根據(jù)IDC預(yù)測(cè)，2025年時(shí)中國(guó)產(chǎn)生的數(shù)據(jù)量預(yù)計(jì)將達(dá)48.6ZB，在全球中的比例為27.8%。在未來，數(shù)據(jù)會(huì)是構(gòu)建現(xiàn)代社會(huì)的基本要素，也是社會(huì)的基本建設(shè)。這也不禁讓我想起了最近新公布的《關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》，國(guó)家把數(shù)據(jù)地位再一次提高，并宣布構(gòu)建數(shù)據(jù)基礎(chǔ)制度體系。在可見的未來，數(shù)據(jù)將保持高速發(fā)展的姿態(tài)。

在各種新趨勢(shì)的影響下，數(shù)字化不僅在當(dāng)下有著強(qiáng)大的實(shí)力以及巨大的潛力，更是成為了未來世界的標(biāo)志，成為了社會(huì)各界對(duì)未來發(fā)展的共識(shí)。企業(yè)為了執(zhí)行數(shù)字化戰(zhàn)略，實(shí)行數(shù)字化轉(zhuǎn)型，實(shí)現(xiàn)數(shù)據(jù)價(jià)值，除了需要相關(guān)數(shù)字化技術(shù)及理念、人才等，還需要借助數(shù)字化相關(guān)應(yīng)用，例如商業(yè)世界中廣受企業(yè)歡迎的ERP、OA、CRM等業(yè)務(wù)信息系統(tǒng)，以及上升勢(shì)頭非常迅猛的商業(yè)智能BI等數(shù)據(jù)類技術(shù)解決方案。

一、什么是商業(yè)智能BI？

商業(yè)智能BI能夠成為當(dāng)前商業(yè)世界中備受企業(yè)歡迎的數(shù)據(jù)類技術(shù)解決方案其實(shí)是有原因的，早在1958年，IBM研究員就將商業(yè)智能BI的早期形態(tài)定義為：“對(duì)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)。”

1958年后，商業(yè)智能BI的概念和產(chǎn)品形態(tài)一直在更新迭代，直到2013年，在信息化和數(shù)字化的影響下，商業(yè)智能BI形成了一套現(xiàn)代化的概念，圍繞企業(yè)發(fā)展進(jìn)行擴(kuò)展，重新確定了商業(yè)智能BI的定義：“商業(yè)智能BI是一個(gè)概括性術(shù)語(yǔ)。它包含了應(yīng)用、基礎(chǔ)結(jié)構(gòu)、工具，以及提供信息訪問和分析加以改進(jìn)、優(yōu)化決策表現(xiàn)的最佳實(shí)踐”

經(jīng)過數(shù)十年商業(yè)智能BI的發(fā)展，我們對(duì)當(dāng)前環(huán)境下主流的商業(yè)智能BI產(chǎn)品有了一個(gè)明確的定義，一種有三條，分別是：

第一，商業(yè)智能BI是一套完整的由數(shù)據(jù)倉(cāng)庫(kù)、查詢報(bào)表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案。

第二，商業(yè)智能BI可以將企業(yè)不同業(yè)務(wù)信息系統(tǒng)（ERP、CRM、OA）中的數(shù)據(jù)打通并進(jìn)行有效的整合。

第三，商業(yè)智能BI可以借助合適的查詢和分析工具快速準(zhǔn)確的提供可視化分析或報(bào)表，為企業(yè)提供決策支持。

商業(yè)智能BI一套完整的解決方案，其中有很多不同的功能模塊，能夠讓企業(yè)實(shí)現(xiàn)多種多樣的效果，例如商業(yè)智能BI可以根據(jù)企業(yè)業(yè)務(wù)數(shù)據(jù)的不同流程劃分為三個(gè)層次：

第一層，可視化分析展現(xiàn)層 - 可視化分析展現(xiàn)層也就是商業(yè)智能BI的需求層，一方面代表了用戶的需求，用戶想看什么、要看什么、另一方面也代表了用戶要分析什么，這些就在這一層進(jìn)行展現(xiàn)。

第二層，數(shù)據(jù)模型層 - 數(shù)據(jù)模型層也就是常說的商業(yè)智能BI數(shù)據(jù)倉(cāng)庫(kù)，主要負(fù)責(zé)企業(yè)數(shù)據(jù)的分析模型，完成從業(yè)務(wù)計(jì)算規(guī)則向數(shù)據(jù)計(jì)算規(guī)則的轉(zhuǎn)變。

第三層，數(shù)據(jù)源層 - 數(shù)據(jù)源層也就是商業(yè)智能BI的數(shù)據(jù)層，不同部門、業(yè)務(wù)線的業(yè)務(wù)信息系統(tǒng)，其底層數(shù)據(jù)庫(kù)的數(shù)據(jù)通過ETL抽取到商業(yè)智能BI的數(shù)據(jù)倉(cāng)庫(kù)中，建模分析等等，最終支撐到前端的可視化分析展現(xiàn)。

二、商業(yè)智能BI在企業(yè)IT信息化中的位置

商業(yè)智能BI在企業(yè)中主要承擔(dān)承上啟下的責(zé)任，圍繞數(shù)據(jù)形成了一整套數(shù)據(jù)戰(zhàn)略體系，同時(shí)也是企業(yè)信息化建設(shè)中重要的一部分，可以說是企業(yè)進(jìn)行信息化建設(shè)或者數(shù)字化轉(zhuǎn)型前必須進(jìn)行布署規(guī)劃的一環(huán)。

一般來說，企業(yè)的信息化建設(shè)具有通用性，所以可以把大部分的企業(yè)的 IT 信息化分為兩個(gè)階段：一個(gè)是業(yè)務(wù)信息化，一個(gè)是數(shù)據(jù)信息化。這樣對(duì)比講，一般的用戶更容易理解一些。

業(yè)務(wù)信息化 - 企業(yè)使用的ERP、CRM、OA、自建的業(yè)務(wù)系統(tǒng)等，業(yè)務(wù)系統(tǒng)的建設(shè)都統(tǒng)稱為業(yè)務(wù)信息化。業(yè)務(wù)信息化的主要作用是管理企業(yè)的業(yè)務(wù)流程，通過規(guī)范化、標(biāo)準(zhǔn)化、線上化，來提高業(yè)務(wù)運(yùn)轉(zhuǎn)效率、降低企業(yè)人力、時(shí)間、精力等成本，為商業(yè)智能BI的建設(shè)打下數(shù)據(jù)基礎(chǔ)，是業(yè)務(wù)管理思路的體現(xiàn)，也是現(xiàn)代的企業(yè)管理方式。

