許多企業(yè)認(rèn)為只需購(gòu)買一個(gè)前端商業(yè)智能BI分析工具就可以解決他們所有的企業(yè)級(jí)商業(yè)智能BI問(wèn)題，但這實(shí)際上是不可能的。如果最初的分析場(chǎng)景比較簡(jiǎn)單，數(shù)據(jù)連接的復(fù)雜度不是太高，這類商業(yè)智能BI分析工具可能不會(huì)有什么問(wèn)題。然而，在企業(yè)中構(gòu)建商業(yè)智能BI項(xiàng)目的特點(diǎn)是螺旋式的構(gòu)建過(guò)程。隨著連接的業(yè)務(wù)系統(tǒng)數(shù)量潛在增加，分析的深度和廣度增加，數(shù)據(jù)的復(fù)雜性變得越來(lái)越具有挑戰(zhàn)性，但就目前而言，支持它的良好數(shù)據(jù)軟件還沒(méi)有內(nèi)部架構(gòu)。 -端BI分析工具基本無(wú)法使用。

1、首先我們快速修正一下對(duì)這些BI問(wèn)題的理解1、BI是報(bào)表的可視化，是一組可視化圖表BI是前端可視化嗎？

商業(yè)智能BI是一整套完整的數(shù)據(jù)技術(shù)解決方案，包括數(shù)據(jù)倉(cāng)儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)報(bào)表等。在BI項(xiàng)目中，20%的時(shí)間花在前端分析報(bào)表上，80%的時(shí)間花在底層數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)、ETL開發(fā)、數(shù)據(jù)搜索開發(fā)等。

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

可視化展示——派克數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)

2、BI只是一個(gè)拖拽式的分析工具產(chǎn)品嗎？

準(zhǔn)確地說(shuō)，拖放式可視化分析工具只能解決商業(yè)智能BI的一部分：可視化分析。但實(shí)際上，商業(yè)智能BI的技術(shù)范圍還是比較廣泛，涵蓋了從底層數(shù)據(jù)采集到前端展示分析的各個(gè)方面。

嚴(yán)格來(lái)說(shuō)，簡(jiǎn)單的拖拽式商業(yè)智能BI可視化分析工具只能部署在個(gè)人和部門層面，與企業(yè)級(jí)商業(yè)智能BI有很大不同。商業(yè)智能BI中的角色BI的實(shí)際作用并不能取代商業(yè)智能BI的地位。

2. 報(bào)告工具從哪里來(lái)？

在技術(shù)領(lǐng)域、信息領(lǐng)域、商業(yè)智能BI行業(yè)，我們從來(lái)沒(méi)有離開過(guò)這個(gè)圈子。 JAVA（AWT、SWING、JSP、Hibernate、Spring、ibatis）、NET（ASP、http://ASP.NET、C#.NET）、Object-C、JS等技術(shù)開發(fā)和業(yè)務(wù)軟件系統(tǒng)平臺(tái)開發(fā)。

早期前端技術(shù)很薄弱，連AJAX的實(shí)現(xiàn)都需要手寫。我必須自己使用JS DOM 來(lái)單擊以編輯和更改表單中的數(shù)據(jù)。報(bào)表創(chuàng)建本質(zhì)上是一種嵌套在HTML 中的JSP 或ASP 腳本語(yǔ)言，具有循環(huán)輸出前端。報(bào)告風(fēng)格非常原始、丑陋。稍微復(fù)雜一點(diǎn)的表格報(bào)表樣式需要在JS中進(jìn)行調(diào)整。

當(dāng)時(shí)使用的報(bào)表，如水晶報(bào)表、潤(rùn)千報(bào)表，都有可以直接引用的前端腳本語(yǔ)言標(biāo)簽，報(bào)表生成取代了大量的手寫代碼。早期，前端和后端技術(shù)并不是分開的。 http://ASP.NET 稍好一些。前端逐漸添加了一些可以直接使用的集成控件，而JAVA沒(méi)有。上述階段是什么時(shí)候發(fā)生的呢？2005年左右，2007年就已經(jīng)廣泛使用了。在舊的CSDN上應(yīng)該還能找到很多原創(chuàng)的report標(biāo)簽帖子。

