服务中by什么意思，服务行业中bi啥意思
chanong
|1.什么是商业智能？
BI（商业智能）是一种数据技术解决方案，主要由数据仓储、数据分析、查询报告、数据可视化等组成。在企业中，BI打破了ERP、OA、CRM、国产软件等形成的数据孤岛，有效整合和汇总企业大量数据，产生高质量的数据资产，并支持后续能够满足您的需求。根据查询、数据分析、数据可视化需求提供的各种报表，为企业业务和管理人员提供充足的信息支持。
BI - Parker Data BI 可视化分析平台
从1958年开始，BI概念和产品形态不断更新迭代，直至2013年。在信息化、数字化的影响下，BI形成了一系列现代概念，并围绕企业发展展开，重新定义了BI的定义。这包括提供信息访问和分析以改进和优化决策绩效的应用程序、基础设施、工具和最佳实践。 ”
经过几十年的BI发展，当今环境下的主流BI产品已经有了明确的定义。产品分为三类：
首先，BI是一整套由数据仓储、查询报表、数据分析等组成的数据技术解决方案。
其次，BI可以连接并有效集成公司各种业务信息系统（ERP、CRM、OA）内的数据。
第三，BI利用适当的查询和分析工具，快速、准确地提供可视化分析和报告，支持企业决策。
BI - Parker Data BI 可视化分析平台
BI是一套完整的解决方案，不同的功能模块可以让企业达到不同的效果。例如，根据公司业务数据流程的不同，BI可以分为三个级别。
第一层，可视化分析展现层——可视化分析展现层也是BI的需求层，代表用户的需求，他们想看什么，他们想看什么，一方面是他们的需求。另一方面，用户想要分析的内容也在这个层面上呈现。
第二层，数据模型层——数据模型层也称BI数据仓库，主要负责企业数据的分析模型，完成业务计算规则到数据计算规则的转化。
第三层，数据源层——数据源层是BI的数据层，是各个部门、业务领域的业务信息系统，底层数据库中的数据通过ETL传输到BI数据仓库，建模分析，将被提取。等等，最后支持在前端进行可视化分析和展示。
2、BI在企业IT信息化中的定位
在各个行业的企业都开始进行数字化转型的数字时代，BI 能够如此成功的原因之一就是BI 在企业内部发挥着至关重要的作用，占据着连接整个企业的核心地位。可以做。公司。
BI在企业内部主要起到承上启下的作用，形成以数据为中心的完整的数据战略体系，也是企业信息结构的重要组成部分。企业在实施信息架构或数字化转型之前必须执行的实施计划。
一般来说，企业信息化建设具有普遍性，因此大多数企业的IT信息化可以分为业务信息化和数据信息化两个阶段。相比之下，普通用户更容易理解。
企业信息化-Paco Data BI可视化分析平台
业务信息化——企业所使用的业务系统的建设，如ERP、CRM、OA、内部业务系统等，统称为业务信息化。业务信息化的主要功能是管理企业的业务流程，通过规范化、标准化、在线化提高业务效率，降低企业的人力资源、时间、精力等成本，构建BI，可以为企业构建数据基础设施，体现现代企业管理的管理理念。
数据信息化——我们常听到的大数据、BI、数据分析、数据挖掘等统称为数据信息化。数据信息化帮助企业全面了解企业经营管理从经验驱动转向数据驱动，减少情绪、心理等主观影响，形成对数据化经营决策的支持，有助于提高决策准确性。是企业上层的一种层级化的企业管理方式。
企业信息化-Paco Data BI可视化分析平台
信息建设是一致的；没有业务系统的建设就没有数据积累，没有数据分析就没有构建BI的基础。同时，BI的建设可以反过来促进业务信息化建设，提高数据质量。
业务信息化的主要使用形式是基于表单的，主要是根据业务用户的输入进行数据的增删改查，管理业务流程数据和业务流程，规范和修改业务流程，是一个软件系统可以标准化。过程。
