数据赋能之商业智能实战指南

目录

第一章漫谈BI前世今生，一部波澜壮阔的演变史.......................1

1.商业智能BI是什么？...............................................1

2.BI的前世今生....................................................7

3.汇聚三代BI的集大成者...........................................11

第二章从数据角度看商业智能BI行业的本质与发展趋势................12

1.从数据角度看中国商业智能BI........................................................................................13

2.商业智能BI对企业的作用........................................16

3.企业应用商业智能BI系统面临的挑战..............................19

4.商业智能BI的发展趋势..........................................20

5.小结...........................................................22

第三章数字时代，企业如何重新定义商业智能BI.........................................24

1.商业智能BI快速发展的缘由......................................24

2.时代正赋能BI新内涵............................................27

3.BI项目规划落地的5大核心步骤..................................32

4.企业应用商业智能BI系统面临的挑战..............................41

5.案例：BI服务的多行业应用实例..................................42

6.预测：商业智能BI未来趋势与发展................................48

7.小结...........................................................51

第四章如何做好一个BI项目，这篇方法论值得收藏....................56

1.道・BI项目建设完整流程........................................56

2.法♦如何快速落地BI建设.......................................58

3.器・BI工具哪家强...............................................59

第五章这个BI工具箱无敌了，你要的功能它都有......................62

1.全功能演示....................................................62

2.全行业应用....................................................64

3.在线体验免费试用无需下载.....................................70

第一章漫谈BI前世今生，一部波澜壮阔的演

变史

>1.商业智能BI是什么？

I1.1定义

BI全称BusinessIntelligence,又称商务智能，是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。

换句话来说，BI是一套完整的解决方案，可以将来自企业的不同业务系统（如ERP、

CRM、OA、BPM等，包括自己开发的业务系统软件）的数据，提取出有用的数据进

行整合清洗，在保证数据正确性的同时，进行数据分析和处理，并利用合适的查询和分

析工具快速、准确地为企业提供报表展现与分析，为企业提供决策支持。

简单概括这个过程所体现的三个大的部分就是：数据源收集，数据仓库的数据整合，可

视化报表展现和数据分析，如图所示，这里是亿信华辰商业智能产品亿信ABI的架构

图，这个就是一整套的解决方案，从数据采集、到数据的分析展示、数据的整合、到前

端的数据分析应用，在我们的亿信ABI的一站式数据分析平台里都可以得到相应模块的

功能支持和对业务场景的应用。

1

!商业智能BI的定义ESENSOFT

BI全称BusinessIntelligence,又称商务智能，是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。

