---

商业智能 - 快速指南

商业智能 - 简介

商业智能是一系列程序、机制和技术，可将原始数据修改为重要信息，从而推动具有成本效益的业务服务。它是一系列软件和服务，用于将数据修改为可操作的情报和识别。

BI 对组织的方法以及战术和运营业务决策有着巨大的影响。BI 支持使用历史数据而不是假设和直觉进行基于事实的决策。

BI 工具可实现数据分析并制作文档、摘要、仪表板、地图、图形和图表，以支持用户了解有关业务特征的详细情报。

商业智能是许多组织用来更好地了解其用户群和行业的最具活力的工具之一。它定义了将原始信息转换为支持决策的有用数据的业务方法。

商业智能拥有广泛的软件，如果谈论商业智能在零售领域的优势，当前的商业智能工具允许组织利用信息不仅可以考虑当前的销售，还可以估计未来的潜力、模式、趋势，并更深入地了解用户的需求。

BI 有助于让决策者轻松访问和理解数据，以便他们做出明智的选择。这一持续的过程旨在高效且可扩展，确保企业拥有提高绩效和实现目标所需的洞察力。

BI 的创建是为了帮助企业克服"垃圾进，垃圾出"的问题，当数据分析基于不准确或不完整的信息时就会发生这种情况。

商业智能目标

商业智能的主要目标是通过确保信息易于访问、理解和保护来使业务有效运作。首先使用直观的工具清晰地呈现准确且最新的数据，以便用户做出更好的决策。数据应来自可靠的来源，并且只有需要的人才能访问。

传统 BI 与现代 BI

以下是比较，以突出它们的主要区别−

商业智能的方法

商业智能的方法如下 −

1. 数据分析可视化

数据分析可视化就是如何将数据可视化。它在仪表板上显示记录，并使用与业务相关的自定义指标来根据事实做出更好的决策。

2. 报告

商业智能工具用于报告从所有来源收集的信息并对其进行处理，以便以理性的思维做出更好的报告和财务决策。

3. 预测分析

预测分析是您了解某个操作是否有效的方法。事实上，您不会学习，如果您学习，就不会 100% 地学习。但是，借助商业智能，它可以做出基于证据的决策，以进一步推动业务发展。商业智能使我们能够对影响组织整体发展的当前趋势和用户行为做出合理的预测。

4.数据挖掘

数据挖掘是一种计算机支持的技术，用于揭示数据实体之间以前匿名或未被注意到的关系。数据挖掘是通过共享仓库中保存的大量数据，使用统计和数值方法等模式识别技术来发现有用的新相关性、设计和趋势的过程。

BI 工具和软件的类型

BI 工具是帮助收集、处理和分析来自不同来源的大量数据的软件程序，这些软件将这些数据转化为有价值的信息，使企业更容易理解和使用数据进行决策。

以下是不同的 BI 软件和解决方案 −

• 电子表格 −在此软件中，用户可以输入、存储、编辑、组织、计算和可视化数据。

  示例 − MS Excel、Google Sheets 等。

• OLAP − OLAP 代表联机分析处理。OLAP 解决方案允许用户通过以多维格式存储数据来从不同角度查看和分析数据。

• 数据可视化 − 它帮助我们以图表、图形、绘图、地图等形式表示数据。

  示例 − Tableau Desktop、Power BI Desktop 等。

• 数据挖掘 − 在商业中，我们处理大量数据。为了搜索和分析这些数据以找到有价值的见解，我们使用数据挖掘。

  示例 − Knime、RapidMiner 等。

• 数据库 − 数据库存储大量数据。数据库有各种类型，例如关系数据库、NoSQL 数据库和分布式数据库。

  示例

  • 关系数据库 − Oracle DB、SQL Server、PostgreSQL。
  • NoSQL 数据库 − MongoDB、Cassandra。

• ETL 工具 − ETL 代表提取、转换和加载。它是用于数据集成的过程。它涉及提取数据、转换数据并将其加载到目标位置。

  示例 − Informatica、Ab Initio、IBM DataStage 等。

• 项目管理工具 − JIRA 软件、MS Project、MS Excel。
• 数据建模工具 − Oracle Data Modeler、Toad Data Modeler
• 报告和分析 − MicroStrategy、SAP BusinessObjects Business Intelligence。

商业智能 - 历史

如今，商业智能 (BI) 在几乎所有大型公司和利益相关者的战略规划中都扮演着非常重要的角色。

然而，在早期，BI 的概念并不明确。直到多年后，随着对数据驱动决策和竞争优势的需求日益增长，BI 的重要性才得到充分认可。如今，我们都能看到 BI 工具和技术的不断改进，使其成为现代商业战略的重要组成部分。

商业智能的开始(19 世纪)

商业智能的概念最早由 Richard Miller Devens 在其 1865 年出版的《商业百科全书》和商业轶事一书中提出。

为了说明依靠数据和事实证据比依靠直觉做出商业决策更有效，他举了成功银行家亨利·弗内塞爵士的例子。后来，其他人也认识到了使用信息的价值，而其他人看到了使用信息的好处，进一步发展了这个想法。

19 世纪的最后十年

第一个正式的商业分析系统是由Frederick Taylor在19 世纪的最后十年在美国推出的。他的科学管理方法始于对生产方法和工人运动进行时间研究。这项分析旨在找出效率低下之处并优化流程，从而提高生产率和工业产量。

计算机如何彻底改变商业智能?