數(shù)據(jù)信息化 - 像我們經(jīng)常所聽到的大數(shù)據(jù)、商業(yè)智能BI、數(shù)據(jù)分析、數(shù)據(jù)挖掘等我們都統(tǒng)稱為數(shù)據(jù)信息化。數(shù)據(jù)信息化可以幫助企業(yè)全面的了解企業(yè)的經(jīng)營(yíng)管理，從經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)，降低情緒、心理等主觀影響，形成以數(shù)據(jù)為基礎(chǔ)的業(yè)務(wù)決策支撐，提高決策的準(zhǔn)確性，這是企業(yè)更高層次的企業(yè)管理方式。

信息化建設(shè)具有連貫性，沒有業(yè)務(wù)系統(tǒng)的建設(shè)，就不會(huì)有數(shù)據(jù)的沉淀，而沒有數(shù)據(jù)的沉淀，就沒有建設(shè)商業(yè)智能 BI 的基礎(chǔ)。同時(shí)，商業(yè)智能 BI 的建設(shè)能夠反向推動(dòng)業(yè)務(wù)信息化的建設(shè)，提高數(shù)據(jù)的質(zhì)量。

業(yè)務(wù)信息化的主要使用形式 - 表單式的、以業(yè)務(wù)用戶錄入為主、數(shù)據(jù)的增刪改操作居多，是對(duì)業(yè)務(wù)過程數(shù)據(jù)、業(yè)務(wù)流程進(jìn)行管理的軟件系統(tǒng)，可以對(duì)業(yè)務(wù)流程進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化處理。

數(shù)據(jù)信息化的主要使用形式 - 例如商業(yè)智能BI主要是對(duì)業(yè)務(wù)結(jié)果數(shù)據(jù)進(jìn)行整體信息呈現(xiàn)和局部深度分析，旨在打通ERP、OA、CRM等業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，跨業(yè)務(wù)、跨系統(tǒng)整合數(shù)據(jù)。

三、誰(shuí)是商業(yè)智能BI的主要用戶？

業(yè)務(wù)信息化的主要使用對(duì)象 - 一線業(yè)務(wù)執(zhí)行層，更多是從業(yè)務(wù)視角出發(fā)，錄入數(shù)據(jù)、記錄流程、查看業(yè)務(wù)信息。

數(shù)據(jù)信息化的主要使用對(duì)象 - 管理決策層，更多的是從管理視角通過商業(yè)智能BI可視化分析去定位問題、分析問題，最終形成業(yè)務(wù)決策。

兩個(gè)細(xì)節(jié)要點(diǎn)：

第一，沒有任何一個(gè)管理決策層、領(lǐng)導(dǎo)會(huì)沒事打開財(cái)務(wù)系統(tǒng)看財(cái)務(wù)數(shù)據(jù)，打開 OA 系統(tǒng)看看合同信息，高層領(lǐng)導(dǎo)不會(huì)看這些明細(xì)數(shù)據(jù)細(xì)節(jié)，也不會(huì)進(jìn)到各個(gè)系統(tǒng)里面去看。也就是說，業(yè)務(wù)信息化不是給這一層領(lǐng)導(dǎo)來使用的。

第二，管理決策層是不是一定是指的企業(yè)最高層的領(lǐng)導(dǎo)，不見得，可以是企業(yè)各個(gè)組織層次中帶有管理決策屬性的人員，這些管理決策人員都可以通過商業(yè)智能BI提供決策支持。

四、數(shù)據(jù)孤島到底說明了什么？

數(shù)據(jù)孤島一般指的是只有一部分人能夠訪問的數(shù)據(jù)集，這本來也沒什么，但問題是企業(yè)業(yè)務(wù)發(fā)展、管理決策等需要掌握大部分，或者說全部數(shù)據(jù)才能進(jìn)行分析、挖掘，做出最后的決斷。而數(shù)據(jù)孤島直接導(dǎo)致其他人難以獲取這部分?jǐn)?shù)據(jù)，不僅會(huì)導(dǎo)致數(shù)據(jù)浪費(fèi)，甚至有可能讓企業(yè)無法處理異常數(shù)據(jù)，解決不了發(fā)現(xiàn)的問題，讓企業(yè)發(fā)展陷入困境。

所以，我們?cè)谥v商業(yè)智能BI，講數(shù)據(jù)孤島的時(shí)候要明白，對(duì)數(shù)據(jù)孤島問題感觸最多的是企業(yè)管理人員，所以給業(yè)務(wù)部門講數(shù)據(jù)孤島可能達(dá)不到預(yù)想中的效果，只有對(duì)跨業(yè)務(wù)、跨部門、跨組織的這些中層管理、高層管理講，他們才能意識(shí)到業(yè)務(wù)數(shù)據(jù)不能互通，不用全面統(tǒng)一進(jìn)行分析，有多大的問題，也就是數(shù)據(jù)孤島對(duì)企業(yè)發(fā)展的危害。

商業(yè)智能BI作為數(shù)據(jù)類技術(shù)解決方案，在面對(duì)數(shù)據(jù)孤島問題時(shí)，就能通過數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)可視化解決企業(yè)面臨的“數(shù)據(jù)孤島”“信息孤島”問題，所以商業(yè)智能BI需要企業(yè)管理人員來進(jìn)行規(guī)劃，并主要為企業(yè)管理人員提供決策信息，輔助進(jìn)行決策。

所以在介紹商業(yè)智能BI的時(shí)候，必須要搞清楚不同人員的需求。站在企業(yè)不同員工角度，有的人認(rèn)為是有數(shù)據(jù)孤島存在的，一定要解決。有的人是不認(rèn)為有數(shù)據(jù)孤島存在的，即使存在對(duì)他們也沒有影響，所以不用解決，其根本原因是沒有把握商業(yè)智能BI真正的服務(wù)對(duì)象。