斯三方威用■三方统

«PM«*II跖II甲板IIAXI

AB»一站式数盘分析平台

二《开发・口

用户权IR

Mw妗析IB告工作流

■的讪：敏

提

即席般告

分

析

I―I

1关喂关景I主・骞售理愫表售理f阳称建模］「国标定义|nra&］化―|\L---目至-------1

计制的I

M鬣独取敛蔻清洗KKM9敏景・度运行总蝮系统信里

I1.2本质

对企业来说，商业智能BI不能直接产生决策，而是利用BI处理后的数据来支持决策。

核心是通过构建数据仓库平台，有效整合数据、组织数据，为分析决策提供支持并实现

其价值。

■II商业智能BI的本质ESENSOFT

对企业来说，商业智能BI不能直接产生决策，而是利用BI处理后的数据来支持决策。核心是通过构建数据仓库平台，有效整

合数据、组织数据，为分析决策提供支持并实现其价值。

oooasanxaivMiaaAuaRo••4■mrswOa

2

如图所示，BI最终展现给用户的信息就是可视化报表或视图。需要注意的是：报表是

一个结果，只能达到查询的效果，查询仅仅只能告诉我们结果是什么、有没有问题。而

基于可视化图表背后的数据分析才能告诉我们问题的原因是什么，只要问题发现了，原

因也找到了，那么企业业务人员或者管理人员如何去决策就会变得简单与轻松。如上

图，清洁源头数据就是一个数据治理目标，数据标准管理与数据质量管理就是帮助实现

治理目标所制定的管理制度，在开发过程中的标准管控、在运行阶段的质量管控就是在

实际工作当中实现标准、质量管理的具体措施和手段。

I13与大数据的区别

商业智能BI和大数据是两个不同的概念。BI相对于大数据更倾向于分析模式，用于决

策，适合支持经营指标支撑类的问题；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。

■II商业智能BI与大数据的区别ESENSOFT

商业智能BI和大数据是两个不同的概念，简单来说，BI相对于大数据更倾向于分析模式，用于决策，适合支持经营指标支撑

类的问题；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。

项目商业智能BI大数据

信息量不太大，常为TB量级大，常为PB量级

信息特征结构化信息，非实时信息主要为非结构化值患，如文本、图形、音频、视频、遥感遥测信息…大多是实时侑患

主要是社会日常运作和各种服务中实时产生的数字数据,如在线搜索、新闻、博客、微信等社交媒体、移动

信息来源主要为企业交易数据

电话和短信、热线、电子商务交易、遛感遥测数据…

涉及技术数据库、数据场提云计算、大数据

BI是达成业务管理的应用工具。没大数据是基础,没有大数据，BI就失去了存在的基础；同样，未来.BI的发展方向是“极速、实时、智能”。

关联关系有BI.大数据就没有了转化为价值要能够快速、实时地看到通过大数据产生的库存、账单等信息，还要建立业务模型和数据模型,让大敌据按

的工具，没办法变成决策的依据照业务逻辑展现，这也是HANA、Exalytics等新兴技术受欢迎的主要原因。

大数据能够基于BI工具进行大容量数据和非结构化数据进行处理，与传统基于事务的数据仓库系统相比较.

数据来源结构化数据大数据分析不仅关注结构化的历史数据,它们更偏向于去对Web,社交网络、RFQ传感数据等非结构化海

量数据进行分析，大数据无疑是对BI的一个完美补充。

精确性要求高不高

因果与关联重因果性分析量关联性分析

效益通过数据分析提高运营能力那些有很大价值的数据,将更有利于我们深入了解业务运转和客户的互动

3

除此以外，大数据研究机构Gartner给出了这样的定义："大数据是需要新处理模式

才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的

信息资产"。

I1.4商业智能BI在企业中应用的3个方面

企业内部有大量的机会可以通过优化业务流程和集中决策来节省资金。在业务遭遇大挫

折时，商业智能能带来一线曙光，产出显著的投资回报率商业智能在企业

BIROIoBI

中的应用主要表现在如下3个方面：

(1)可视化报表的展现

在BI中，使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的

业务数据(财务、供应链、人力、运营、市场、销售、产品等)全面展现出来，再通过

各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。

这些分析展现内容基本上是围绕各个业务部门日常工作展开的，这里面有很多的业务分

析内容可能需要复杂的计算规则，需要从不同的业务系统获取数据，并且这些数据在业

务系统软件中都是很难直观看到的。

■II(1)可视化报表的展现ESENSOFT

在BI中，使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据(财务、供应链、人力、运营、

市场、销售、产品等)全面展现出来，再通过各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。

财务部门会关心今年的营业收入、目标完成率、营

业毛利润率、净资产收益率等

销售部门会关心销售金额、订单数■、销售毛利、

回款率等

采购部门会关心采购入库金额、退货情况、应付账

款等等

c?)rz)r?)(T)'