下面详细介绍一下技术革命如何改变商业智能 −

计算机和早期 DSS(1950-1960 年)

让我们从商业智能的第一个数字时代开始，在这个时代，我们开始从纸质文件转向计算机。在20 世纪 50 年代和20 世纪 60 年代，计算机的引入开始改变企业处理数据的方式。最初，这些早期系统主要用于处理交易。但到了20 世纪 60 年代初，企业开始开发第一个决策支持系统 (DSS)，这使他们能够使用数据分析来做出更明智的决策，而不是依赖直觉。这一时期标志着商业开始转向数据驱动决策。

数据管理和商业智能的出现(1970-1980 年)

20 世纪 70 年代，Edgar F. Codd 引入了关系数据库模型，改变了数据的存储和访问方式。后来开发了 SQL，使数据管理更加容易。

20 世纪 80 年代，商业智能开始随着决策支持系统 (DSS) 和执行信息系统 (EIS) 等新工具的出现而发展。到 1989 年，Howard Dresner 将"商业智能"定义为一种通过数据分析来改善业务决策的方法。

BI 工具的演变(1990-2000):数据仓库、OLAP 和自助服务

随着商业智能 (BI) 技术的进步，它改变了公司处理数据的方式。

在 20 世纪 90 年代，BI 软件帮助公司更好地分析数据，数据仓库因存储大量信息而变得流行，但该技术很复杂。到 20 世纪 90 年代末，OLAP 工具允许进行详细的数据分析。

在 21 世纪，BI 工具变得更加用户友好，并与 ERP 和 CRM 等系统集成。自助服务 BI 也应运而生，让用户可以自行进行分析。到 2005 年，"大数据"成为一个关键概念，催生了用于处理更大、更复杂数据的工具。

人工智能和机器学习时代的商业智能(2010-2020 年)

随着技术的发展，商业智能 (BI) 也在不断发展。在 2010 年代，BI 开始利用大数据和云工具(如 Tableau 和 Power BI)，让您更轻松地掌握复杂数据。然后我们将进入 2020 年代，即人工智能和机器学习的时代。人工智能和机器学习被引入，提供实时洞察并自动做出决策。如今，BI 专注于实时分析和预测工具，帮助您做出更明智的业务选择。

商业智能的主要用途

假设您是企业主、企业家或管理团队的一员。在这种情况下，本章将为您提供有关您的企业或部门真正需要商业智能的原因的深入理解。

商业智能的用途

商业智能有三个主要用途 −

• 决策制定
• 业务绩效管理
• 寻找商机并识别问题

1. 决策制定

在此上下文中，决策制定是指商业智能为决策者(如经理)提供的支持。它通过提供有价值的信息和见解，帮助他们在战略、战术和运营各个层面做出明智的业务决策。

战略

示例 − 我们应该在哪种产品上投资以获得长期产出?

战术

示例 −为了达到年度目标，我们应该重复哪些促销活动?

运营

示例 − 我们应该为周末雇用多少兼职员工?

2. 业务绩效管理

商业智能的第二个主要用途是业务绩效管理。每家成功的公司都有各级管理人员密切监控各自部门的绩效。持续监控使他们了解业务状况，并确保绩效符合他们的目标以及管理层设定的更一般的期望，包括SLA和目标。

BI 支持业务绩效管理的两个部分 −

• 了解业务中发生的事情。
• 跟踪绩效是否符合设定的目标和目的。

3.寻找商机和发现问题

使用 BI 寻找商机的第三部分也是最后一个最重要的部分是发现问题。BI 的第三个关键用途是主动发现商机并发现可能被忽视的问题。这涉及要么带着特定问题分析数据，要么不带特定重点探索数据，旨在发现隐藏的见解和潜在问题。

支持商业智能用途的流程

支持 BI 主要用途的三个主要流程是 −

• BI 报告
• 业务分析
• 数据挖掘

1. BI 报告

BI 报告涉及创建、开发和向决策者提供 BI 报告。这些报告将数据汇总为包括 KPI、业务指标、图表、表格等信息，从而提供清晰简洁的业务概述。它们允许多维查看数据，使其更易于理解和分析。

2. 业务分析

业务分析是支持 BI 主要用途的最重要流程之一。分析可能会令人困惑，因为有很多术语(如 BI、数据分析和业务分析)看起来很相似。虽然这些术语经常互换使用，但分析通常指的是业务分析或数据分析。

在 BI 中，分析侧重于通过数据分析获得洞察，分为描述性(分解数据以查看详细信息)、预测性(猜测未来趋势)和规范性(建议最佳行动)类型。COVID-19 仪表板示例说明了描述性分析和预测性分析。所以最后我们可以说，在学习分析时，检查信息的可信度很重要。

3. 数据挖掘

数据挖掘是指在大量数据中查找不易立即发现的有价值信息。这很重要，因为有时业务用户不会想到要问的所有问题，并且可能会遗漏一些细节。这个想法是寻找不明显的模式、趋势和联系。数据挖掘不是从具体问题入手，而是探索数据以发现新见解并找出如何有效地使用它们。

为什么商业智能很重要?

20 世纪 90 年代末，随着技术在市场上的出现，商业智能成为必备品，尤其是对于大型公司而言，对于中小型公司而言，拥有商业智能是件好事。

• 降低成本和基于云的解决方案
• 开源和免费软件
• 成功实施的证明

商业智能 - 概念

商业智能是一个汇集不同领域思想的概念。是否在商业智能中使用某个想法取决于具体需求和可用资源。

商业智能中一些常用的概念是 −

数据仓库

数据仓库 是一种数据存储库，来自各种来源的数据被汇集、组织和版本化。这种组织使其更易于用于报告和分析。

数据集市

数据集市可以是数据仓库中的构建块，也可以是从数据仓库中提取的较小部分。例如，虽然数据仓库保存了公司的所有数据，但数据集市可能专注于销售或财务等特定领域。这种设置允许不同部门快速访问所需的信息，使数据分析更容易、更高效。

数据湖

数据湖是一个大型存储系统，旨在保存各种类型的数据，通常以原始形式保存。它允许授权用户访问和分析这些数据以用于不同的目的。与传统数据库不同，数据湖可以存储结构化数据(如表格)和非结构化数据(如文本或图像)，使其可用于管理不同的信息。由于这种灵活性，组织可以收集和使用来自多个来源的数据，而无需先对其进行处理。

数据仓库

数据仓库是一种设计和管理数据仓库的方法，可以轻松存储和访问来自不同来源的数据。它有助于创建一个灵活且可扩展的系统，以便您可以处理随时间推移的变化和更新。

ODS

ODS 代表 操作数据存储。 ODS 一词指的是操作数据存储，这是一种用于操作报告和管理日常业务活动的系统。与数据仓库一样，它保存以主题为中心的集成数据，但与数据仓库不同的是，ODS 仅存储当前数据而不保留历史记录。这使其非常适合实时报告，可快速访问最新信息。例如，一家公司可能会使用 ODS 来跟踪每日销售数据或监控当前库存水平。

