大数据 as BI商业智能(大数据商业智能,关键词优化)

如果你听到别人说：

“大数据就是传统BI的简单升级，其实就是一个包装卖点”

那不出意外，这个人一定是个传统BI商业智能的从业者。

但如果你听到别人说：

传统BI已经过时了，BI产品无法适应大数据时代

那么，恭喜你又遇到了一个大数据 从业者。

那么，这两者到底有什么区别，也是好多客户面临的问题，希望本篇文章能给大家一个更佳清晰的认知。

　　1、大数据和BI两者的区别

BI=商业智能，他跟企业或者机构的业务息息相关，没业务就谈不上BI，因为BI产品是企业数据化管理方案中的一个必要的因素，他要帮助企业整合数据，并提供管理者生产报表的功能呈现数据分析维度帮助管理者作出明智的业务经营决策，数据运营，数据营销都是这类问题。

　　大数据，第一点区别是对企业拥有庞大的数据进行抽取，管理，处理，这些数据可以是非结构化的，或者看起来无用的数据，也可以是结构化的数据集合，这些数据是需要重新处理才能挖掘出价值。而这些数据是海量，高增长和多样化的信息资产。大数据更侧重解决某一类问题的方法，比如全网的用户画像，用户言论，以及对海量的非结构化物联数据的分析。

　 不管定义有什么不同，或者还有多少种解释，大数据与传统BI是互联网以及数字化建设发展到不同阶段的产物。大数据对于传统BI，有继承也有发展，BI与大数据区别在于前者更倾向于业务决策，对事实描述更多是基于历史数据的共性，帮助决策者掌握宏观统计趋势，适合经营运营数据支撑类需求，而大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策分析。

所以站在客户的角度来讲，两者可能都是他们需要的，而这两者也确实可以在一定程度上共用，因为两者几乎都是从数据->信息->知识->智慧。　

　　2、两者技术上有什么相关性？

　　传统BI的技术标签：

大数据的技术标签：

等等。可以说大数据和BI既有区别，又有相关。

　　传统BI就目前来讲，其功能都可以被对应的大数据组件所替代，但大多数企业缺乏大数据业务的驱动，也缺乏相关的高技术人才，BI更好理解，大数据更加专业。

　　如果我们将BI架设在大数据的应用层，利用etl抽取数据在结合大数据的架构，利用大数据算法构建业务模型，得出结果后在结合通用类的业务分析。既满足了海量实时数据分析，也满足了决策型的业务分析。这可以说是新型的BI系统，也可以说是贴合业务场景的大数据系统。

　　3、作为企业我们到底选择什么技术？

　　在技术领域，虽然传统BI的一些技术难以解决日后海量数据的处理问题，但是，也不能全盘否定或替代成大数据。一些企业采用SAP HANA，FineBI的直连大数据引擎都是基于这个问题优化的方案。所以说并不是每个企业都需要打造自己的大数据平台，需要考虑到企业的信息化水平和更新成本，建议根据实际需求，可以自行研发 ，比如BAT；也可以选型采购，比如传统大企业；

目前一些大数据产品已经开始重视用户场景，使得整体架构更佳适合大数据管理和分析，再结合上层的场景化分析让大数据容易落地，更好的支撑决策。例如：德塔精要有一款大数据平台叫做智慧中枢，就建立在大数据架构上并深耕业务场景，让大数据产品更好的服务于具体的行业。

　　大数据 VS 商业智能

　　大数据的发展还需要时间，大数据技术并不重要，重要的是用全新的数据技术手段如何来拓展和优化业务？传统的数据支撑，大多是利用数据历史趋势，在感官上预估结果。举了简单的例子，一个人经常犯错误，我们就可以判断本次任务他犯错误的几率较大。这在一定的条件下确实比较直接有效，但问题是历史数据趋势并没有这么明显，如果两个人在历史数据中状态相当，我们又如何判断呢？

基于大数据的算法，我们可以利用更多的维度信息，比如：年龄，职位，奖惩，健康，结婚情况，等等表面上毫无关系的数据，来建立模型，并利用大量的真实的数据让模型自我学习，这样再出现一个任务时，我们就可以在两个貌似没有差别的人中，选出更佳适合的人选，这也是传统BI无法实现的，大数据的魅力所在。

　　即使如此，传统BI仍旧有大量的市场需求。大数据普及还需要时间，但大数据对BI不仅仅是简单的包含的关系，它涉及了思想、工具和人员深层次的变革，所以大数据绝对不是BI包了一个高大上的空壳，但大数据也千万不要高高在上，它需要更加贴和行业场景，解决实际的业务问题，让自己更好的进行落地。