
大數(shù)據(jù)和BI商業(yè)智能有何區(qū)別?有何相關(guān)
大數(shù)據(jù) ≠BI商業(yè)智能,大數(shù)據(jù)也不是傳統(tǒng)商業(yè)智能的簡單升級。
1、大數(shù)據(jù)和BI兩者的區(qū)別
BI(BusinessIntelligence)即商業(yè)智能,它是企業(yè)數(shù)據(jù)化管理的一整套的方案,用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合,快速準(zhǔn)確的提供報表并提出決策依據(jù),幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策,解決的是管理運營戰(zhàn)略的問題。
大數(shù)據(jù)(Big Data)是指在可承受的時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合,是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)側(cè)重于解決某一類問題的方法,比如全網(wǎng)用戶畫像,對網(wǎng)絡(luò)、傳感器等非結(jié)構(gòu)化海量數(shù)據(jù)的分析。
不管定義如何不同,大數(shù)據(jù)與傳統(tǒng)BI是社會發(fā)展到不同階段的產(chǎn)物,大數(shù)據(jù)對于傳統(tǒng)BI,既有繼承,也有發(fā)展,從"道"的角度講,BI與大數(shù)據(jù)區(qū)別在于前者更傾向于決策,對事實描述更多是基于群體共性,幫助決策者掌握宏觀統(tǒng)計趨勢,適合經(jīng)營運營指標(biāo)支撐類問題,大數(shù)據(jù)則內(nèi)涵更廣,傾向于刻畫個體,更多的在于個性化的決策。
當(dāng)然純粹從思想的角度講,兩者在概念上是可以實現(xiàn)統(tǒng)一的,都遵循數(shù)據(jù)-信息-知識-智慧這個脈絡(luò),甚至在更高的層次,兩者也是可以統(tǒng)一的。
2、兩者技術(shù)上有什么相關(guān)性?
傳統(tǒng)BI的技術(shù)標(biāo)簽:ETL、數(shù)據(jù)倉庫、OLAP、可視化報表。
大數(shù)據(jù)的技術(shù)標(biāo)簽:Hadoop、MPP、HDFS、MapReduce、流處理等。
傳統(tǒng)BI就目前來講,其功能都可以被對應(yīng)的大數(shù)據(jù)組件所替代,但大多數(shù)企業(yè)缺乏大數(shù)據(jù)業(yè)務(wù)的驅(qū)動,也缺乏相關(guān)的高技術(shù)人才。
不過新型BI被賦予了更多“大數(shù)據(jù)”潛能。正如圖右側(cè)架構(gòu)所示,BI架設(shè)在大數(shù)據(jù)應(yīng)用層,抽取etl后或者Hive來的數(shù)據(jù)又可作通用類的業(yè)務(wù)分析。既滿足了海量實時數(shù)據(jù)分析,也滿足了決策型的業(yè)務(wù)分析。
3、企業(yè)應(yīng)該青睞大數(shù)據(jù)還是商業(yè)智能?
在技術(shù)領(lǐng)域,雖然傳統(tǒng)BI的一些技術(shù)ETL、數(shù)據(jù)倉庫、OLAP、可視化報表似乎都將處于落后邊緣,因為它難以解決日后海量數(shù)據(jù)的處理問題,但是,也不能全盤否定或替代成大數(shù)據(jù)。一些企業(yè)采用SAP HANA,F(xiàn)ineBI的直連大數(shù)據(jù)引擎都是基于這個問題優(yōu)化的方案。BI的那套也將長期存在,畢竟企業(yè)對BI方案還是很青睞,大數(shù)據(jù)的普及和應(yīng)用也是個漫長的過程。
大數(shù)據(jù) VS 商業(yè)智能
大數(shù)據(jù)不是空口說說,它的第一要務(wù)就是解決業(yè)務(wù)問題,大數(shù)據(jù)一定程度上就是用全新的數(shù)據(jù)技術(shù)手段來拓展和優(yōu)化業(yè)務(wù),傳統(tǒng)企業(yè)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(yè)模式,如果對內(nèi),想清楚在哪個場景,可以用大數(shù)據(jù)的手段提升效率。
當(dāng)前大數(shù)據(jù)可以產(chǎn)生價值的地方,從行業(yè)的角度看,金融、銀行、互聯(lián)網(wǎng)、醫(yī)療、科研都有廣闊的前景。從領(lǐng)域的角度看,廣告、營銷、風(fēng)控、供應(yīng)鏈都是大數(shù)據(jù)發(fā)揮價值的地方,對于特定企業(yè),比如電信運營商,大數(shù)據(jù)也可以在網(wǎng)絡(luò)優(yōu)化等方面提供新方法。
并不是每個企業(yè)都需要打造自己的大數(shù)據(jù)平臺,需要考慮到企業(yè)的信息化水平和各項成本,量力而行吧,可以自行研發(fā) ,比如BAT;也可以選型采購,比如傳統(tǒng)大企業(yè);中小型企業(yè)也可以租用,比如用阿里云和AWS。
就事實來講,BI的應(yīng)用是遠(yuǎn)遠(yuǎn)大于大數(shù)據(jù)應(yīng)用的,有其通用的道理。大數(shù)據(jù)相對于傳統(tǒng)BI,也不僅僅是簡單的PLUS的關(guān)系,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(shù)據(jù),就嗤之以鼻,認(rèn)為它是新包裝的馬甲,其實就那么回事;也不需妄自菲薄,以為搞大數(shù)據(jù)就那么高大上,它的確是BI大多數(shù)思想的傳承。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10