ETL

ETL 代表提取、转换和加载。ETL 是从文件、数据库或网站等来源提取数据，根据业务和技术规则对其进行转换，然后将其加载到目标数据存储中的过程。尽管 ETL 经常与数据仓库和商业智能相关联，但它也经常用于数据迁移和集成。此过程确保数据经过充分准备和组织，可用于各种系统或应用程序。

数据集成

交易系统存储特定于每个应用程序的数据，例如用于店内购买、在线销售和员工信息的单独数据库。要回答需要来自多个来源的数据的复杂问题，需要将这些数据集成到数据仓库中。集成涉及组合和对齐数据、解决不一致问题并使其兼容，以便进行准确分析和统一业务视图。

机器学习

机器学习是人工智能的一个子集，它使系统能够从数据中学习、识别模式并自行做出预测。这些使用现有数据构建的模型可以在引入新数据时调整和改进其预测。

许多商业智能 (BI) 工具现在使用 ML 来帮助用户更轻松地发现见解和分析数据。您无需成为数据科学家即可使用这些功能，因为它们通常带有简单的拖放或点击选项。BI 中的 ML 有助于自动生成见解并使高级数据分析更易于访问。

数据挖掘

数据挖掘 意味着在没有特定问题的情况下查看大量数据。其目的是找到有趣的模式、趋势和联系。然后，分析师将他们的发现展示给业务领导者，业务领导者会弄清楚如何使用这些见解。这很有用，因为它可以揭示可能不会提出直接问题的重要细节。

有时，该过程不会揭示新的见解，但当它揭示时，它可以帮助改善营销策略以减少客户流失。 如果结果成本过高或没有提供足够的回报，则可能会将这个想法搁置一旁进行进一步分析。 数据挖掘以及报告和分析可帮助企业获得更好的理解并做出明智的决策。

商业智能 - 架构

商业智能 (BI) 架构本质上是 BI 解决方案中所有组件的正确排列，旨在满足企业或组织的独特需求。 当我们谈论 BI 中的架构图时，它就像一张地图，以直观的方式显示 BI 解决方案的所有部分以及它们如何协同工作。 这些图表可以很简单，只给出一个总体概念，也可以非常详细地显示特定的工具和组件。有时他们会根据谁需要理解这两种方法而混合使用这两种方法。

由于每个组织都有自己的一套 BI 要求，因此他们部署的 BI 架构会有所不同。一些企业可能会从基本设置开始，并随着需求的扩大而逐步构建。

这些组件是根据特定要求、预算和可用工具选择的。例如，如果组织不需要历史数据，并且其数据源可以处理分析查询，则可能不需要额外的数据存储库(如数据仓库)。

没有一种适合所有组织的 BI 架构方法。对一个组织有效的方法可能对另一个组织无效。

在查看 BI 架构示例时，重要的是要记住这些图表只是示例。它们不一定是最佳实践或全面的解决方案。相反，它们展示了 BI 架构如何根据业务需求从简单到复杂。

架构类别

这些架构通常分为两类 −

• 数据就地 BI 架构 − 在数据所在位置进行分析。
• 基于数据存储库的 BI 架构 −数据被移动到中央存储库进行分析。

架构 1

在此架构中，只有一个数据源，数据源以静态报告的形式将数据提供给下一步，即报告和分析平台。

报告和分析平台 (RAP) 提供更强大的解决方案。它支持各种类型的输出，包括静态报告、精确的像素完美报告、数据分析和动态可视化。

RAP 还提供了多种方式来传递这些报告，例如通过电子邮件、FTP/SFTP 或通过门户。它还包括基于角色的访问等功能，以确保合适的人看到正确的数据，并为开发人员和最终用户提供不同的工具。

示例

销售团队可能会收到包含销售数据的月度 PDF 报告，而数据分析师可以使用 RAP 创建和探索基于实时数据的自定义可视化。

架构 2

在早期架构中，我们专注于仅使用一个数据源。在架构 2 中，虽然有多个数据源，但来自这些源的数据不会合并在一起。不同的用户可能使用相同的前端工具访问这些单独的数据源，但如果他们需要组合来自不同来源的数据，他们必须自己动手。

示例

营销团队可能使用相同的仪表板从一个来源提取客户数据，从另一个来源提取销售数据，但他们需要手动组合这些信息才能获得完整的视图。

架构 3

上面给出的 BI 架构由多个组件组成，它们协同工作以将原始数据转化为有用的信息。保存运营和交易数据的核心系统称为数据源。借助数据集成工具(尤其是 ETL)，可以清理并准备这些数据以供分析。准备好所有数据后，数据将保存在运营数据存储、数据湖和数据仓库中。

之后，BI 工具将评估并呈现数据，以帮助用户识别模式并做出选择。信息分发工具可让您轻松处理这些数据，从而访问实时信息和深入视图。

在上面给出的架构中，

1. 数据源

在给定的架构中，数据源是保存运营和交易数据的系统。

示例

源系统就像公司存储重要数据的各个地方。把它们想象成大图书馆里的不同书架。

这里提到的书架指的是存放来自不同领域的数据，如销售记录、客户详细信息、金融交易，甚至来自外部来源的数据，如市场趋势或客户调查。所有这些数据对于公司做出明智的决策都很重要。

在选择数据源时，重要的是要考虑数据的相关性、最新性和准确性以及数据的详细程度。您可能还需要混合使用结构化、半结构化和非结构化的不同数据类型，以满足高管和其他用户的需求。

2. 数据集成工具

数据集成工具是用于分析数据的工具。这里使用的数据集成技术是 ETL。

商业智能架构包括数据清理和数据分析，它们都用于识别数据质量问题并修复它们。

此外，BI 架构包括数据清理和数据分析，这对于识别和解决数据质量问题至关重要。例如，数据清理可能涉及删除重复项或更正数据中的错误，而数据分析有助于理解数据的结构和内容。这些过程共同确保分析中使用的数据准确可靠，从而做出更好的业务决策。