4

这个层次的可视化报表分析就是一种呈现，让用户对日常的业务有一个清晰、直接、准

确的认知，同时解放了业务人员手工利用Excel的各种函数做汇总分析、制图的工作，

提高了工作效率。

比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率

等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购

入库金额、退货情况、应付账款等等。

(2)数据的“异常”分析

数据的异常分析利用的是对比分析法。在可视化报表上，如果业务人员发现一些数据指

标反映出来的情况超出了日常经验判断。这时就需要要对这些“异常"数据进行有目的

的分析，通过相关联的维度、指标使用钻取、关联等分析方式探索出可能存在的原因。

例如，一个网站或产品，正常情况每个月的平均用户注册量是10万左右。但是'在今年

的8月份发现会员注册量达到了23万，这就是一种"异常"，远远超过经验判断和预

期。这时我们就要去分析判断是因为市场部门的推广，还是做了大型促销活动导致的。

当然除了正向的异常，也有可能出现负向"异常"，比如注册量只有5万，这时也是需

要我们通过分析找到原因，并在以后避免发生类似的情况。

■II(2)数据的“异常”分析ESENSOFT

数据的异常分析利用的是对比分析法。业务人员通过可视化报表的呈现，如果发现了一些数据指标反映出来的情况超出了日常

经验判断。这时就需要要对这些“异常"数据进行有目的的分析，通过相关联的维度、指标使用钻取、关联等分析方式探索出

可能存在的原因。最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。

这个阶段的业务人员不再是被

动接受来自图表中反映的信息,

而是通过“异常”数据来定位到

背后的一个业务问题.

数据和业务在这个层次开始有

了直接对应关系，这时可以利

用数据图表之间的逻辑性关系

寻找解决方法，提高企业的经

营效率。

5

最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、

固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通

过‘'异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应

关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高企业的经营效率。

(3)业务建模分析

业务建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在

的问题，将其反映在可视化报表上，并最后要回归到业务，形成决策并不断优化的一个

过程。

业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的

方式将它们有效组织起来去验证我们对业务分析的逻辑判断。它可由一个或多个图表组

成，也可通过一组或多组数据图表支撑，依据企业的业务模型来确定。

业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计和探索分析。需

要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。

■II(3)业务建模分析ESENSOFT

业务建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在的问题，将其反映在可视化报表上，并

最后要回归到业务，形成决策并不断优化的一个过程。业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计

和探索分析。需要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。

llllllllll

6

这里需要注意的是具体的分析场景很难由专业的BI开发人员来提出。业务分析建模需

要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据

分析、挖掘或统计工具，这样商业智能BI的价值才能在企业得到充分的发挥，数据的

价值也才会得到充分的体现。

>2.BI的前世今生

先看看BI一词的由来及演变，经过了多位学者和科学家的钻研，才有了BI的概念但那

时还未实现系统化的落地，我们姑且称之为"前世"。

I2.1前世故事会

1865年RichardMillarDevens

在其所著的《商业趣闻百科全书》中第一次使用了“商业智能"(Business

Intelligence)一词，该书描述了银行家亨利♦富尔内塞爵士(SirHenryFurnese)

如何通过有条理地收集和分析与其商业活动有关的信息，从而获得了比竞争对手更多的

优势。

1958年IBM研究员HansPeterLuhn

他在一篇题为《商业智能系统》的文章中开始描述BI的价值和潜力，他认为商业智能

是利用技术，在正确的时间，依据正确的信息，迅速且有效地作出决策。他也被公认为

"商业智能之父"。

1988年罗马

在罗马举办的数据分析联盟会议是商业智能的里程碑。会议后，商业智能就开始向现代

化演进。

1989年Gartner分析师

7

Gartner分析师HowardDresner将商业智能作为涵盖数据存储和分析的统称，避免

了繁琐的名称，如DSS或EIS（经济情报系统）等。

I2.2今生发展史

车轮吱吱呀呀来到了现代，到了20世纪90年代，BI正式开启了它辉煌灿烂的发展

史，三代BI悉数登场亮相。

（1）第一代传统81（1996年~）

第一代BI的概念由Gartner机构在1996年提出，它描述的BI是通过应用基于事实

的支持系统来辅助商业决策的制定。说通俗点，第一代BI主要是以IT为中心的预定义

报表平台，不过当时计算机技术、存储技术等都还在发展中，也限制了BI技术的发

展；经过了二十多年的发展，传统BI的功能越来越强大，但是它的价值需要IT部门和

业务部门一起来助力实现，可是部门间的来回沟通及需求的来回倒腾，导致其存在响应

周期漫长，价值难以浮现等问题。

来回倒腾确定需求

8

(2)第二代敏捷81(2011年~)

