Excel 面向的是中高級(jí)數(shù)據(jù)分析用戶，以數(shù)據(jù)分析為主要目的。用 Excel 工作的一般都是統(tǒng)計(jì)、數(shù)據(jù)分析、財(cái)務(wù)等 Business Users。

Power BI 是以實(shí)現(xiàn) Self-Services BI 為目的， 也就是提供一種用戶（而不是程序員）進(jìn)行數(shù)據(jù)可視化的工具。Power BI 服務(wù)器在 Azure 下，不像 Excel 那么容易安裝和配置。

從本質(zhì)上說，Excel是做數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)分析、數(shù)據(jù)可視化的一種基礎(chǔ)工具，而BI就是從數(shù)據(jù)接入、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)分析、數(shù)據(jù)可視化到數(shù)據(jù)分發(fā)應(yīng)用的一個(gè)產(chǎn)品平臺(tái)，當(dāng)然包含Excel能做的部分，真正的目的是通過最終得出的數(shù)據(jù)結(jié)果發(fā)現(xiàn)問題，來改善業(yè)務(wù)決策。

但在熟悉Excel和BI的過程中其實(shí)可能忽略了兩個(gè)重要的因素。

一是數(shù)據(jù)量的大小，現(xiàn)在很多企業(yè)的數(shù)據(jù)都無法用億級(jí)來衡量，當(dāng)數(shù)據(jù)量越大，用excel越容易出現(xiàn)卡頓等情況，并且Excel畢竟是人工操作，很很容易出現(xiàn)偏差！比如，某個(gè)產(chǎn)品賣得不好，沒啥利潤，但因數(shù)據(jù)偏差，導(dǎo)致它被認(rèn)為是賣得很好，然后各種大量備貨投錢。

二是你用Excel做數(shù)據(jù)分析的目的是什么，如果只是一周匯報(bào)基本的數(shù)據(jù)報(bào)告，即使數(shù)據(jù)量大，如果不怕麻煩也是可以用Excel加班加點(diǎn)去做的。但是，如果是為了輔助決策者實(shí)時(shí)、高效、科學(xué)決策，Excel是完全無法滿足領(lǐng)導(dǎo)者的需求的。設(shè)想一下，當(dāng)你精心準(zhǔn)備了一周的銷售數(shù)據(jù)報(bào)告，而老板突然問起某個(gè)數(shù)據(jù)異常的原因時(shí)，你難道又要會(huì)后重新做一份針對這個(gè)異常數(shù)據(jù)分析的報(bào)告嗎？要多長時(shí)間，老板等得及嗎？所以，當(dāng)企業(yè)的數(shù)據(jù)量越來越大，要求的數(shù)據(jù)分析維度越來深越來越細(xì)，甚至對實(shí)時(shí)性和交互性提出了更高的要求。而這時(shí)，很多人工報(bào)表無法解決的事情，BI可以就解決。BI的價(jià)值不是告訴你學(xué)員的轉(zhuǎn)化漏斗是多少，而是告訴你為什么是這個(gè)數(shù)字，從哪里可以改進(jìn)。

高速發(fā)展的商業(yè)市場正在倒逼數(shù)據(jù)分析工作向?qū)崟r(shí)、高效的BI進(jìn)化。

BI（商業(yè)智能）的概念在1996年最早由Gartner Group提出，而事實(shí)上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。他將“智能”定義為“對事物相互關(guān)系的一種理解能力，并依靠這種能力去指導(dǎo)決策，以達(dá)到預(yù)期的目標(biāo)。”

追究到應(yīng)用層面，BI其實(shí)也經(jīng)歷了四個(gè)發(fā)展階段：

1. Excel報(bào)表：在這個(gè)階段催生了一個(gè)職業(yè)群體就是“表哥表妹”，他們每天都要從公司不同的ERP、CRM、財(cái)務(wù)系統(tǒng)中導(dǎo)出大量數(shù)據(jù)，再將多個(gè)表格用vlookup和sumif進(jìn)行關(guān)聯(lián)計(jì)算，最后通過把可視化圖表截圖放到PPT里進(jìn)行日報(bào)和周報(bào)匯報(bào)。而至于領(lǐng)導(dǎo)到底會(huì)不會(huì)看，他們也不關(guān)心，因?yàn)闊o力關(guān)心。