3. 数据存储系统

存储系统是存储和管理 BI 数据的系统。主存储是数据仓库，它以不同的格式保存结构化数据，如关系数据库或多维数据库。这使得搜索和分析数据变得容易。对于更具体的需求，部门或业务单位可能会使用连接到主数据仓库的较小的数据集市。

现在，在数据进入数据仓库之前，它通常会经过操作数据存储 (ODS)。将 ODS 视为数据的临时停留地，也可以快速分析数据，尤其是最近的交易。

最后，我们可以说，数据湖通常在 Hadoop 等平台上运行。数据湖是存储所有类型原始数据的地方。这些原始数据可以直接在数据湖中进行分析，也可以过滤后加载到数据仓库中进行更深入的分析。

4. BI 工具

BI 工具通过多种方式帮助企业理解其数据。它们允许您运行自定义查询、通过挖掘挖掘数据并执行详细分析。其中一个关键功能是OLAP(联机分析处理)，它允许用户从各个角度快速探索数据。

借助自助式 BI 工具，分析师和经理现在可以运行自己的查询并创建报告，而无需 BI 团队的帮助。这些工具还带有数据可视化功能，例如图表和图形，可轻松发现数据中的趋势和模式。

5. 消费者

BI 中的信息传递工具使用户可以轻松查看和与分析结果交互。它们通常包括可视化和自助服务选项，以进行更深入的分析。例如，BI 仪表板和在线门户提供实时数据和可自定义的视图，允许用户探索详细信息，而传统报告则以固定格式呈现数据。

除了这些工具之外，BI 系统通常还具有数据准备软件来组织数据以供分析。它们还提供元数据存储库、业务词汇表和数据目录等工具，以帮助用户查找相关数据并了解其上下文和来源。

商业智能 (BI) 的类型

在本章中，我们将向您介绍各种类型的商业智能。阅读本章后，您将能够了解不同类型的商业智能。

基于各种参数

• 基于分析的 BI 类型
• 基于决策的 BI 类型

基于分析的商业智能类型

基于分析的商业智能分为 3 个部分 −

• 描述性商业智能
• 预测性商业智能
• 规范性商业智能

1.描述性商业智能

基于可用数据，它可以洞察已发生的事情。它根据数据为您提供有关已发生事件的信息。它还可以帮助您了解发生事件的原因。

示例上周六有多少人参观了当地公园?

为什么下午游客数量突然增加?

2. 预测性商业智能

它使用过去的数据和模式预测未来可能发生的事情。它根据在数据中发现的关系计算出未知事物的价值。

示例 − 预计下周末有多少人参加社区活动?

哪些与会者最有可能从参加现场活动转变为参加虚拟活动?

3.规范性商业智能

规范性商业智能提供了实现所需输出的最佳选项。

示例 − 在未来三个月内，增加 Java 课程会员注册人数的最佳策略是什么?

需要多少志愿者来支持 Java 项目?

基于决策的双向类型

• 战略决策
• 战术决策
• 运营决策

战略决策

在战略方法中，目标是做出明智的决策来塑造公司的未来，例如决定重点关注或开发哪些产品以最大化长期增长和盈利能力。

示例 − 我们应该长期投资哪项服务?

我们应该在哪个位置推出这门课程?

战术决策

战术决策涉及选择具体行动以在规定的时间范围内实现既定目标。

示例 −需要进行哪些促销才能达到年度目标?

运营决策

运营决策是处理日常决策的决策，这些决策对于企业的顺利运作必不可少。需要做出的实际决策，以确保企业高效运行。

示例 −我们应该为 Java 课程聘请多少名教师?

基于解决方案所有权的商业智能

基于所有权的解决方案，商业智能分为两部分 −

• 自我管理的 BI
• BIaas

自我管理的 BI

在自助式 BI 中，公司中的人员可以自行查看和分析数据，而无需 IT 或数据专家的帮助。它为他们提供了仪表板和报告等用户友好的工具，以便他们可以快速找到业务问题所需的答案，而无需依赖他人。自我管理的商业智能是指 BI 提供的环境，信息工作者可以在其中自行创建和访问特定的 BI 报告、查询和分析集，而无需 IT 干预。

BIaaS

BIaas 代表商业智能即服务。企业正在转向商业智能即服务 (BIaaS)，这使他们可以将 BI 和分析任务外包给专家，而无需雇用更多员工。在这种设置中，供应商以订阅方式向多个客户提供完全托管的 BI 解决方案，负责所有技术工作。这样，公司就不需要在内部保留 BI 团队，因为服务提供商会处理所有事情。

自我管理 BI 与商业智能即服务之间的区别

商业智能 - 实施

实施商业智能 (BI) 涉及选择正确的解决方案来满足您的特定需求和挑战。我们将仔细研究不同类型的商业智能 (BI) 解决方案，每种解决方案都旨在解决 BI 实施中的特定需求和挑战。

我们将讨论的 BI 解决方案类型基于它们的构建和部署方式 −

• 开箱即用 BI
• 敏捷 BI
• 自助服务 BI

开箱即用 BI

开箱即用 BI (OOTB BI) 解决方案预先打包了报告、仪表板和针对特定应用程序(如 CRM、ERP 或 HR 模块)的功能。

• 这些解决方案安装后即可使用，与定制开发的 BI 相比，可节省企业的时间和精力。
• 示例包括 BMC Analytics for BSM 和 Oracle OOTB BI。
• 主要优势是预构建报告、由于供应商专业知识而具有更高的可靠性以及随着相关应用程序的发展而自动更新。

开箱即用 BI (OOTB BI) 解决方案通过提供即用型功能简化了商业智能报告、仪表板和功能，涵盖销售、财务、人力资源和 ERP 系统等各个领域，包括 Excel 集成。

与开发起来可能耗时且复杂的自定义 BI 解决方案不同，OOTB BI 解决方案在安装后可立即运行。

例如，BMC Analytics for BSM 和 Oracle 的 BI 解决方案等工具附带大量预构建的报告和功能，可节省大量开发时间并通过专家设计确保可靠性。这些报告会随着应用程序升级而定期更新。