到了21世纪，以有一定IT能力的业务人员为中心的自助式数据分析平台开始盛行，二

代敏捷BI的热潮袭来，在这段时间里BI厂商也如雨后春笋般涌现，并竞相大力发展可

自助式分析的BI产品。虽然敏捷BI的出现一定程度上解决了部门协同的问题，但是敏

捷BI对于长尾数据难以有效处理，同时分析经验和知识体系难以进行沉淀，IT部门很

难在后续为其提供技术支撑，使其也有一定的局限性。

(3)第三代智能81(2019年~)

在2019年前后，第三代智能BI兴起，即AI+BI,它是一种以纯业务人员为中心，并

以自然语言处理来搜索驱动的数据分析平台，实现技术0门槛，并能完美支持长尾数

据，还能完成知识沉淀和经验共享。这样看来智能BI的出现似乎解决了上述两代BI的

难题，但事实果真如此吗？就目前来看智能BI的落地应用场景较少且偏前端，市面上

绝大多数的智能BI产品在数据采集及数据预处理环节智能化能力不足。

9

三代BI各有优劣，具体的差异呢，通过下图也能看的很清楚了。

一代传统BI二代敏捷BI三代智能BI

(1996~)(2011-)(2019-)

使

用以有一定•能力的以纯业务人员的为中心

以■为中心的n

人n

业务人员为中心的自然语言处理搜索驱动

群预定义报表平台

的自助式数据分析平台的数据分析平台

主

导

■主导

侧n半业务主导完全业务主导

重业务响应时间长

匹业务直接使用数据业务

配业务需求匹配度底业务需求匹配度中

度需求匹配度高

技

术

门门槛高门槛中等门槛为0

槛

系

统系统用户全覆盖，

系统用户数量中等，

用系统用户数量少每个人都可以做数据

户部分业务人员开始

IT主导数据分析分析完美解决数据回归

数主导数据分析

数据所有者的问题

长

尾

数完美解决长尾数据问题，

长尾数据查询部分解决长尾数据问题

据技术支持使知识沉淀

解无法解决无法实现知识沉淀

成为可能

放

10

>3.汇聚三代BI的集大成者

通过对第一、二、三代BI的深入了解，发现他们各有优劣势，细心的小伙们会发现，

每一代BI小亿都只写了起始时间并未写结束时间，那是因为他们之间并不是互相替代

的关系，而是面向不同应用场景不断进阶、长期共存的关系，那有没有一款产品是可以

囊括三代BI的功能并完美集成以上优势，满足所有的数据分析需求呢？

答案当然是肯定的，亿信的ABI就是集三代BI为一身，不论是传统型、敏捷性还是智

能型，它都可以胜任，满足用户全方位数据分析的需求，并在此基础上贯彻3A新特性

（即一站式、增强分析、智能化），这也与Gartner在2021年发布的魔力象限报告

不谋而合。

AllinBI：一站式应用

打通数据应用全浣程，实现数据埴报、处理、分析一体化

Analytics：增强型分析

全方位强化分析能力，提供挖掘很测分析、大数抠是分析

AI+BI：智能化决策

以人工智能分析为引领，为企业运营管理所有环节提供分析洞察

它打通从数据接入、到数据建模与处理、再到数据分析与挖掘、数据可视化整个数据应

用全链路，可满足企业经营中各类复杂的分析需求，实现多维度的数据分析应用，让数

据发挥价值，驱动业务运营，帮助企业实现高效数字化。

扫码免费试用产品

11

第二章从数据角度看商业智能BI行业的本质

与发展趋势

商业智能（BusinessIntelligence，简称：BI）,又称商务智能，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。

