近年，隨著企業數字化轉型的不斷深入，以及對智能化場景應用需求的日趨迫切，使得企業對大數據、人工智能、BI等技術越來越關注。這使得企業在數據應用實踐中面臨一個問題，到底是選擇大數據還是BI？這是其實是兩者實際上時相互依賴，相互滲透遞進的。

什么是商業智能？

    商業智能，英文是Business Intelligence，縮寫BI，是用來幫助企業更好地利用數據提高決策質量的技術集合，是從大量的數據中鉆取信息與知識的過程。對于概念大家可能一知半解。如什么叫高質量決策的技術集合？什么叫鉆取信息與知識？對于完全沒有基礎的人是很難理解？下面就從到一個餐廳點單開始說起。

    餐廳點單的時候，顧客點了一份水煮魚片，這是一個需求。有了這個需求，餐廳就得照單備菜，這就需要我們把原材料準備好，比如草魚或青魚、配菜如豆芽和千張等，備好的菜統一放置到菜架，廚師就可以直接炒菜了。

    對應BI，客戶點菜等同于企業提出一個業務需求，比如管理者要查看過去一周全國的銷售數據，備菜過程就相當于我們要準備一張報表，這張報表要按照需求準備相關數據，比如銷售總數據、子產品數據以及相關的銷售人員數據等。同樣的，這些備好數據從各種數據源抽取后放到“數據倉庫”，報表開發人員可以從里面直接找到數據制作報表。

    當然，這只是一個簡單的流程，真正的過程還涉及很多步驟。比如下鍋炒菜之前，你不能直接把魚丟盡鍋里，你還得給魚開膛破腹，把內臟取出并進行清洗，還要按照客戶的需求，將魚切成一片片的，這是一個把源材料變成一個真正可用可下鍋的一個過程。對BI而言，這個過程就是ETL——Extract抽取，把魚拿出來；Transformation轉換，把魚變成魚片，完成清洗和轉換工作；Loading加載，把洗凈的魚片放到菜架以供隨時下鍋。

    數據的準備過程和菜品原材料的清洗過程是一樣的道理，數據是存放在一些數據表中，但是并不是所有的數據都需要抽取出來，只有需要用到的數據才會被抽取（Extract）；涉及到一些數據需要去重、合并計算、格式轉換等都屬于Transformation階段；Loading，最后把數據統一加載到數據倉庫Data Warehouse，數據倉庫中有一組表。

    源數據的采集和加載也是同樣的道理，數據可能是來自外部系統，也可能來自內部的不同業務系統，比如CRM、ERP，也有來自業務人員的EXCEL表格，這些統稱為Data Source數據源。

    亦策觀數臺幾乎可以連接任何數據源，包括基于文件的源，特定于應用程序的源以及大數據源。無需事先對其進行完全建模或預先聚合數據。觀數臺自助數據準備工具，為復雜的場景提供強大的數據集成腳本。這些數據準備功能有助于公開數據區域和可能存在問題的業務，可以創建價值而無需外部工具或數據倉庫。

    這些數據通過ETL工具原封不動的抽取到一個叫做ODS或者STAGING的數據庫先存放起來，就類似于把菜買回來先放到廚房，先放起來。后面才有數據的清洗、整理，完畢之后才放到數據倉庫，在之后就是制作報表的過程。

    在亦策觀數臺中，ODS數據庫作為業務系統和數據倉庫之間的一個隔離層，用于存放從業務系統直接抽取出來的數據。一方面ODS數據庫使數據從粒度、組織方式等各個方面都保持與業務系統一致，原來由業務系統產生的報表、細節數據的查詢自然能夠從ODS中進行，降低對業務系統的查詢壓力。另一方面數據倉庫存儲的數據都是匯總過的數據，并不存儲每筆交易產生的細節數據，在某些特殊的應用中，可能需要對交易細節數據進行查詢，這時就需要把細節數據查詢的功能轉移到ODS來完成，ODS的數據模型按照面向主題的方式進行存儲，可以方便地支持多維分析等查詢功能。

大數據不是BI的簡單升級

    隨著大數據、AI等技術快速發展，以及大數據應用在行業的落地，企業對BI和大數據的選擇陷入到一個“非此即彼”的思維。專業人士告訴你，不必如此。

    雖然大數據與BI是兩種不同概念和工具，但卻是社會發展到不同階段的產物，大數據對于BI，既有傳承，也有發展。大數據和AI在落地應用的過程中需要一系列產品作為技術承載體，而BI就是一個比較理想的承載體。BI可以看成是技術與業務結合的橋梁。當前企業在進行人工智能改造過程中并不能馬上脫離原有的信息化體系，既如此，就必須借助于BI來完成智能化過渡。

    從思想角度上來看，大數據和BI都是遵循“數據-信息-知識-智慧”的發展過程，兩者的區別在于以下幾點：

    第一，數據來源。BI的數據來源一般為企業內部信息化系統中的數據，大數據的數據來源不僅包含企業內部的信息化系統的數據，還包括各種外部系統、機器設備、數據庫的數據。大數據的數據來源更廣泛，而且數據更多的來自于云端，可無限擴展。

    第二，發展方向。對企業來說，BI是一種管理和思維方式的轉變，對企業內部數據進行分析，支撐企業運營與決策，從傳統商業模式走向商業智能。大數據除了解決企業業務問題，還包括與行業、產業的深度融合，不同行業所呈現的內容與分析維度各不相同，是用全新的數據技術手段來拓展和優化企業業務。

    第三，技術標簽。BI的技術標簽包括ETL、數據倉庫、OLAP、可視化報表。大數據的技術標簽則包括Hadoop、MPP、HDFS、MapReduce、流處理等。隨著時代的變革與技術的迭代，BI經歷了多次優化和變革，新型BI被賦予更多“大數據”潛能，既滿足海量實時數據分析，也滿足決策型的業務分析。

    目前廠商推出一站式大數據分析平臺，基本上都是大數據與BI相結合的產物，既解決了大數據和BI之間如何取舍的問題，還融入了AI增強功能。比如亦策觀數臺就是新一代增強智能協同BI平臺，不僅全面支持中文自然語言查詢，還能讓用戶在所有可視化、圖表、圖形和其他對象中進行選擇，并可以使用全局搜索來表現數據、關聯和分析。

    因此，對于BI、大數據和AI之間的關系，可以理解為，大數據是AI場景應用的重要基礎，而AI是大數據的應用的重要領域。大數據的重要價值體現：一是人工智能產品，為智能體提供的數據量越大，智能體運行的效果就會越好，因為智能體通常需要大量的數據進行“訓練”和“驗證”，從而保障運行的可靠性和穩定性。二是人工智能需要大量的數據作為“思考”和“決策”的基礎，另一方面大數據也需要人工智能技術進行數據價值化操作，比如機器學習就是數據分析的常用方式。