五、商業(yè)智能BI從業(yè)務(wù)系統(tǒng)取數(shù)據(jù)取數(shù)的方式

商業(yè)智能BI是通過訪問和連接業(yè)務(wù)系統(tǒng)數(shù)據(jù)源數(shù)據(jù)庫(kù)的方式來進(jìn)行取數(shù)的，不管是什么樣類型的數(shù)據(jù)庫(kù)，商業(yè)智能BI通過ETL連接數(shù)據(jù)庫(kù)抽取業(yè)務(wù)系統(tǒng)原表數(shù)據(jù)到數(shù)據(jù)倉(cāng)庫(kù)中加工處理，最后支撐到前端的可視化分析報(bào)表展現(xiàn)。

之前有朋友這么提問的：數(shù)據(jù)源層是需要開發(fā)接口嗎？

這是回答：

一般不需要，基本上這么提問的都是經(jīng)歷過軟件系統(tǒng)的接口對(duì)接，軟件系統(tǒng)的接口對(duì)接是因?yàn)橛械臉I(yè)務(wù)軟件是 JAVA 開發(fā)的，有的是 .NET 開發(fā)的，有的是 B/S 架構(gòu)，有的是 C/S 架構(gòu)。軟件系統(tǒng)之間的接口是需要開發(fā)參與的，主要是串聯(lián)不同軟件的業(yè)務(wù)流程，這種接口是需要?jiǎng)哟a的。 但商業(yè)智能BI在獲取數(shù)據(jù)的接口不一樣，是與業(yè)務(wù)系統(tǒng)軟件自身無關(guān)的，是只需要訪問和連接業(yè)務(wù)系統(tǒng)背后的數(shù)據(jù)庫(kù)就可以的，直接從數(shù)據(jù)庫(kù)取數(shù)，因此是不需要軟件接口，或者沒有軟件接口訪問這種概念的。

除非一種情況，這個(gè)業(yè)務(wù)系統(tǒng)是公有云，純 SAAS 模式，這種情況下就只能通過軟件對(duì)外開放的 API 接口取數(shù)了。

六、數(shù)據(jù)中臺(tái)、商業(yè)智能BI、大數(shù)據(jù)之間的關(guān)系應(yīng)該如何理解？

統(tǒng)的商業(yè)智能BI在遇到大數(shù)據(jù)量、非結(jié)構(gòu)化數(shù)據(jù)處理的場(chǎng)景，底層的數(shù)據(jù)倉(cāng)庫(kù)就升級(jí)為大數(shù)據(jù)的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)，這就是大數(shù)據(jù)下的商業(yè)智能BI分析；在大數(shù)據(jù)的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)基礎(chǔ)之上，往左邊更加拓展了數(shù)據(jù)的采集能力，在中間除了原有大數(shù)據(jù)架構(gòu)的數(shù)據(jù)倉(cāng)庫(kù)建模之外，更加加入了數(shù)據(jù)資產(chǎn)的概念、數(shù)據(jù)資產(chǎn)盤點(diǎn)、數(shù)據(jù)資產(chǎn)管理，靠右擴(kuò)展了數(shù)據(jù)服務(wù)的能力，將數(shù)據(jù)中臺(tái)中按照一定規(guī)則處理好的數(shù)據(jù)打包對(duì)外提供服務(wù)。因此，大數(shù)據(jù)架構(gòu)下的數(shù)據(jù)采集、數(shù)據(jù)倉(cāng)庫(kù)建模、數(shù)據(jù)資產(chǎn)管理和數(shù)據(jù)服務(wù)就構(gòu)成了數(shù)據(jù)中臺(tái)的幾大核心。

數(shù)據(jù)中臺(tái)的底子是大數(shù)據(jù)架構(gòu)，數(shù)據(jù)倉(cāng)庫(kù)是傳統(tǒng)商業(yè)智能BI數(shù)據(jù)倉(cāng)庫(kù)的大數(shù)據(jù)升級(jí)，而商業(yè)智能BI就變成了數(shù)據(jù)中臺(tái)之上的應(yīng)用層，利用中臺(tái)的數(shù)據(jù)服務(wù)獲取數(shù)據(jù)做分析展現(xiàn)。

這就是商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺(tái)這三者的關(guān)系和在不同數(shù)據(jù)場(chǎng)景、服務(wù)場(chǎng)景下的演變過程，看明白了這個(gè)過程，應(yīng)該就不會(huì)再輕易的混淆他們的概念。至于商業(yè)智能BI、大數(shù)據(jù)、數(shù)據(jù)中臺(tái)應(yīng)該選擇哪個(gè)，其實(shí)說到底如何選擇合適的技術(shù)路線、技術(shù)架構(gòu)，最終還是取決于企業(yè)自身到底要解決什么，不能盲目選擇。盲目選擇的結(jié)果就是大投入，小產(chǎn)出沒有達(dá)到預(yù)期的期望。我們還是應(yīng)該聚焦到需求本身，需求為王。

七、關(guān)于商業(yè)智能 BI 認(rèn)知上的幾大誤區(qū)

很多企業(yè)把商業(yè)智能BI當(dāng)做純粹的報(bào)表工具使用，輸出的形式變成了可視化圖表，可圖表展示的內(nèi)容還是以前的部門業(yè)務(wù)信息，只展現(xiàn)了一線業(yè)務(wù)部門的基本情況，管理人員還是需要花費(fèi)大量時(shí)間精力去了解企業(yè)整體的發(fā)展情況。

我這里總結(jié)了一下，大家對(duì)商業(yè)智能 BI 的理解常會(huì)碰到的一些誤區(qū)：

1.商業(yè)智能 BI 就是報(bào)表可視化，就是一堆可視化圖表，商業(yè)智能BI 就是前端可視化。

2.商業(yè)智能BI就是一個(gè)拖拉拽的分析工具產(chǎn)品。

3.商業(yè)智能BI就是商業(yè)智能BI，跟數(shù)據(jù)倉(cāng)庫(kù)沒有關(guān)系。

4.有了商業(yè)智能BI就不需要數(shù)據(jù)倉(cāng)庫(kù)建模，業(yè)務(wù)人員就可以自己做商業(yè)智能BI分析，就可以拖拉拽做商業(yè)智能BI分析。