例如，阿尔伯克基市的就业者们使用BI软件来识别有效机会以减少使用手机通话、加

班及其他营运开支，三年期间为这个城市节省了200万美元。同样地，在商业智能BI

工具的帮助下，丰田汽车公司意识到公司曾对它的运货商"双倍"地付费，2000年总

金额达812,000美元。

事实表明，利用商业智能BI来揭示业务流程中存在的缺陷的企业，与仅用商业智能BI

来监控会发生什么事情的企业相比，在成功的竞争中处于更有利的地位。

商业智能作为工具，可以用来处理企业中现有数据，并将其转换成知识、分析和结论，

辅助业务或决策者做出正确且明智的决定。帮助企业更好地利用数据提高决策质量的技

术，包含了从数据仓库到分析型系统等。今天小亿就从数据角度和大家一起探讨商业智

能BI行业的本质与发展趋势。

1.从数据角度看中国商业智能BI

I1.1中国商业智能BI软件行业规模

12

中国高型智能印软件行业双模■中国魅业■爱软件行业炊模（亿）

注：市场规模为纯软件销售收入，不含项目实施、项目运维等。

从我国开始实施国家大数据战略以来，大数据BI行业保持着高速稳定的发展。一方面

得益于国家政策的牵引，如《大数据产业发展规划（2016-2020年）》等利好政策，

对打造"数据、技术、应用与安全协同发展的自助产业生态体系”做了全方位的支撑和

部署。另一方面，持续多年的信息化应用价值教育，企业自身信息化建设的准备，都让

更多企业开始使用BI产品，期望通过精细化运营来提升经营效益。

当前我国已进入国际BI及DA（数据分析）领域的第一方阵，并成为发展最快的国家

之一，但仍和美国有一定差距。2018年中国商业智能（BI）软件行业规模约为16.6

亿元，同比增长25.8%,2019年中国商业智能（BI）行业软件收入规模在21亿左

右，增长率达到27.1%,未来中国BI行业的发展潜力巨大。

I1.2中国商业智能企业分布与结构

13

■IT强主导型国IT究至主导壑■曾能主导里■业务强主导型■业务完至主导型

中国商业智能企业分布与结构分析

根据锐观咨询整理所得数据，目前，IT人员主导企业数据分析的模式仍占据主流，也就

是IT驱动仍是企业商业智能平台应用现状。从数据调研的受访企业来看，有高达

61.62%的企业的数据分析工作仍是第二类型（IT强主导型）,甚至有21.89%的企业

的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目

标距离遥远。

I1.2企业最重视的BI功能有哪些

对于BI的功能，企业主要看重报表能力、移动端、填报录入、管理驾驶舱等。超过半

数的企业非常重视常规报表制作与展示和移动端BI功能。近一半的企业期待用数据填

报来解决企业内部数据采集和录入的问题，数据填报也是解决数据分散在Excel、

Word中的有效方法。

14

企业选捋Bl功IB考虑分析情况

企业选择BI功能考量权重

I1.4企业应用BI最期待获得的数据价值

国内企业选用BI产品，最期待获得的数据价值，一是数据整合，二是数据展示效率，

三是辅助管理决策。据统计，72.8%的企业最想获得的数据价值是整合多系统数据，打

通多系统的数据，解决数据壁垒的问题实现信息透明。69.1%的企业想要提高报表的输

出效率，期望能够更快更准更省事。53.7%的企业则希望通过数据分析，辅助企业决

策，实现科学化、数据化的决策。

15

>2.商业智能BI对企业的作用

如今，企业内部有大量的机会可以通过优化业务流程和集中决策来节省资金。在业务遭

遇大挫折时，商业智能BI能带来一线曙光，产出显著的投资回报率ROIo商业智能BI

在企业中的应用主要表现在如下3个方面：

I2.1可视化报表的展现

在BI中，使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的

业务数据（财务、供应链、人力、运营、市场、销售、产品等）全面展现出来，再通过

各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。

O员工变动程与

△图表使用亿信ABI制作

16

这些分析展现内容基本上是围绕各个业务部门日常工作展开的，这里面有很多的业务分

析内容可能需要复杂的计算规则，需要从不同的业务系统获取数据，并且这些数据在业

务系统软件中都是很难直观看到的。

这个层次的可视化报表分析就是一种呈现，让用户对日常的业务有一个清晰、直接、准

确的认知，同时解放了业务人员手工利用Excel的各种函数做汇总分析、制图的工作，

提高了工作效率。

比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率

等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购

入库金额、退货情况、应付账款等等。

I2.2数据的“异常”分析

异常分析作用重大。数据的异常分析利用的是对比分析法。业务人员通过可视化报表呈

