展提供了很大的市场空间，所以近年来商业智能市场的规模以较高的增长幅度不断扩大。 
        面对不断扩大的市场规模，越来越多提供商业智能服务的公司涌现，目前市面上从事商业智能服务的企业主要分为三种类型。第一种是专门做BI服务的独立前端厂商；第二种是不缺资源、技术的互联网大厂；最后一种是对BI 需求更大的银行。
        而通过对比上述三种类型企业的BI产品、市场表现和发展前景，就可以看出，目前谁在商业智能BI行业市场的竞争力更强，而谁的发展前景又会更好。 
  （二）独立前端厂商：老将护城河高筑，新来者挑战重重
        从专门做BI行业服务的企业来说，他们不用像互联网企业和银行一样考虑商业智能与原有业务体系之间是否契合，只需要根据市场需求推出自己的产品，当有了一定的市场知名度之后，人才也会源源不断地涌来。如果考虑到投入与产出比的话，就必须要让自己的产品得到市场的认可，这样才会有客户和收入来源。 因此，市场认可度对于专门从事BI服务的企业来说至关重要。而在行业深耕多年的老牌BI厂商就得益于其逐渐积累起的市场知名度，成为了行业中的佼佼者。
        而新入局的商业智能BI行业厂商因为缺乏经验、技术储备和资源，就很难和老牌BI行业厂商抗衡，从而在获客和营收等方面都存在困难。所以，获得融资对他们来说至关重要，资本的投入可以让他们招揽更多的人才，从而提高自己的市场竞争力。
        在资本的支持下，新来者未来的竞争力不容小觑。但目前来说，相比老牌商业智能行业BI厂商，他们在销售渠道和交付合作伙伴等生态圈建立方面，还存在不足，所以短时间内难以和商业智能BI行业头部平台抗衡。 
  （三）互联网大厂：发展优势得天独厚，天花板更高
        从布局商业智能BI行业服务的互联网大厂来说，他们发展BI业务主要是出于两个原因。一是他们在日常的经营中会产生大量的经营数据，有巨大的商业智能BI行业服务需求，但如果选择合作伙伴的BI系统可能并不适合企业，所以自行发展BI是最合适的选择；二是业务成熟，还可以向B端开放，丰富自己的生态。
        而且相比独立的BI前端工具厂商来说，他们有资金、人才和生态优势，因为可以向内部提供服务，所以不用发愁客户的问题，企业的云服务业务也为其发展商业智能提供了优质的土壤。因此，目前国内互联网大厂推出商业智能服务的现象并不少见。 
        总的来看，以阿里为代表的互联网大厂在BI发展，具有得天独厚的优势，能达到的天花板也更高，它们未来或许可以重新定义整个行业。 

• 商业智能的应用方面

  1. 销售分析：
        主要分析各项销售指标，如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。
  2. 商品分析：
        商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过系统对这些指标的分析来指导企业商品结构的调整，加强运营商品的竞争能力和合理配置。
  3. 人员分析：
        商业智能（BI）通过系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为有力资源的合理利用提供科学依据。主要分析的主要有员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等。
        商业智能（BI）会以对企业经营中的各类要素进行综合分析，用户可以选择在某时间段内，对整个CRM数据中的客户、产品、销售业绩进行分析，形成数据建议报告，提供给决策者审阅，为企业管理人员制定经营管理方法提供了一定的决策依据。
  商业智能发展趋势
        数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来，总结出所研究对象的内在规律。简单的说，数据分析就是根据分析目的，使用适当的分析方法和分析工具，对数据进行处理与分析，提取出有价值的信息，形成有效的分析结论的过程。
        对于toC类产品，由于覆盖的用户范围广、用户基数大，用户千差万别，背景各异。我们又很难对用户进行透彻的了解(问卷调查也只能覆盖一部分用户，并且问卷调查得出的结论可能不一定真实反映整体用户情况)，因此产品怎么更好地服务于用户、真正对用户产生价值是每个提供toC产品与服务的公司非常头痛的问题。
        幸好，数据分析为我们了解用户打开了一扇窗，用户在产品上的操作行为为我们了解用户提供了“蛛丝马迹”，用户的操作行为也是用户最真实意图的反馈，通过分析用户行为，我们可以对用户进行更加细致的了解，最终指导我们更好地迭代产品为用户提供更好的服务体验，通过用户行为分析获得的认知，也可以指导我们更好地运营内容及用户。通过更好地服务用户，借助合适的变现手段，最终产生商业价值。
        由于技术的进步，商业智能所涵盖的内容也在不断演化。在大数据被广泛应用之前，商业智能指将公司内不同部门的数据进行整合，从而指导决策，这个过程相对线性。 而现在，商业智能可以帮助实现一个决策闭环，不仅通过各种手段让数据更容工具和易获得，而且能够对决策的效果进行迅速追踪与反馈，从而指导新一轮的决策。
        数字经济下，数据无处不在，我们已经从IT时代迈入DT时代。IT时代以流程来驱动业务，而在DT时代，将以数据来驱动业务。特别是对于互联网公司来说，拥有海量的数据并充分利用，已经成为其致胜的法宝。