OOTB BI 的好处包括

#1) 快速洞察 − 通过预先设计的仪表板和报告即时访问有价值的信息。

#2) 减少 IT 工作量 − IT 负责后端管理，而用户则在私有云上享受企业和自助式 BI。

#3) 适应性强 − 标准报告可以根据特定业务需求进行定制。

#4) 用户友好且可扩展 − 易于使用，并且能够随着数据需求的增长而增长。

#5) 面向未来 − 从基本模块开始，并通过新数据源无缝扩展。

总体而言，OOTB BI 为商业智能提供了一种高效、灵活的方法，可提供可靠的见解并减少定制开发的需求。

自助式 BI

自助式 BI (SSBI) 曾被 BI 供应商宣传为游戏规则改变者。 2010 年左右，许多业务经理被误导相信 SSBI 会让 BI 团队变得没有必要，他们可以自己创建报告并分析数据，而无需等待帮助。

然而，到 2020 年，很明显 BI 团队仍然非常需要，而且需求正在增长。那么，SSBI 的承诺怎么样了?

SSBI 是 BI 解决方案中的一组工具，可让非 IT 用户(如营销或财务经理)分析数据并创建报告，而无需编码或依赖 BI 团队。此功能已成为大多数 BI 工具中的常见功能，可帮助企业更快地开展工作。

然而，人们对 SSBI 仍然存在一些误解。有些人认为它可以完全由非 IT 团队运行，让 BI 团队变得没有必要，不需要服务器设置，并为所有用户提供完全的数据访问权限。这些误解可能会让人对 SSBI 的实际功能产生困惑。

最后，虽然 SSBI 提供了灵活性，但很明显，BI 团队的作用对于理解复杂数据仍然至关重要。

敏捷 BI

敏捷商业智能使用敏捷实践来创建 BI 产品和/或服务。

这种方法与最初涉及制作流程图的传统方法相反，可以并行执行小功能，从而逐步形成最终产品。

过去，BI 解决方案通常使用瀑布方法开发，导致项目冗长而复杂，经常面临延迟、无法满足预期或被废弃。这些项目通常会生成静态报告，需要更改代码和重新部署才能解决新问题。

敏捷 BI 于 2000 年代后期出现，作为这些问题的解决方案。通过应用敏捷开发原则，Agile BI 专注于创建可扩展的模块，以更快的投资回报并迅速适应业务变化。

它强调自助式 BI 和交互式仪表板等功能，使业务用户能够比传统方法更快、更灵活地获得问题的答案。

本质上，Agile BI 提供了一种更具响应能力和效率的 BI 解决方案实施方法，使其成为现代企业的首选。

商业智能的应用领域

商业智能通过将数据转化为有用的信息，帮助不同行业做出更好的决策。以下是商业智能的不同应用领域 −

银行业商业智能

商业智能对于银行获取支持更明智决策的洞察力至关重要。以下是 BI 如何帮助银行业 −

• 改善银行运营 − 借助 BI，银行可以跟踪关键财务指标、优化预算并监控分支机构和数字渠道的绩效。这使得发现效率低下并改善整体运营变得更加容易。
• 个性化客户定位 − 通过分析人口统计、行为和偏好等客户数据，BI 可帮助银行创建量身定制的活动和优惠。这可以提高客户满意度、忠诚度和参与度。
• 有效管理风险 − BI 通过分析历史数据、信用评分和市场趋势帮助银行评估客户信誉。这降低了金融风险，并增强了银行做出更安全贷款决策的能力。
• 实时欺诈检测 − 使用机器学习和 BI 工具，银行可以监控交易和账户行为中的可疑活动。这使他们能够在欺诈影响客户之前发现并防止欺诈。

制造业中的商业智能

商业智能用于许多行业，包括制造业。由于制造业有许多活动部件，有效使用业务数据至关重要。

• 改进生产计划 − BI 工具通过分析需求预测、生产能力和资源可用性来增强生产计划。这有助于制造商识别和修复生产延迟，优化计划并缩短交货时间。
• 更好的库存控制 − BI 提供对库存水平和需求模式的实时洞察。这有助于制造商更有效地管理库存，防止库存过剩或缺货等问题，并降低相关成本。
• 预防机器故障 − 通过分析机器传感器的数据，BI 工具可以预测设备何时可能发生故障。这种主动方法使制造商能够在故障发生之前进行维护，从而保持生产正常进行。
• 优化供应链 − BI 分析关键指标，例如供应商交货时间、运输成本和库存周转率。这有助于制造商发现效率低下、最大限度地减少中断并简化物流，以提高效率和节省成本。

教育中的商业智能

教育中的商业智能 (BI) 可帮助学校和学院使用数据做出更好的决策并改善结果。以下是 BI 的使用方法 −

• 提高学生成功率 − BI 工具查看成绩、出勤率和参与度等数据。这可以帮助教师发现可能需要额外帮助的学生，跟踪他们的进度，并调整教学方法以支持更好的学习。
• 使管理更顺畅 − BI 通过显示学生人数、预算支出和员工绩效等重要信息来帮助管理学校任务。这使学校更容易处理资源并就人员配备和财务做出明智的决策。
• 改进课程 − 通过查看学生反馈和表现数据，BI 帮助学校更新和改进课程。这确保所教授的内容与学生相关且对学生有用。
• 提高学生参与度 − BI 跟踪学生如何参与课堂和活动。这些信息可帮助教师找到使学习更具吸引力和互动性的方法。
• 更好地管理资源 − BI 帮助学校了解教科书、技术和设施等资源的使用情况。这有助于规划并确保资源用在最需要的地方。

医疗保健中的商业智能

商业智能帮助医疗保健提供者使用数据来改善患者护理和设施运营。通过分析各种类型的数据，BI 工具可以更轻松地做出更好的决策并提高医疗保健服务的整体效率。以下是 BI 在医疗保健中的应用方式 −