现，如果发现了一些数据指标反映出来的情况超出了日常经验判断。这时就需要要对这

些“异常”数据进行有目的的分析，通过相关联的维度、指标使用钻取、关联等分析方

式探索出可能存在的原因。

△图表使用亿信ABI制作

17

例如，正常情况下，一个网站或产品每个月的平均用户注册量是10万左右。但是我们

观测到A网站在某月的注册量只有5万，这就需要我们分析找到原因，并在以后避免

发生类似的情况。

除了负向异常，也有可能出现正向"异常"，比如会员注册量达到了23万，这同样是

一种"异常"，远远超过经验判断和预期。这时我们就要去分析判断是因为市场部门的

推广，还是做了大型促销活动导致的。

最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、

固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通

过“异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应

关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高企业的经营效

率。

I2.2业务建模分析

业务建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在

的问题，将其反映在可视化报表上，并最后回归到业务，形成决策并不断优化的过程。

业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的

方式将它们有效组织起来去验证我们对业务分析的逻辑判断。它可由一个或多个图表组

成，也可通过一组或多组数据图表支撑，依据企业的业务模型来确定。

业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计和探索分析。需

要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。

这里需要注意的是具体的分析场景很难由专业的BI开发人员来提出。业务分析建模需

要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据

分析、挖掘或统计工具，这样商业智能BI的价值才能在企业得到充分的发挥，数据的

价值也才会得到充分的体现。

18

GD圄衰分析XEscNsonggo

ABI20n

小亿超市gl$

睛用&氢

本月W⑸35%目标**⑨神*加

Otttt®本月上月

02033网)03426

A项印斑的----►71224

1M55元483元

-八缺如的gnas

A519Z

t-------------1

,Aja-1.丽.融\^/flfi««

8953.6元।3006.1元

痞内辽宁房”

2)iZfSffiWJ4

月sm却VI944

WE)6125%新学员rm*辽宁79

"98奸明的《»

tMtas-»S4S7%

46»«gSfiH房26

”■■■«四3"«

胡光成雍illlllllllllllllllllllllllim)9421%

<__

的3illllllllllllllllllllllllllllll)99.53%fhopZ«hop3ihopl(MBiZ^ejEJKM4

.本台邮泡桃虚中.

A图表使用亿信ABI制作

>3.企业应用商业智能BI系统面临的挑战

整体来看，企业应用BI系统的状况不断良性发展，但也面临着诸多挑战，也是BI成功

的重点、难点。

I3.1数麋合治理

相关数据显示，64.8%的受访企业表示数据的整合与治理，是未来的主要挑战。数据问

题主要集中在："数据过于分散，形成数据孤岛，取数分析麻烦""底层数据混乱，

存在准确、失效、性能的问题"这两个方面。

I3.2数据人才的培养

从整体背景来看，越来越多的企业开始把数据人才作为企业经营战略版图的核心组成部

分，集中表现越来越愿意花高薪聘请大数据人才，整体薪资水平在不断提升。但是优秀

19

的大数据人才培养的成本居高不下，培养周期长，人才供应始终是在大数据人才需求越

来越大的背景下捉襟见肘。薪资竞争力不足以及企业创新力不足，让传统企业愈加困

难。

I3.3企业数据文化的建设

在企业认可数据，积累数据的过程中，大数据团队对数据人才的培养也会逐步找到一些

法门，这些方法和技巧无不是围绕在数据文化建设之上。调查显示，在彰显数据文化方

面，虽然"沟通协调讨论用数据说话，基于数据讨论"达到了81.8%，但"数据获得

容易，数据分析快速、流畅"还不足35.19%。

)4.商业智能BI的发展趋势

I4.1数据分析将从独立的、显示的产品，变成无处不在的嵌入式分析能力

以前，数据分析产品都是独立部署的，给用户非常清晰的使用界限，必须登录入系统进

行相关的操作。将来的数据分析产品将是一种即取即用的能力。比如，用户会在ERP

系统中，或者