数据信息化的主要使用形式——例如BI从ERP、OA、CRM等业务系统中开放数据，旨在对数据进行横断面整合，主要进行局部详细分析。业务和系统。 3. BI 的主要用户是谁？
一线业务执行层是业务信息化的主要对象，是从业务角度进行数据输入、记录流程、展示业务信息等。
管理决策层是数据信息化的主要对象，从管理角度通过BI可视化分析发现问题、分析问题，最终做出管理决策。
BI - Parker Data BI 可视化分析平台
两个细节：
第一，执行决策层和领导不打开财务系统查看财务数据，不打开OA系统查看合同信息；高层领导不看这些数据的详细信息，我们不进入每个系统去检查。也就是说，业务信息化并不适合这个级别的领导者。
第二，管理决策层一定是指公司的最高领导吗？不一定是公司各个组织层级具有管理决策属性的人。通过BI提供决策支持。
4. 数据岛到底是什么意思？
数据孤岛通常是指只有少数人可以访问的数据集。例如，公司不同部门或不同业务信息系统的数据库中的数据往往无法相互通信。数据只能存储在专有数据库中，无法统一使用，没有全公司的信息，全球视野，导致各个部门、业务系统的数据像海外孤岛一样分散，无法互联互通。经常听到的“数据岛”，其中无法进行通信。
所以当我们谈论BI和数据孤岛时，我们需要明白，对数据孤岛感受最深的人是企业管理者。因此，与企业谈论数据孤岛可能不会达到预期的效果。 - 这些跨部门、跨组织的中高层管理人员都清楚，当业务数据无法互通、不需要全面统一分析时，数据孤岛对企业发展的危害有多么严重。
BI - Parker Data BI 可视化分析平台
2）业务人员应通过培训熟练使用BI前端报表工具，了解已发布的数据分析模型接口。
3）业务人员必须精通业务和数据。
很多企业不存在2）和3）的问题，但是销售人员可以直接获取前端BI工具来解决1）吗？显然商人不具备这个能力。
因此，BI 工具在培训中很容易使用，但在实际开发企业BI 项目时却很困难。因为训练期间给出的所有数据表都是经过选择的，始终是高质量和标准化的。您所需要的只是一个简单的左表和右表，例如销售订单表和订单行表。当然，提供可视化报告也很容易。我注意到了这一点。
数据可视化- Parker Data BI 可视化分析平台
然而，在现实企业BI项目的分析中，分析指标的计算规则并不能通过简单关联几张表来解决。不信，试试实际的指标计算逻辑： 尝试一下ETL数据清洗小案例数据表都很好理解，更别说业务人员自助BI分析了，很多BI开发者也得浪费一个时间需要花费很多精力来做到这一点。
我这么说并不是要否定自助式BI 的作用和功能。自助式BI 有其使用场景，并且确实有助于简化许多BI 任务。但从专业的角度来看，我认为：我尤其厌倦了一些BI厂商在市场上反复强化概念的不负责任的方式，比如： BI 是可视化报告。 BI 不需要数据仓库建模。传统的数据仓库建模非常落后，而BI是自助分析。自助分析非常简单，业务用户只需几天的培训就可以学会它，并按照自己的意愿进行分析。
从营销和销售的角度来看，广告简化了产品入门的复杂性和难度并没有什么问题，但问题是它最终会让公司接受错误的概念。给出不正确或不专业的解释，例如在没有充分预见到BI项目建设过程中可能遇到的挑战和风险的情况下，利用这些不正确的概念来评估和规划BI项目的建设，最终导致项目失败，从而导致重复建设。
北京的一个客户花费了超过100万元进行了一个所谓的BI项目，该项目启动了一年左右，但最终失败了，没有任何进展。之后我找到了Pico Data，给他们介绍了Pico Data BI分析平台，连续实施了几次项目，甚至还让客户写了感谢信。为什么我之前的一个项目进展失败：我没有关注我的数据仓库计划。业务是持续不断、不断变化的，需要根据年度需求进行动态调整，数据不断增长，分析的深度和范围不断变化。如果没有良好的底层数据架构来支持，您只能依靠SQL 来进行数据检索。构建数据集并以数据形式生成报告来支持公司未来三到五年或更长时间不断变化的业务分析需求是不可能的。
