浅谈对BI工具价值的看法

BI的定义看法

百度百科的定义：

商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

总结是业务系统数据源-数据加工模型-数据可视化分析的过程

BI是否是个通过托拉拽实现数据可视化工具？

最好是认为是。

尤其目前大多数厂商为了销售产品将BI吹嘘的各种全能、数据处理分析一体化，自助分析很简单等等。

虽然商业BI具备了一定数据仓库、数据ETL、甚至整合数据指标、数据治理等功能，但规模数据体量下将数据all in one还是不现实的。利用低上手难度特性

刻意绕开了项目建设过程中存在的挑战和风险。

所以认为BI就是分享数据成果的功能化板块，同时降低个人数据应用门槛和节省前端开发的成本

另外补充一点随着商业经营玩法增多，维度随着递增同时，各类度量指标也是层出不穷。

一帮商业BI具备了一定的计算能力，包括在创建数据集的时候新建模型指标或计算字段，可节省大量数据加工的时间减少存储冗余，提升数据模型的长期支撑能力与应变度

BI建设质量的问题和看法

据Gartner调研表明，在过去十年间，有85%以上的BI项目并不成功。

成功的项目都是相似的,失败的项目各有各的问题。例举几个常见的问题

• 数据质量问题
  这几乎所有数据项目的痛点问题，常见的场景各内容间指标不统一、数据冗余改了一份另一份却没改、数据生命周期低无法长期信任等。
  通常是一开始就没有规划好数据标准和指标体系，需求先行数据基建却没跟上，就想盖房子没有扎实的地基，塌方也只是早晚的事。

• 性能质量问题

  在实际使用体验中，性能体验也是常见的吐槽点，但具体影响性能是哪个部分得根据数据上下游(数据读取、存储、处理、传输与呈现)去分析。

  BI 与数据仓库技术、olap 引擎有着直接的上下游关系。其中数据仓库主要起到统一数据源、保证数据准确度的作用；
  而 OLAP 引擎则帮助 BI 加速查询。它们组合在一起发力方可获得一个好的体验。影响性能的实际常见的有以下几点

  1. 数据量大
  2. 复杂的查询语句
  3. 并发过多系统资源不足或加载性能

• 利用效率问题
  人人都是分析师使用初期后往往会出现堆量的现象，从而出现表达逻辑模糊，价值不明确，从而利用率不高、内容管理混乱等问题

  1. 数量多雷同多，质量高的少
  2. 表盘内容多，价值清晰的少
  3. 逻辑输出面向对象问题(受众对象，表达逻辑，表现方式)

反过来讲，若想BI项目的成功应该做到以下几点

• 打造数仓确保信息化统一牢固，拥有良好的数据质量
• 深入了解数据传递上下游技术，让各个环节不再有性能瓶颈
• 数据价值表达根据受众对象选择表达方式，有重点逻辑，简明扼要，精益求精

最终从质量、效率、价值的角度形成一个闭环来验证商业BI的项目成败