• 改善患者体验 − BI 工具使用仪表板和图表收集和分析患者反馈。这有助于医疗保健提供者了解患者喜欢或不喜欢什么，以便他们可以改善护理、个性化治疗并改善整体体验。
• 有效管理收入 − BI 通过查看索赔、付款模式和拒绝索赔的数据来帮助结算和付款。这使得解决计费问题、减少拒绝索赔的数量和增加收取的金额变得更加容易。
• 提高运营效率 − BI 跟踪重要指标，例如患者人数、等待时间和治疗费用。这有助于医疗机构发现问题，例如长时间等待或人员短缺，并进行改进以提供更好的服务。
• 改善患者结果 − BI 还会查看有关治疗结果和患者进展的数据。通过分析这些信息，医疗保健提供者可以调整治疗计划，以更好地满足患者的需求并改善健康结果。
• 优化资源使用 − BI 有助于监控医疗设备和人员等资源的使用情况。这可确保资源得到有效利用，有助于避免短缺，并支持更好的规划和预算。

商业智能的真实示例

商业智能 (BI) 可帮助公司解决大问题并改善运营。通过巧妙地使用数据，企业可以改善工作方式并更好地服务客户。以下是 BI 如何对各种公司产生巨大影响，改变他们的战略和成果 −

• LinkedIn
• Uber
• Target
• FedEx
• 可口可乐

LinkedIn

挑战

LinkedIn 面临的挑战是增强其平台上的职位匹配算法和用户参与度。

解决方案

LinkedIn 使用 BI 工具分析用户互动、专业资料、职位发布和招聘人员行为。通过分析这些数据，LinkedIn 开发了更好的算法，根据用户资料和兴趣推荐职位和联系人。

结果

在 BI 的帮助下，LinkedIn 改进了职位推荐，增加了在平台上花费更多时间的用户的参与度。这也使求职者和雇主之间的联系更加紧密，提高了平台的价值，并增加了高级订阅和招聘服务的收入。

Uber

挑战

Uber 在发展过程中面临着一个重要挑战:如何同时改善司机和客户的生活?我们可以看到，每天都有数百万次乘车，因此他们需要一种方法来维持秩序，同时增强所有客人的体验。

解决方案

Uber 使用商业智能 (BI) 仔细调查了乘车数据、交通模式、司机表现和客户反馈。因此，他们能够做出明智的调整，包括加快乘车匹配速度、减少等待时间和改变高峰定价。

结果

因此，Uber 通过减少等待时间和改善整体乘车体验提高了客户满意度。由于乘车分配效率更高，利润增加，这对司机来说是另一个好处。得益于 BI，Uber 能够在国际上扩张，同时提升客户和司机的体验。

Target

挑战

Target 面临的最大挑战是在 2013 年。2013 年，Target 必须保护大量客户数据，尤其是在网络攻击可能性不断增加的情况下。由于 4000 万信用卡用户的个人详细信息面临风险，该公司需要改进其用于保护网络和防止敏感数据泄露的方法。

解决方案

Target 通过实施商业智能 (BI) 工具改进了其安全程序，以解决此问题。借助 BI，Target 能够跟踪任何异常活动、识别可能的弱点并评估与系统漏洞相关的数据。该组织通过使用 BI 获得需要立即处理的领域的重要见解，从而加强了其网络安全架构。

结果

Target 能够降低进一步数据泄露的可能性，增强客户信任度，并因此大大加强其安全协议。通过识别可能的威胁并解决缺陷，BI 在帮助 Target 创建一个更具弹性和安全的系统方面发挥了关键作用。

FedEx

挑战

FedEx 需要提高其交付准确性和效率，以满足客户期望并管理其庞大的物流网络。

解决方案

FedEx 使用 BI 工具来分析交付路线、跟踪数据和运营绩效。 BI 提供了影响交付时间的因素的洞察，并允许进行调整以提高准确性。

结果

借助 BI，联邦快递提高了交付准确性，降低了运营成本并提高了客户满意度。从 BI 工具中获得的洞察有助于优化物流并简化交付流程。

可口可乐

挑战

可口可乐必须成功管理其全球运营，以在广泛的市场中保持供应和质量标准。企业需要更有效地处理其库存、分销和生产。

解决方案

可口可乐实施了 BI 系统来监控生产流程、跟踪库存水平并分析市场需求。 BI 工具提供了对生产效率、供应链绩效和区域市场趋势的洞察。

结果

可口可乐通过使用商业智能，加强了供应链管理，降低了库存水平，提高了生产效率。由此，在全球范围内降低了成本，提高了产品可用性，并提高了运营绩效。

商业智能之旅的各个阶段

开始商业智能 (BI) 之旅涉及几个关键阶段。我们不会深入解释软件开发或项目管理的每个阶段，而是对 BI 流程进行简单概述。这种方法将帮助我们清楚地描绘出每个阶段的挑战，使那些刚接触 BI 或 IT 解决方案的人更容易跟上。

了解这些阶段可以设定背景，并让您更有效地掌握挑战。让我们快速了解一下 BI 之旅的每个阶段。

BI 之旅分为三个阶段 −

• 规划阶段
• 开发阶段
• 部署阶段

规划阶段

BI 之旅从规划阶段开始。这是 BI 之旅的第一阶段，为 BI 之旅奠定了基础。此阶段没有固定的持续时间，可以持续数周到数年，具体取决于组织的优先级和资源。

如果 BI 是迫切需要的并且有资源可用，则该过程可以快速启动。但是，由于资源有限，启动阶段通常会面临延迟。它始于 BI 愿景的诞生，结束于管理层批准 BI 计划。

在此阶段，组织定义范围、设定目标、确定关键利益相关者并评估可用资源。这也是评估现有数据源、选择正确技术和创建实施路线图的阶段。

执行良好的规划阶段可确保每个人都协调一致并做好准备，为成功的 BI 之旅做好准备。这两个阶段都至关重要，因为它们决定了整个 BI 计划的方向和步伐。

规划阶段的挑战

• 过去实施的 BI 解决方案的实施时间通常长达数年，在某些情况下似乎永远无法完成。
• 一些员工或部门担心商业智能 (BI) 计划可能会暴露其当前系统、流程、财务或工作方式中的差距和低效。