2. 報(bào)表系統(tǒng)：也是傳統(tǒng)報(bào)表的升級(jí)版，可以直接對接某個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，對于數(shù)據(jù)的響應(yīng)速度比Excel明顯提升，已經(jīng)可以支持權(quán)限管理等，但還是偏向于數(shù)據(jù)匯報(bào)，很難輔助決策。

3. 傳統(tǒng)BI：首先可以對接多個(gè)系統(tǒng)的數(shù)據(jù)源，將所有數(shù)據(jù)整合到一個(gè)平臺(tái)中進(jìn)行全局分析。其次就是支持實(shí)時(shí)數(shù)據(jù)展示，分析維度和深度也遠(yuǎn)遠(yuǎn)強(qiáng)于報(bào)表系統(tǒng)，支持下鉆、聯(lián)動(dòng)等數(shù)據(jù)交互。最后在數(shù)據(jù)承載量和反應(yīng)速度上具有明顯優(yōu)勢，不僅是匯報(bào)工具，更能夠輔助決策。

4. 智能BI：和傳統(tǒng)BI一樣都是支撐決策，但是用戶使用層面強(qiáng)調(diào)低代碼（或零代碼）開發(fā)、無縫對接、靈活部署，比如用觀遠(yuǎn)Smart ETL托拉拽進(jìn)可以做分析看板，無需重新建模，賦能普通業(yè)務(wù)人員做數(shù)據(jù)分析的能力，讓數(shù)據(jù)員有更多時(shí)間可以專注如何將分析與業(yè)務(wù)結(jié)合。并且，還可以借助AI算法的能力構(gòu)建基于未來的分析模型，比如銷售預(yù)測、智能排課等。
   

而從扮演的角色來看，BI的發(fā)展可以理解為從數(shù)據(jù)分析工具到深入場景的“決策大腦”的演進(jìn)。最開始企業(yè)只是想通過其提高做數(shù)據(jù)分析這項(xiàng)工作的效率，而到后面，更多企業(yè)的目的是為了提高做決策的效率和科學(xué)性，以結(jié)果為導(dǎo)向。

數(shù)據(jù)分析產(chǎn)品如何選擇

目前，在選擇時(shí)受爭議較多的是報(bào)表系統(tǒng)、傳統(tǒng)BI和智能BI。

數(shù)據(jù)分析軟件的選擇首先要明確企業(yè)想要引入相關(guān)系統(tǒng)的目的是什么。如果企業(yè)的數(shù)據(jù)量一般，數(shù)據(jù)分析也只是為了給各部門呈現(xiàn)最終的結(jié)果報(bào)告不需要幫助各級(jí)決策層做決策，那么，報(bào)表系統(tǒng)就可以滿足基本需求。但同時(shí)你也要考慮，當(dāng)企業(yè)數(shù)據(jù)量越來越大，當(dāng)發(fā)現(xiàn)競爭對手的市場反應(yīng)速度已經(jīng)領(lǐng)先自己很多時(shí)，我們是不是還要去選擇BI，那現(xiàn)在有沒有必要一步到位。

自然，如果是賦能決策，已經(jīng)受夠了之前想看的數(shù)據(jù)永遠(yuǎn)要延遲一周，想知道的原因總是在會(huì)議上找不到答案，或者企業(yè)本身就有超前的數(shù)據(jù)意識(shí)，當(dāng)然是選擇BI。更進(jìn)一步，如果是希望簡化BI的對接流程和開發(fā)量，減輕數(shù)據(jù)分析員日常高代碼、高重復(fù)的工作量，我們會(huì)更推薦智能BI。

而智能BI也可以理解為“AI+BI”，代表了BI在未來5年的發(fā)展趨勢，也是諸多行業(yè)龍頭和數(shù)據(jù)分析服務(wù)商在共同探索的領(lǐng)域。做AI項(xiàng)目首先企業(yè)得有足夠多的數(shù)據(jù)基礎(chǔ)，非常清晰的項(xiàng)目目標(biāo)，并且有中長期的規(guī)劃，我們才建議去實(shí)施。其次一定要選擇一家具有AI基因的大數(shù)據(jù)分析公司。觀遠(yuǎn)數(shù)據(jù)目前也是和近十家零售巨頭客戶合作了需求預(yù)測、智能配補(bǔ)貨、智能排班、銷售計(jì)劃等合作場景。