除了这件事之外，我的手机里还有很多过去尝试过BI但失败或不起作用的人的记录，所以我来这里聊天和抱怨，但我对这个产品真的很失望。很糟糕吗？我也客观地帮助他们分析。其中一些产品被纳入Gartner 的神奇现象领导者象限。您觉得产品好吗？国内BI领域有一些已经存在多年的老品牌的产品，但是您觉得他们的产品好吗？客观来说，从我个人的角度来看，这些产品其实都不错，产品本身并没有什么大的问题。
问题是，这么多从头开始需要BI 的公司并不知道BI 项目有很多陷阱。很多BI厂商都清楚地向企业客户解释了这些点，他们是如何做BI项目的，以及他们是什么类型的项目。过程中有没有风险？未来我们会遇到什么问题？这些问题我们应该如何解决？有哪些方法论和手段？一套BI产品和工具，你觉得这些BI销售如果你只是卖的话有效吗？他们？你会告诉你的客户这些事情吗？不，至少不要太深入，因为这会使BI 的难度变得过于复杂。避免描述性或详尽无遗。一旦解释不充分，客户的信任度就会下降。
在某些情况下，他们不会谈论它，因为他们担心这会很复杂并且商业客户的决策周期会太长。有时我不说话是因为我听不懂。如果不沟通这些信息，客户就不会理解，不会有经验，从而在构建BI项目时出现问题。
在一次会议上，某BI厂商的售前技术代表在与客户沟通时这样说道： “直接BI 连接不是更好吗？” 可以通过直接连接到数据源来执行分析，而不需要数据仓库。无知的人有恃无恐，听不进去，就打断了，直接讲了。通过沟通，可以确定这个所谓的技术专家基本没有完成完整BI项目的经验，从零开始构建BI项目的能力为零。与这样的客户一起领导一个BI项目是非常困难的，但是你能保证这个BI项目的质量吗？
这就是为什么我们亲自制作了视频号《吕品聊数据》，就是为了提交数据，客观地讲BI，客观地讲数据，传播我们认为正确的BI知识和概念，这就是我创建它的原因。对于广大BI用户来说，应该如何理解和认知BI，企业应该警惕BI的哪些陷阱？
虽然我们在Parker Data 的BI 领域谈论的知识和概念不一定普遍适用，但我们相信BI 供应商和个人BI 爱好者可以用BI 知识和概念来挑战我们。欢迎。派克数据科普的一些BI知识概念是正确的。如果传播正确，就意味着每个人都实际遇到过这些问题，这些知识和理念也成为企业宝贵的经验。如果传播有误，错在哪里，请指出并讨论还可以为公司做些什么。
8. 报告工具从哪里来？
我在科技、信息和BI行业工作了10多年，从未离开过这个圈子。 JAVA（AWT、SWING、JSP、Hibernate、Spring、ibatis）、NET（ASP、http://ASP.NET、C#.NET）、Object-C、JS等技术开发和业务软件系统平台开发。
早期前端技术很薄弱，连AJAX的实现都需要手写。我必须自己使用JS DOM 来单击以编辑和更改表单中的数据。报表创建本质上是一种嵌套在HTML 中的JSP 或ASP 脚本语言，具有循环输出前端。报告风格非常原始、丑陋。稍微复杂一点的表格报表样式需要在JS中进行调整。
当时使用的报表，如水晶报表、润千报表，都有可以直接引用的前端脚本语言标签，报表生成取代了大量的手写代码。早期，前端和后端技术并不是分开的。 http://ASP.NET 稍好一些。前端逐渐添加了一些可以直接使用的集成控件，而JAVA没有。上述阶段是从什么时候开始的呢？相信在2005年或者2007年左右就已经被广泛使用了，但是在旧的CSDN上你仍然可以找到很多原始的报告标签帖子。
Jreport、Star Report StyleReport等老报表在国内也有一定的市场。截至2010年，部分报表厂商营收突破1亿，说明基础报表的市场依然十分强劲。
当时的报道是什么状态呢？纯粹是报道报道。以编程方式从后端数据库查询返回的数据聚合列表然后绑定到前端脚本页面以生成各种报告。应用于各种业务软件中，系统内的报表展示远远达不到BI分析的水平。