开发阶段

开发阶段是从项目启动到系统上线供用户使用期间实际构建 BI 解决方案的工作。

此阶段涵盖所有内容:规划、聘请合适的团队、收集业务需求、设计系统、设置硬件和软件、构建数据模型、编码、测试以及最终启动 BI 解决方案。

如果您正在做所有事情在内部，您的团队会处理所有事情。如果您进行外包，外部团队会负责大部分技术任务，而您的团队则负责管理项目。有时，两者兼而有之，您的团队和外部合作伙伴会分担责任，具体取决于合同中约定的内容。

实施阶段就是逐步将您的 BI 计划变为现实，以使您的解决方案正常运行。

部署阶段

上线阶段从 BI 系统完全部署并可供用户使用时开始。只要组织处于活跃状态，此阶段就会持续，因为 BI 是一个持续的过程，而不仅仅是一次性项目。

项目上线后，就会进入进一步开发、维护和可能升级的周期。

这包括 −

#1) 进一步增强和发展 −这涉及添加新数据源、创建其他仪表板和报告以及集成新功能。

例如，假设一家公司最初使用来自销售、客户管理和库存系统的数据启动其 BI 系统。后来，他们决定纳入来自新员工管理系统的数据以增强其报告功能。

#2) 维护 − 这包括修复问题、执行升级以及进行必要的调整以保持系统平稳运行。

#3) 监控和故障排除 − BI 系统上线后，请在最初几周密切监控其性能和数据质量。这有助于快速识别和解决任何问题。

在此之后，评估 BI 系统如何影响您的关键绩效指标 (KPI)，并根据需要调整您的策略。

商业智能 - 团队和角色

建立强大的商业智能 (BI) 团队首先要选择合适的人员，并确保每个人都清楚自己的角色。在团队能够很好地完成工作之前，建立稳固的数据基础设施至关重要。这意味着团队要准备好合适的工具和系统，以便团队可以立即开始工作。

了解组织当前的数据能力以及您对 BI 团队的需求也很重要。这有助于您为他们设定明确的目标。最后，制定预算对于确保 BI 团队拥有有效开展工作所需的财务资源至关重要。

此外，保持沟通畅通并定期重新审视这些需求和目标可以帮助团队与组织不断变化的需求保持一致。

商业智能角色可分为三类 −

• 技术角色
• 技术职能角色
• 管理角色

技术角色

在 BI 团队中，技术角色专注于创建和维护技术基础架构。这些团队成员设计、开发和管理 BI 解决方案。他们处理从编码和测试到支持和维护推动商业智能的系统的所有事务。

部分角色如下 −

1. 商业智能架构师

BI 架构师负责设计和维护整体 BI 架构。他们确保 BI 解决方案满足业务和技术要求，重点关注可扩展性、性能和数据质量。他们还会随时掌握最新工具和技术，并指导开发团队。

2.商业智能开发人员

BI 开发人员的职责可能有所不同，具体取决于他们是专注于解决方案的特定部分(如前端或后端)，还是作为全栈开发人员从头到尾处理整个过程。通常，BI 开发人员是敏捷 BI 团队的一员，并向 BI 团队负责人或 BI 主管汇报。他们的主要任务包括设计、开发和维护 BI 解决方案，其中包括数据仓库、ETL 流程和报告工具。

简而言之，BI 开发人员的工作可能会根据他们是只处理难题的一部分还是管理整个项目而发生变化。

3. 商业智能质量保证工程师

BI 质量保证工程师确保 BI 解决方案准确可靠。他们测试数据流、验证指标并检查性能问题。他们的角色对于确保 BI 系统提供正确的见解而无错误至关重要。

技术职能角色

技术职能团队在技术团队和管理团队之间建立联系。

部分角色如下 −

1. 商业智能分析师

BI 分析师的主要工作是理解数据并找出对业务重要的内容。他们查看数字，了解数据告诉他们什么，然后将这些信息转化为报告和仪表板，帮助公司做出更好的决策。他们的目标是找到企业可以使用的见解。

2. BIBA(商业智能业务分析师)

商业智能业务分析师 (BIBA) 专注于帮助其他人(如业务用户和客户)充分利用 BI 解决方案，而不是自己使用它们。他们充当业务用户和 BI 开发团队之间的桥梁，确保每个人都在同一页面上。通常，BIBA 是 BI 团队不可或缺的一部分。

管理角色

商业智能 (BI) 中的管理角色与其他领域的管理角色类似，从团队负责人到副总裁和 C 级高管等高级职位。这些角色可能因组织的规模和需求而异。

层次结构越高，职责越广泛。团队负责人专注于指导他们的团队，BI 主管负责监督整个部门，等等。同样，预算责任也随着角色的增加而增加，从管理团队预算到监督部门或公司财务。

商业智能财务

商业智能财务是指商业智能解决方案的总拥有成本 (TCO)，强调这些成本远远超出了仪表板和数据可视化平台等可见工具。

正如 Harel Sagiv 所指出的，技术审阅者估算 BI 成本特别复杂，因为它们通常与整体 IT 支出和不同部门之间的共享资源深度集成。

总拥有成本包括资本和运营支出，它占整个 BI 生态系统，包括数据集成工具、数据仓库和安全措施等关键组件。

目的是提供对与 BI 相关的实际成本的全面了解，使企业能够设定切合实际的期望并做出符合其财务限制和战略目标的明智决策。本章将讨论开发和维护高效 BI 解决方案所需的技术和专业知识的费用。

我们的目标是控制大部分成本。与任何其他 IT 解决方案一样，BI 解决方案包括与人员和系统(硬件和软件)相关的成本。

人员成本

在商业智能 (BI) 的财务中，人员成本是指与雇用、管理和留住 BI 团队相关的所有费用。这包括工资、福利、培训以及与直接或间接参与 BI 活动的员工相关的任何其他费用。

示例

假设一家公司正在柏林组建一个有 5 名成员的 BI 团队。每位成员的年薪为 70,000 美元。除了工资外，还有福利(每人 12,000 美元)、培训(每人 3,000 美元)和设备(每人 2,000 美元)的成本。因此，一年的人员成本将是 −