5.商業(yè)智能BI 就是業(yè)務(wù)驅(qū)動(dòng)的，不需要 IT 人員支撐，敏捷商業(yè)智能BI不需要 IT 介入。

6.商業(yè)智能BI直連不香嗎？直接連接數(shù)據(jù)源不就可以做分析，不需要數(shù)據(jù)倉(cāng)庫(kù)。

首先簡(jiǎn)要糾正一下對(duì)于這些問題的理解。

1、商業(yè)智能 BI 就是報(bào)表可視化，就是一堆可視化圖表，BI 就是前端可視化。

商業(yè)智能BI是一套完整的有數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)分析、數(shù)據(jù)報(bào)表等組成的數(shù)據(jù)技術(shù)類的解決方案，在一個(gè) BI 項(xiàng)目中，20% 的時(shí)間做前端分析報(bào)表，80% 的時(shí)間都在底層數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)、ETL 的開發(fā)、取數(shù)開發(fā)等工作。

所以可視化報(bào)表只是商業(yè)智能 BI 的最終呈現(xiàn)，但不是 商業(yè)智能BI 的全部。

2、商業(yè)智能 BI 就是一個(gè)拖拉拽的分析工具產(chǎn)品。

拖拉拽的可視化分析工具準(zhǔn)確來講只能解決 商業(yè)智能BI 的一部分，即可視化分析。但其實(shí) 商業(yè)智能BI 所包括的技術(shù)范圍還是比較廣的，涉及到從底層數(shù)據(jù)取數(shù)到前端展現(xiàn)分析的各個(gè)方面。

單純拖拉拽的商業(yè)智能BI可視化分析工具嚴(yán)格來講只能定位于個(gè)人和部門級(jí)，和企業(yè)級(jí)的商業(yè)智能BI 有很大的不同，所以單純的上一個(gè)商業(yè)智能BI分析工具發(fā)揮不了商業(yè)智能BI的真正作用，也替代不了商業(yè)智能BI的位置。

3、以前也總有人說商業(yè)智能BI就是業(yè)務(wù)驅(qū)動(dòng)，商業(yè)智能BI就是 BI，跟數(shù)據(jù)倉(cāng)庫(kù)沒有關(guān)系。

這個(gè)問題很有深度，在以前我也這么認(rèn)為過，總覺得有了商業(yè)智能BI就不需要數(shù)據(jù)倉(cāng)庫(kù)建模，業(yè)務(wù)人員就可以自己做 商業(yè)智能BI分析，就可以拖拉拽做 商業(yè)智能BI分析，不需要IT人員支撐，敏捷商業(yè)智能BI不需要 IT 介入，不需要建數(shù)據(jù)倉(cāng)庫(kù)。

 但凡有任何商業(yè)智能BI的銷售或者售前告訴用戶，你們企業(yè)的 商業(yè)智能BI 項(xiàng)目不需要構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，直接通過 商業(yè)智能BI 分析工具拖拉拽就可以搞定企業(yè)里面所有的分析，不需要IT人員支撐，業(yè)務(wù)人員完全可以自己搞定... 類似于敢這樣承諾的，要么是對(duì)商業(yè)智能BI不懂，要么就是真忽悠。

在企業(yè)級(jí)的商業(yè)智能BI項(xiàng)目建設(shè)中，真正能做到完全靠業(yè)務(wù)人員簡(jiǎn)單拖拉拽一些就能隨便實(shí)現(xiàn)數(shù)據(jù)可視化分析，至少在我個(gè)人從業(yè)的十幾年工作經(jīng)驗(yàn)中，95%以上的企業(yè)都做不到。我服務(wù)過的重點(diǎn)企業(yè)包括：SHP（ Security Health Plan )、微軟（中國(guó)）、微軟（美國(guó)）、VWFC（ 大眾金融 ）等。

VWFC 做的算是非常不錯(cuò)的，少有的業(yè)務(wù)人員自己動(dòng)手做很多報(bào)表，線上跑了幾千張報(bào)表。為什么？ 因?yàn)榈讓訑?shù)據(jù)倉(cāng)庫(kù)就搭建了很多年，底層數(shù)據(jù)架構(gòu)相對(duì)比較規(guī)范。Business Driven 業(yè)務(wù)驅(qū)動(dòng)，它的前提是什么？

1） 底層數(shù)據(jù)質(zhì)量很規(guī)范，數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)很完整，不讓業(yè)務(wù)人員碰底層數(shù)據(jù)，ETL、取數(shù)、指標(biāo)計(jì)算等等統(tǒng)統(tǒng)都是 IT 部門來維護(hù)。

2） 業(yè)務(wù)人員通過培訓(xùn)要熟練掌握商業(yè)智能BI前端報(bào)表工具的使用，要很懂放出來的數(shù)據(jù)分析模型接口。

3） 業(yè)務(wù)人員要非常熟悉業(yè)務(wù)和數(shù)據(jù)。

第 2）和第 3）條很多企業(yè)沒有問題，第 1）條直接弄個(gè)前端 商業(yè)智能BI 工具讓業(yè)務(wù)人員解決，能解決掉嗎？ 很顯然業(yè)務(wù)人員是不具備這種能力的。

這就是一到培訓(xùn)的時(shí)候，商業(yè)智能BI工具使用起來很簡(jiǎn)單，但是一旦到實(shí)際的企業(yè) 商業(yè)智能BI 項(xiàng)目開發(fā)就發(fā)現(xiàn)寸步難行。因?yàn)榕嘤?xùn)的時(shí)候，給出的數(shù)據(jù)表都是經(jīng)過選擇的，永遠(yuǎn)都是質(zhì)量很高的、規(guī)范的只需要簡(jiǎn)單左表連右表例如銷售訂單表、訂單明細(xì)表，自然很容易把可視化報(bào)表給實(shí)現(xiàn)出來。

但是在實(shí)際企業(yè) 商業(yè)智能BI 項(xiàng)目分析中，分析指標(biāo)的計(jì)算規(guī)則絕非簡(jiǎn)單幾張表關(guān)聯(lián)就可以解決的，不信的話可以挑戰(zhàn)一下一個(gè)實(shí)際的指標(biāo)計(jì)算邏輯：挑戰(zhàn)一個(gè) ETL 數(shù)據(jù)清洗的小案例 在數(shù)據(jù)庫(kù)中就一張數(shù)據(jù)表，數(shù)據(jù)理解起來也很簡(jiǎn)單，但很多 商業(yè)智能BI 開發(fā)人員做起來也需要廢很大的精力，就更別談業(yè)務(wù)人員自助 商業(yè)智能BI 分析了。