此外，有许多软件开发商确实拥有强大的报告功能，但这些报告功能并不能单独作为报告产品在市场上提供。
随着前端技术和前端框架的改进，传统的表格技术逐渐让位于各种柱形图、条形图、饼图等可视化展示，现阶段报表和BI之间的界限正在变得模糊. 越来越近了。越来越模糊了。为什么？ BI 的报告查看功能与传统报告大致相当，但执行自助分析和自助拖放以进行快速多维分析的能力尚未出现。
毕竟，我的主要观点是，我们看到的很多BI 项目都是以报告思维方式实现的，这意味着SQL 用于在前端呈现数据集，这意味着它正在被使用。而真正的BI思维应该是什么样的呢？多维思维和模型思维将决定一个BI项目的最终方向，我们稍后会更详细地讨论这些点。
9. BI的本质——企业业务管理思维的实现
BI到底是什么？技术？产品？或者是其他东西？我们对BI 的理解已经提升到了另一个层次。 BI是企业业务和管理理念的实施。
BI 要点- Parker Data BI 可视化分析平台
我们该如何理解这一点？简单来说，可视化报告中呈现的是企业真正关心的内容，比如公司高层重要的绩效分析指标，或者具体的部门绩效分析指标等。
10. BI和数据仓库有什么区别和联系？
我经常遇到这样的问题：“BI 和数据仓库有什么区别？”其实这个问题可能反映出一些朋友对BI的理解还是不准确、有偏见的。这个问题实际上使得BI 和数据仓库在概念上可以互换。这种情况其实很常见，大家对BI的第一印象就是各种炫酷的可视化图表和报表，而且市面上有很多轻量级的前端可视化BI，分析工具也有很多，这就导致了大家对BI的误解。知识停留在可视化部分。
准确地说，BI不仅包括前端可视化分析和报表呈现能力，还包括底层数据仓库构建流程。 Gartner 在20 世纪90 年代就已经提到了商业智能，认为BI 是一种数据技术解决方案，可以从各种企业业务系统中提取和清理具有分析价值的数据。采用特定的建模技术，如Inmon的3NF建模、Kimball的维度建模或两者，最终合并到数据仓库中，并基于混合架构模型，最终使用适当的分析和呈现工具，形成各种可视化分析。报表为企业业务决策层提供数据决策支持。
BI - Parker Data BI 可视化分析平台
所以从这里我们可以看出，数据仓库位置是可视化报表和底层业务系统数据源之间的一层，是整个BI项目解决方案的连接点。如果把BI比作一个人，�**肷恚绕涫橇常峭獗恚掳肷硎墙拥仄沾蟮鼐卸问茄梗呛诵摹：秃诵牧α俊Ｊ莶挚狻�
而市场上有这么多可以直接链接数据源并进行拖放分析的BI工具，大家都想知道，为什么不也创建BI分析报告呢？这类独立的前端BI分析工具定位为部门级、个人级BI分析工具，无法解决很多需要深层次复杂数据处理、集成、建模等场景。最好的办法就是在最底层建立一个完整的数据仓库，将很多分析模型标准化，然后利用这些前端BI分析工具将它们结合起来，这样只有前端你才能真正释放你的BI分析能力。
许多企业认为只需购买前端BI分析工具就可以解决所有企业级BI问题，但这实际上是不可能的。如果最初的分析场景比较简单，数据连接的复杂度不是太高，那么这类BI分析工具可能不会有什么问题。然而，企业BI项目的建设具有螺旋式建设过程的特点。随着连接的业务系统数量潜在增加，分析的深度和广度增加，数据的复杂性变得越来越具有挑战性，但就目前而言，支持它的良好数据软件还没有内部架构。 -端BI分析工具基本无法使用。
数据仓库- Paco Data BI 可视化分析平台
就像你去药材店取药一样，在你拿药之前，其他人已经把各种药材成分（数据来自原始数据源）整理和清理好了。很快就能想到药物组合（指标组合的可视化）。
国内这样的公司还有很多，由于对BI的认识浅薄，导致BI项目的建设方向错误，导致BI项目难以持续推进。