• 工资 − $350,000 (5 x $70,000)
• 福利 − $60,000 (5 x $12,000)
• 培训 − $15,000 (5 x $3,000)
• 设备 − $10,000 (5 x $2,000)
• 总人员成本 −一年 435,000 美元。

这大致估算了维持 BI 团队一年的成本。

系统成本

在确定 BI 软件和硬件的投资时，许多因素(包括功能性和非功能性因素)都会发挥作用。这些因素包括数据源或应用程序的数量、当前和预测的数据量、预期用户数量、性能要求、可用性需求、本地或全局使用情况、响应时间预期、环境数量、数据层和数据保留策略。

此外，还有各种选项可供选择，例如本地或云解决方案、专有或开源软件、不同级别的供应商支持、定价模型、许可选项(如指定用户或企业)以及部署的工具数量(例如，同一部门中的多个数据可视化工具)。

BI 中的系统成本是指与支持 BI 活动所需的技术基础设施相关的费用。这些包括数据存储、处理、分析和报告所需的硬件和软件组件。

系统成本的关键组成部分如下 −

• 软件许可证 − 购买或订阅 BI 工具、数据分析平台、数据库和其他必要软件的成本。
• 硬件 − 运行 BI 应用程序所需的服务器、数据存储系统、网络设备和其他物理基础设施的费用。
• 云服务 − 与使用基于云的 BI 解决方案相关的成本，包括数据存储、处理和软件即服务 (SaaS) 费用。
• 数据集成工具 − 用于将来自各种来源的数据集成到统一 BI 系统中的工具和平台的成本。
• 维护和支持 −维护 BI 系统的持续成本，包括软件更新、硬件维修和技术支持服务。
• 安全 − 与确保数据安全相关的费用，例如防火墙、加密和网络安全工具。

这些因素和组件可确保 BI 基础架构稳健、可扩展且安全，从而使 BI 团队能够有效地分析数据。正确理解和管理系统成本对于为 BI 基础架构做出明智的投资决策至关重要。

商业智能的投资回报率

商业智能的投资回报率 (ROI) 衡量从 BI 计划中获得的财务收益与所涉及的成本之比。简而言之，ROI 可帮助您了解花在 BI 工具、技术和团队上的钱是否为企业带来了价值。

如何计算 BI 的投资回报率?

投资回报率 = ((总收益 − 总成本)/ 总成本) × 100

这里，

• 确定收益 − 确定 BI 带来的财务收益，例如改善决策、节省成本、增加收入或提高运营效率。
• 计算成本 − 将实施和维护 BI 所涉及的所有成本加起来，包括软件、硬件、人员和培训。
• 使用投资回报率公式 −此公式可计算出您在 BI 上投资的资金所获得的回报百分比。
• 例如，如果实施 BI 系统的成本为 200,000 欧元，预计财务收益为 300,000 欧元，则投资回报率为 −

示例

投资回报率 = ((300,000 欧元 − 200,000 欧元) / 200,000 欧元) × 100 = 50%

这意味着在 BI 上花费的每一欧元，公司都会获得 50 美分的回报。

BI 的附带好处

计算商业智能 (BI) 的投资回报率通常侧重于直接好处，例如节省时间或降低成本，但 BI 也带来了显著的好处。例如，节省时间可以提高生产力，提高员工积极性可以提高工作满意度并可能增加收入。

BI 还可以促进更好的追加销售和交叉销售，从而提供竞争优势。量化这些好处很棘手，但一个简单的方法是将直接投资回报率翻倍，以进行粗略估计。

例如，300% 的直接投资回报率可能意味着总体投资回报率为 600%。尽管有这些好处，但一些领导者仍以忙碌为由抵制 BI 投资。BI 专业人员应每年记录和审查投资回报率，以展示 BI 的真正价值。

个人商业智能 (IBI) - 简介

什么是 IBI?

IBI 代表个人商业智能。想象一下能够像企业一样通过数据的视角真正了解自己。个人商业智能 (IBI) 就是收集和分析您自己的数据以深入了解您的生活。通过检查这些自我收集数据中的模式、趋势和相关性，您可以做出明智的决定，从而促进个人成长和进步。

从本质上讲，IBI 是有意识地捕获和反思自己的数据以发现更多关于自己和改善生活的做法。该过程包括积累数据、分析数据以发现有意义的见解，然后根据这些发现采取可行的步骤进行改进。

从本质上讲，IBI 是关于收集关于您自己的数据、分析数据，并利用这些见解做出有意义的改进。这是一种由您有意识捕获的数据驱动的自我反思形式。

IBI 的核心涉及三个主要步骤 −

• 收集数据
• 分析数据以发现趋势和模式
• 根据这些发现采取行动改善您的生活。

个人商业智能

个人商业智能 (IBI) 是指使用自我捕获的数据来洞察您自己的生活，就像组织如何使用商业智能来改善运营一样。通过识别这些联系，您可以做出明智的决定来改善生活的各个方面。

IBI 是一个概念和一个过程，可以选择任何工具、技术或流程来实现 IBI。

正如商业智能 (BI) 既是一个概念又是一个过程一样，个人商业智能 (IBI) 遵循相同的方法，作为更广泛的 BI 框架内的一个专门子类型。

虽然 BI 专注于收集和分析数据以提高组织绩效，但 IBI 将重点转移到个人身上。它是关于使用个人数据来洞察你自己的生活，识别模式，并做出明智的决定来改善你的幸福感。

公司如何使用您的个人数据来促进销售?

每次你在线互动时，无论是浏览社交媒体、购物还是搜索信息，Facebook、Google 和 Amazon 等知名公司都在悄悄收集有关你的数据。他们将信息拼凑在一起，详细描绘出你是谁、你喜欢什么以及你的想法。为什么?因为他们越了解你，他们就能越有效地提供你可能购买的产品或服务，不仅为你自己，也为你周围的人。

注意 − 这是一种商业策略，专注于使用你的个人数据来促进销售，通过使他们的产品符合你的需求和兴趣。虽然这可能让人感到有点不安，但这些公司的目标是通过提供你可能想要的东西来保持领先地位，通常是在你意识到之前。

---