講這么多不是為了一味否定自助式 商業(yè)智能BI 它的作用和能力，自助式 商業(yè)智能BI 有它的使用場(chǎng)景，也確實(shí)幫助我們簡(jiǎn)化了很多的 BI 工作，但從專業(yè)角度出發(fā)，特別反感是部分商業(yè)智能BI 廠商以一種不負(fù)責(zé)任的方式反復(fù)向市場(chǎng)強(qiáng)化類似于這樣的概念：商業(yè)智能BI 就是可視化報(bào)表、商業(yè)智能BI 不需要數(shù)據(jù)倉(cāng)庫(kù)建模、傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)建模很落后、商業(yè)智能BI 就是自助分析、商業(yè)智能BI 自助分析很簡(jiǎn)單、業(yè)務(wù)用戶簡(jiǎn)單幾天培訓(xùn)就可以學(xué)會(huì)并且想怎么分析就怎么分析...

從市場(chǎng)宣傳和銷售的角度來說，簡(jiǎn)化產(chǎn)品的復(fù)雜度和上手難度的宣傳是沒有問題的，有問題的是以一種錯(cuò)誤的講解、不專業(yè)的講解最終誤導(dǎo)企業(yè)接受了這些不正確的概念，并以這些不正確的概念來評(píng)估與規(guī)劃 商業(yè)智能BI 項(xiàng)目的建設(shè)，沒有充分預(yù)計(jì)到 商業(yè)智能BI 項(xiàng)目建設(shè)過程中可能會(huì)遇到的挑戰(zhàn)與風(fēng)險(xiǎn)，最后導(dǎo)致項(xiàng)目的不成功與失敗、反復(fù)建設(shè)。

我們?cè)诒本┚陀幸粋€(gè)客戶之前花了一百多萬上了一套所謂的 商業(yè)智能BI 項(xiàng)目，項(xiàng)目上線了一年左右，到最后完全推不動(dòng)，失敗了。后續(xù)找到派可數(shù)據(jù)，我們給他們上了派可數(shù)據(jù)商業(yè)智能BI分析平臺(tái)，這個(gè)項(xiàng)目我們連續(xù)做了好幾期，客戶還寫了感謝信。之前為什么推不動(dòng)、項(xiàng)目會(huì)失敗：不重視數(shù)據(jù)倉(cāng)庫(kù)的規(guī)劃。因?yàn)樗麄兊臉I(yè)務(wù)是連續(xù)的、變動(dòng)的，每年的需求都是需要?jiǎng)討B(tài)調(diào)整的，數(shù)據(jù)持續(xù)增加，分析的深度和廣度都是在不斷變化，沒有一個(gè)好的底層數(shù)據(jù)架構(gòu)來支撐，光靠 SQL 取數(shù)、建數(shù)據(jù)集出報(bào)表的形式是不可能支撐一家企業(yè)未來 3-5 年甚至更長(zhǎng)遠(yuǎn)的業(yè)務(wù)分析需求變化的。

除了這個(gè)案例之外，在我的手機(jī)上有很多之前上過 商業(yè)智能BI 最終失敗、沒有做好，找過來聊天吐槽的記錄，是真的產(chǎn)品不好嗎？我也客觀的幫助他們分析過：這些產(chǎn)品本身有的是 Gartner 魔力現(xiàn)象 Leader 象限的產(chǎn)品，你說產(chǎn)品行不行？ 有的產(chǎn)品是國(guó)內(nèi)商業(yè)智能 BI 領(lǐng)域很多年的老品牌，你說產(chǎn)品行不行？ 客觀來講，這些產(chǎn)品從我個(gè)人角度來說，這些產(chǎn)品其實(shí)都很優(yōu)秀，產(chǎn)品本身是沒有太大問題的。

問題在于，這么多從零到一需要上 商業(yè)智能BI 的企業(yè)不知道一個(gè) 商業(yè)智能BI 項(xiàng)目中原來還有那么多坑，很多 商業(yè)智能BI 廠商會(huì)不會(huì)去把這些點(diǎn)給企業(yè)客戶講清楚，一個(gè) 商業(yè)智能BI 項(xiàng)目到底怎么干、中間有什么樣的風(fēng)險(xiǎn)、以后還會(huì)遇到什么樣的問題、應(yīng)該怎么解決這些問題、有什么樣的方法論和手段... 如果只是為了賣一套 商業(yè)智能BI 產(chǎn)品或者工具，你覺得這些 商業(yè)智能BI 銷售會(huì)跟客戶講這些東西嗎？ 不會(huì)的，至少不會(huì)講的太深太全，因?yàn)檫@么一講把 商業(yè)智能BI 難度講太復(fù)雜了，一旦沒有講好，反而降低了客戶的信任。

有的時(shí)候不講，是因?yàn)榕轮v復(fù)雜了，讓企業(yè)客戶決策周期拉的太長(zhǎng)了。有的時(shí)候不講，是因?yàn)椴欢?。你不講，客戶不知道，客戶也沒有經(jīng)驗(yàn)，后續(xù)商業(yè)智能BI項(xiàng)目建設(shè)就會(huì)出問題。

在一次大會(huì)上，某商業(yè)智能BI廠商一位高級(jí)售前技術(shù)專家在跟客戶交流時(shí)說過的一句話：商業(yè)智能BI直連不香嗎？直接連接數(shù)據(jù)源不就可以做分析，不需要數(shù)據(jù)倉(cāng)庫(kù)。無知者無畏，實(shí)在聽不下去，就打斷直接溝通了一下。通過溝通，可以判斷這個(gè)所謂的技術(shù)專家基本上沒有做過完整的 商業(yè)智能BI 項(xiàng)目經(jīng)驗(yàn)，從零到一搭建一個(gè) 商業(yè)智能BI 項(xiàng)目的能力等于零。以這樣的一種能力跟客戶來引導(dǎo)一個(gè) 商業(yè)智能BI 項(xiàng)目，這種 商業(yè)智能BI 項(xiàng)目的質(zhì)量能有保證嗎，很難的。