因此，企业需要明确BI建设是针对企业层面的分析工作，还是针对个人、部门的分析工作。如果您是个人数据分析师，那么使用这样的前端BI 分析工具就足够了。如果需要构建企业级BI项目，不仅需要关注前端可视化分析能力，还需要关注底层数据架构，或者说构建数据仓库层面。
11. 数据仓库建模技术Kimball 和Inmon 以及混合架构
数据仓库建模是构建BI 项目时的首要任务。 Inmon的三种范式3NF建模和Kimball的维度建模都是BI数据仓库建模方法。这两种BI建模方法有什么区别？
12.实际实施BI项目时的需求实施方法论
BI 完全是需求驱动的，需要访谈和调查。在进行BI需求的访谈和调查之前，需要提前了解行业的业务特点，以及公司的业务流程和预期的业务点。所有这些都应该提前解决，重点关注你将要面试的部门。在脑海中为你的整个业务建立一个框架，并反复实践。
13. 什么样的企业应该实施BI？
什么样的企业适合做BI？看基础业务信息化程度和日常业务管理的详细程度和粒度。业务信息化的基础层面是贵公司IT业务系统的基础建设。没有业务系统的支撑，BI的数据基础设施就会缺失。二是业务管理的粒度。这是你自己的事吗？管理层面更细致？这是BI提高企业管理和决策支持效率的迫切需求。
14. 如何高效地向高层领导提供BI 数据分析概览和报告
当一个BI项目完成后，你需要考虑最终如何向�**寤惚ǎ⒀�**如何分析BI数据。
框架和汇报的五个重点：用户业务层次与范围、工作成果、计划执行复盘、问题反馈、展望规划与愿景。 BI - 派可数据BI可视化分析平台 这里只是一个简单的汇报框架，还有很多点可以往里面加。比如围绕行业讲一下行业驱动因素跟 BI 如何结合的；从企业经营管理角度，企业愿景到 CSF 到 KPI 到绩效是如何分解和重新组织的；比如财务视角下的归因分析；金字塔的管理模型；动态指标库构成原理等等都可以有所选择的进行融入和说明。 十五、BI与企业经营管理的结合度 我们都知道BI能够大范围在企业中应用，与BI为管理人员提供的效率和成本上的帮助是少不了的。光是BI提供的数据可视化就能够制作管理驾驶舱、核心数据指标监控 、区域经营管理等，为管理人员提供了极大的帮助。 BI分析跟企业的经营管理分析高度结合，ROE高的企业有可能是利润高像茅台、珠宝行业，有可能是周转快比如像零售行业，也有可能是融资能力比较强会利用杠杆，从ROE归因分析看行业特点。 十六、BI项目行业和业务知识的积累 BI项目和行业、业务知识有很强的关联性，如果开展项目的时候不结合行业业务的相关知识，那么这个BI项目很难成功落地。为什么会是这种情况？主要原因是BI的本质其实是企业的业务和管理思维的落地。 所以综合来看，为什么企业的高层、业务部门的管理人员为什么要通过BI去看报表？他们看的是什么？重点关注的是什么？这些内容就是他们日常在企业中业务经营管理的重点。 数据可视化 - 派可数据BI可视化分析平台 在BI项目上看上去零零散散的报表，在实际用户眼里其实是有很强的逻辑关联性的。并且层次越高的管理人员看的BI报表内容越聚焦，看的是业务结果。一线业务部门的人员可能关注的更零散，看的是明细的业务过程数据。 所以，对于一名优秀的BI开发人员、开发顾问，不仅仅是需要在技术层面打磨，更需要在行业性知识和企业业务知识上有所沉淀。 十七、关于BI实时性处理的话题 BI 对数据的处理存在一定的滞后性，通常采用T+1模式，主要原因是ETL数据处理过程是需要有大量的时间损耗，通常是采用空间换时间的方式。 将以前按照BI数据仓库分层的ETL调度设计成可按单独指标并自动寻找依赖的调度就大大的增加了对个别指标调度和准实时处理的灵活性。 离线数据与实时处理针对的业务场景不同，背后的技术方式实现不同，资源投入也不同，了解它们之间的定位差异有助于选择合适的方案以最小的资源投入达到企业既定完成BI 项目建设目标。