這也就是我們派可數(shù)據(jù)、我個(gè)人做視頻號(hào)《呂品聊數(shù)據(jù)》的原因，客觀的講講 商業(yè)智能BI、客觀的講講數(shù)據(jù)，普及一下我們認(rèn)為正確的 商業(yè)智能BI 知識(shí)和概念。告訴我們廣大的 商業(yè)智能BI 用戶，商業(yè)智能BI 到底應(yīng)該怎么理解、怎么認(rèn)知，商業(yè)智能BI 到底有什么樣的坑需要我們的企業(yè)注意。

我們不能說我們派可數(shù)據(jù)在 商業(yè)智能BI 領(lǐng)域講的知識(shí)和概念就一定是放之四海而皆準(zhǔn)的，但是我們歡迎任何 商業(yè)智能BI 廠商或者任何 BI 個(gè)人愛好者就 商業(yè)智能BI 的一些知識(shí)和概念來向我們挑戰(zhàn)，來看看派可數(shù)據(jù)所普及的一些 商業(yè)智能BI 知識(shí)概念到底對(duì)不對(duì)。如果普及的對(duì)，說明這些問題大家確實(shí)都碰到了，這些知識(shí)和概念對(duì)于企業(yè)而言就是難得的經(jīng)驗(yàn)。如果普及的不對(duì)，不對(duì)又是在什么地方，指出來大家一起看看，一起探討一下，我們還可以為企業(yè)做些什么。

八、報(bào)表工具是怎么來的？

這十幾年我一直在技術(shù)領(lǐng)域、信息化領(lǐng)域、商業(yè)智能BI 行業(yè)，一直沒有出這個(gè)圈。做過 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技術(shù)開發(fā)，業(yè)務(wù)軟件系統(tǒng)平臺(tái)開發(fā)。

早期前端技術(shù)很弱，AJAX 的實(shí)現(xiàn)也都需要手寫，要實(shí)現(xiàn)一個(gè)表單內(nèi)數(shù)據(jù)的點(diǎn)擊編輯和修改需要自己用 JS DOM 操作。做報(bào)表基本上就是 JSP、ASP 腳本語(yǔ)言在前端嵌套 HTML 做循環(huán)輸出，報(bào)表樣式很原生很丑陋，稍微復(fù)雜一點(diǎn)的表格報(bào)表樣式都需要用 JS 來調(diào)整。

那個(gè)時(shí)候用過的報(bào)表像 Crystal Report 水晶報(bào)表、潤(rùn)乾報(bào)表等等，在前端腳本語(yǔ)言中有標(biāo)簽直接可以引用，報(bào)表生成代替了大量的手寫代碼。早期的前后端技術(shù)是不分家的，http://ASP.NET 還稍微好一些，前端逐步有一些集成控件可以直接使用，JAVA 是真沒有。上面說到的這個(gè)階段大概在什么時(shí)候呢，2005年前后，2007年我覺得已經(jīng)使用的很廣泛了，老的 CSDN 上應(yīng)該還能找到很多原始的報(bào)表標(biāo)簽帖子。

像老一批報(bào)表還有像金峰報(bào)表 Jreport、思達(dá)報(bào)表 StyleReport 等等在國(guó)內(nèi)也有一定的市場(chǎng)。早在 2010 年之前，有些報(bào)表廠商的收入規(guī)模就已經(jīng)突破了一個(gè)億，說明基礎(chǔ)報(bào)表這個(gè)市場(chǎng)還是非常不錯(cuò)的。

那個(gè)時(shí)候的報(bào)表定位是什么，就是純粹的 Report 報(bào)表，通過程序從后臺(tái)數(shù)據(jù)庫(kù)中查詢返回的數(shù)據(jù)聚合 List 再到前端腳本頁(yè)面上綁定一下就生成了各種報(bào)表，實(shí)際上就是用在各個(gè)業(yè)務(wù)軟件系統(tǒng)之中的報(bào)表展示，還遠(yuǎn)遠(yuǎn)沒有到 商業(yè)智能BI分析這個(gè)層面。

并且還有大量的軟件開發(fā)廠商實(shí)際上已經(jīng)具備了很強(qiáng)的報(bào)表能力，不過這些報(bào)表能力并沒有單獨(dú)拿出來作為報(bào)表產(chǎn)品在市面上運(yùn)營(yíng)而已。

逐步的，隨著前端技術(shù)、前端框架的完善，從傳統(tǒng)表格技術(shù)開始到了各類柱狀圖、條形圖、餅狀圖的可視化展示，到了這個(gè)階段，報(bào)表和商業(yè)智能BI的邊界越來越模糊。為什么？商業(yè)智能BI的報(bào)表展現(xiàn)能力也就和傳統(tǒng)報(bào)表效果大致相當(dāng)，還沒有出現(xiàn)那種自助分析、自助拖拉拽就可以實(shí)現(xiàn)快速多維分析的能力。

講這么多主要想說的是我們所看到的很多商業(yè)智能BI項(xiàng)目都是拿報(bào)表思維去實(shí)現(xiàn)的，就是 SQL 到數(shù)據(jù)集到前端展現(xiàn)。而真正的商業(yè)智能BI思維應(yīng)該是什么呢？ 多維思維、模型思維，這一點(diǎn)決定了一個(gè) 商業(yè)智能BI 項(xiàng)目的最終走向，后面會(huì)具體講到這些點(diǎn)。

九、商業(yè)智能BI的本質(zhì) - 企業(yè)業(yè)務(wù)管理思維的落地

商業(yè)智能 BI 到底是什么？技術(shù)？產(chǎn)品？還是其它？我們把對(duì)于 BI 的理解再提升一個(gè)層次：商業(yè)智能 BI 是一家企業(yè)業(yè)務(wù)和管理思維的落地。這個(gè)怎么來理解呢？簡(jiǎn)單來說，就是在可視化報(bào)表上呈現(xiàn)的內(nèi)容就是一家企業(yè)真正關(guān)注的內(nèi)容，這里面有管理高層重點(diǎn)關(guān)注的企業(yè)經(jīng)營(yíng)性的分析指標(biāo)，也有某具體部門的。

十、商業(yè)智能BI 和數(shù)據(jù)倉(cāng)庫(kù) Data Warehouse 有什么區(qū)別和聯(lián)系？

經(jīng)常會(huì)碰到有人問商業(yè)智能BI和數(shù)據(jù)倉(cāng)庫(kù)有什么區(qū)別，實(shí)際上這個(gè)問題的背后能反映出來一些朋友對(duì)商業(yè)智能BI的理解還是有些不準(zhǔn)確和偏差，這個(gè)問題實(shí)際上從概念上把BI和數(shù)據(jù)倉(cāng)庫(kù)人為的割裂了。這種情況其實(shí)也比較正常，因?yàn)榇蠹覍?duì)商業(yè)智能BI的第一印象就是各種炫酷的可視化圖表、報(bào)表，再加上市面上有很多輕量的前端可視化商業(yè)智能BI分析工具，就造成大家對(duì)BI的認(rèn)知就停留在可視化這部分了。

準(zhǔn)確的來說，商業(yè)智能BI不僅僅包含前端可視化分析、報(bào)表展現(xiàn)的能力，更包含了底層數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)過程。Gartner 在上世紀(jì)九十年代就已經(jīng)提到了商業(yè)智能 Business Intelligence，它更多的認(rèn)為：BI是一種數(shù)據(jù)類的技術(shù)解決方案，將許多來自不同企業(yè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)提取有分析價(jià)值的數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和加載，就是抽取Extraction、轉(zhuǎn)換 Transformation、加載Loading 的ETL過程，最終合并到一個(gè)數(shù)據(jù)倉(cāng)庫(kù)中，按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的維度建?；蛘邇烧叨加械幕旌鲜郊軜?gòu)模型，最終在這個(gè)基礎(chǔ)上再利用合適的分析展現(xiàn)工具來形成各種可視化的分析報(bào)表為企業(yè)的管理決策層提供數(shù)據(jù)決策支撐。

所以，可以從這里能夠看到數(shù)據(jù)倉(cāng)庫(kù)Data Warehouse 的位置是介于可視化報(bào)表和底層業(yè)務(wù)系統(tǒng)數(shù)據(jù)源之間的這一層，在整個(gè)商業(yè)智能BI項(xiàng)目解決方案中起到的是一個(gè)承上啟下的作用。如果把商業(yè)智能BI比作是一個(gè)人的話，上半身特別是臉這個(gè)部分就是顏值，下半身腳踏實(shí)地吸取大地的精華，中間這部分的腰腹核心、核心力量就是數(shù)據(jù)倉(cāng)庫(kù)。

那大家也會(huì)問到，市面上不是有很多直接鏈接數(shù)據(jù)源就可以拖拉拽分析的商業(yè)智能BI工具產(chǎn)品嗎，不也一樣可以做商業(yè)智能BI分析報(bào)表嗎？這種獨(dú)立的、單獨(dú)的面向前端的商業(yè)智能BI分析工具，他們更多的定位是部門級(jí)和個(gè)人級(jí)的商業(yè)智能BI 分析工具，對(duì)于深層次的需要復(fù)雜數(shù)據(jù)處理、集成、建模等很多場(chǎng)景是無法解決的。最好的方式就是底層構(gòu)建一套完整的數(shù)據(jù)倉(cāng)庫(kù)，把很多分析模型標(biāo)準(zhǔn)化，再利用這些前端商業(yè)智能BI分析工具結(jié)合起來，這樣才能真正的把前端商業(yè)智能BI分析能力給釋放出來。

很多企業(yè)認(rèn)為只要買一個(gè)前端商業(yè)智能BI分析工具就可以解決企業(yè)級(jí)的商業(yè)智能BI所有問題，這個(gè)看法實(shí)際上也不可行的。可能在最開始分析場(chǎng)景相對(duì)簡(jiǎn)單，對(duì)接數(shù)據(jù)的復(fù)雜度不是很高的情況下這類商業(yè)智能BI分析工具沒有問題。但是在企業(yè)的商業(yè)智能BI項(xiàng)目建設(shè)有一個(gè)特點(diǎn)，是一個(gè)螺旋式上升的建設(shè)過程。因?yàn)閷?duì)接的業(yè)務(wù)系統(tǒng)可能會(huì)越來越多，分析的深度和廣度會(huì)越來越多，數(shù)據(jù)的復(fù)雜度也會(huì)越來越有挑戰(zhàn)性，這個(gè)時(shí)候沒有一個(gè)很好的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)支撐，光靠前端BI分析工具基本上是無法搞定的。

 就像去中藥店抓藥一樣，之所以抓藥很快，是因?yàn)樵谧ニ幥?，別人已經(jīng)把各種原生的中藥材（原始數(shù)據(jù)源的數(shù)據(jù)）分門別類清理干凈放好了，這樣想怎么搭配藥材（維度指標(biāo)組合的可視化）就很快了。

這樣的企業(yè)在國(guó)內(nèi)有很多，也是因?yàn)閷?duì)商業(yè)智能BI理解的深度不夠?qū)е铝嗽谏虡I(yè)智能BI項(xiàng)目建設(shè)上一些方向性的錯(cuò)誤，最后s導(dǎo)致商業(yè)智能BI項(xiàng)目很難繼續(xù)推進(jìn)。

所以在企業(yè)中，我們需要明確我們的商業(yè)智能BI建設(shè)是面向企業(yè)級(jí)的還是個(gè)人和部門的分析工作。如果是個(gè)人數(shù)據(jù)分析師，使用這類前端商業(yè)智能BI分析工具就足夠了。如果是需要構(gòu)建一個(gè)企業(yè)級(jí)的商業(yè)智能BI項(xiàng)目，就不能只關(guān)注前端可視化分析能力這個(gè)層面，更應(yīng)該關(guān)注到底層數(shù)據(jù)架構(gòu)的構(gòu)建，也就是數(shù)據(jù)倉(cāng)庫(kù)這個(gè)層面。

十一、數(shù)據(jù)倉(cāng)庫(kù)的建模方法論 Kimball vs Inmon 以及混合架構(gòu)

數(shù)據(jù)倉(cāng)庫(kù)建模時(shí)商業(yè)智能BI項(xiàng)目建設(shè)中的重中之重，Inmon 的三范式 3NF 建模和 Kimball 的維度建模都是 商業(yè)智能BI 數(shù)據(jù)倉(cāng)庫(kù)建模的方法論，這兩種商業(yè)智能BI建模的方式有什么區(qū)別和聯(lián)系。

十二、實(shí)際開展一個(gè) BI 項(xiàng)目的時(shí)候?qū)τ谛枨蟮穆涞氐姆椒ㄕ?/span>

商業(yè)智能BI是一個(gè)完全需求驅(qū)動(dòng)的，既然是需求就需要做訪談和調(diào)研。在商業(yè)智能BI需求進(jìn)行訪談和調(diào)研之前要提前熟悉行業(yè)的業(yè)務(wù)特點(diǎn)，基于企業(yè)自身要熟悉他們的業(yè)務(wù)流程，以及所訪談部門的他們大概會(huì)關(guān)注的重點(diǎn)，都需要提前梳理一遍。在腦海里把整個(gè)業(yè)務(wù)框架給建立起來，反復(fù)的演練。

十三、什么樣的企業(yè)應(yīng)該要上商業(yè)智能 BI 了？

什么樣的企業(yè)適合上商業(yè)智能BI？看業(yè)務(wù)基礎(chǔ)信息化程度和日常業(yè)務(wù)管理的細(xì)致程度和顆粒度。業(yè)務(wù)基礎(chǔ)信息化程度就是企業(yè)自身的IT業(yè)務(wù)系統(tǒng)基礎(chǔ)建設(shè)，沒有業(yè)務(wù)系統(tǒng)的支撐，做商業(yè)智能BI就缺乏數(shù)據(jù)基礎(chǔ)；第二就是業(yè)務(wù)管理的顆粒度，企業(yè)自身業(yè)務(wù)管理程度是不是比較細(xì)致了，急需通過商業(yè)智能BI來提升業(yè)務(wù)管理、決策支撐的效率。

十四、如何高效的給高層領(lǐng)導(dǎo)做 BI 數(shù)據(jù)分析匯報(bào)總結(jié)

做完商業(yè)智能BI項(xiàng)目，還要考慮最終如何跟老板匯報(bào)的問題，掌握商業(yè)智能BI數(shù)據(jù)分析思維框架和匯報(bào)的五個(gè)重點(diǎn)：用戶業(yè)務(wù)層次與范圍、工作成果、計(jì)劃執(zhí)行復(fù)盤、問題反饋、展望規(guī)劃與愿景。

這里只是一個(gè)簡(jiǎn)單的匯報(bào)框架，還有很多點(diǎn)可以往里面加。比如圍繞行業(yè)講一下行業(yè)驅(qū)動(dòng)因素跟 商業(yè)智能BI 如何結(jié)合的；從企業(yè)經(jīng)營(yíng)管理角度，企業(yè)愿景到 CSF 到 KPI 到績(jī)效是如何分解和重新組織的；比如財(cái)務(wù)視角下的歸因分析；金字塔的管理模型；動(dòng)態(tài)指標(biāo)庫(kù)構(gòu)成原理等等都可以有所選擇的進(jìn)行融入和說明。

十五、商業(yè)智能BI與企業(yè)經(jīng)營(yíng)管理的結(jié)合度

商業(yè)智能BI分析跟企業(yè)的經(jīng)營(yíng)管理分析高度結(jié)合，ROE高的企業(yè)有可能是利潤(rùn)高像茅臺(tái)、珠寶行業(yè)，有可能是周轉(zhuǎn)快比如像零售行業(yè)，也有可能是融資能力比較強(qiáng)會(huì)利用杠桿，從ROE歸因分析看行業(yè)特點(diǎn)。

十六、商業(yè)智能BI項(xiàng)目行業(yè)和業(yè)務(wù)知識(shí)的積累

做商業(yè)智能BI還必須熟悉行業(yè)和業(yè)務(wù)知識(shí)，不結(jié)合行業(yè)業(yè)務(wù)知識(shí)，商業(yè)智能BI的項(xiàng)目是很難落地的。商業(yè)智能BI的本質(zhì)其實(shí)是企業(yè)的業(yè)務(wù)和管理思維的落地。企業(yè)的高層、業(yè)務(wù)部門的管理人員為什么要通過商業(yè)智能BI去看報(bào)表，他們看的是什么，重點(diǎn)關(guān)注的是什么？這些內(nèi)容就是他們?nèi)粘Ｔ谄髽I(yè)中業(yè)務(wù)經(jīng)營(yíng)管理的重點(diǎn)。

在商業(yè)智能BI項(xiàng)目上看上去零零散散的報(bào)表，在實(shí)際用戶眼里其實(shí)是有很強(qiáng)的邏輯關(guān)聯(lián)性的。并且層次越高的管理人員看的商業(yè)智能BI報(bào)表內(nèi)容越聚焦，看的是業(yè)務(wù)結(jié)果。一線業(yè)務(wù)部門的人員可能關(guān)注的更零散，看的是明細(xì)的業(yè)務(wù)過程數(shù)據(jù)。

所以，對(duì)于一名優(yōu)秀的商業(yè)智能BI開發(fā)人員、開發(fā)顧問，不僅僅是需要在技術(shù)層面打磨，更需要在行業(yè)性知識(shí)和企業(yè)業(yè)務(wù)知識(shí)上有所沉淀。

十七、關(guān)于商業(yè)智能 BI 實(shí)時(shí)性處理的話題

商業(yè)智能BI 對(duì)數(shù)據(jù)的處理存在一定的滯后性，通常采用T+1模式，主要原因是ETL數(shù)據(jù)處理過程是需要有大量的時(shí)間損耗，通常是采用空間換時(shí)間的方式。

將以前按照商業(yè)智能BI 數(shù)據(jù)倉(cāng)庫(kù)分層的ETL調(diào)度設(shè)計(jì)成可按單獨(dú)指標(biāo)并自動(dòng)尋找依賴的調(diào)度就大大的增加了對(duì)個(gè)別指標(biāo)調(diào)度和準(zhǔn)實(shí)時(shí)處理的靈活性。

離線數(shù)據(jù)與實(shí)時(shí)處理針對(duì)的業(yè)務(wù)場(chǎng)景不同，背后的技術(shù)方式實(shí)現(xiàn)不同，資源投入也不同，了解它們之間的定位差異有助于選擇合適的方案以最小的資源投入達(dá)到企業(yè)既定完成商業(yè)智能BI 項(xiàng)目建設(shè)目標(biāo)。