報(bào)表分析- Paco Data Business Intelligence BI 可視化分析平臺(tái)

Jreport、Star Report StyleReport等老報(bào)表在國(guó)內(nèi)也有一定的市場(chǎng)。截至2010年，部分報(bào)表廠商營(yíng)收突破1億，說(shuō)明基礎(chǔ)報(bào)表的市場(chǎng)依然十分強(qiáng)勁。

當(dāng)時(shí)的報(bào)道是什么狀態(tài)呢？純粹是報(bào)道報(bào)道。以編程方式從后端數(shù)據(jù)庫(kù)查詢返回的數(shù)據(jù)聚合列表然后綁定到前端腳本頁(yè)面以生成各種報(bào)告。應(yīng)用于各種商業(yè)軟件中，系統(tǒng)內(nèi)的報(bào)表展示遠(yuǎn)遠(yuǎn)達(dá)不到商業(yè)智能BI分析的水平。

此外，有許多軟件開發(fā)商確實(shí)擁有強(qiáng)大的報(bào)告功能，但這些報(bào)告功能并不能單獨(dú)作為報(bào)告產(chǎn)品在市場(chǎng)上提供。

隨著前端技術(shù)和前端框架的改進(jìn)，傳統(tǒng)的表格技術(shù)逐漸遷移到各種柱形圖、條形圖、餅圖的可視化展示，在這個(gè)階段，報(bào)表和商業(yè)智能BI的界限已經(jīng)變得模糊，現(xiàn)在已經(jīng)很清晰了。越來(lái)越模糊了。為什么？商業(yè)智能BI 的報(bào)告呈現(xiàn)功能與傳統(tǒng)報(bào)告大致相當(dāng)，但尚未提供用于快速多維分析的自助分析或自助拖放功能。

畢竟我的主要觀點(diǎn)是，我們看到的很多商業(yè)智能BI項(xiàng)目都是以報(bào)告思維方式實(shí)現(xiàn)的，這意味著SQL被翻譯成數(shù)據(jù)集并放在前端，這意味著它將被顯示。而真正的商業(yè)智能BI思維應(yīng)該是什么？多維思維和模型思維將決定商業(yè)智能BI項(xiàng)目的最終方向。

多維分析-派克數(shù)據(jù)商業(yè)智能BI可視化分析平臺(tái)

3、BI和數(shù)據(jù)倉(cāng)庫(kù)有什么區(qū)別和聯(lián)系？

我經(jīng)常遇到人們問(wèn)商業(yè)智能BI 和數(shù)據(jù)倉(cāng)庫(kù)之間有什么區(qū)別。其實(shí)這個(gè)問(wèn)題反映了一些朋友對(duì)商業(yè)智能BI的理解還是不準(zhǔn)確、有偏見的。這個(gè)問(wèn)題實(shí)際上從概念上區(qū)分了BI和數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)是人為碎片化的。這種情況其實(shí)相當(dāng)普遍，因?yàn)樯虡I(yè)智能BI的第一印象就是各種炫酷的可視化圖表和報(bào)表，而且市面上也有很多輕量級(jí)的前端可視化商業(yè)智能BI分析工具存在。停在可視化部分。

準(zhǔn)確來(lái)說(shuō)，商業(yè)智能BI不僅包括前端可視化分析和報(bào)表呈現(xiàn)能力，還包括底層數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建流程。 Gartner 在20 世紀(jì)90 年代就已經(jīng)提到了商業(yè)智能，認(rèn)為BI 是一種數(shù)據(jù)技術(shù)解決方案，可以從各種企業(yè)業(yè)務(wù)系統(tǒng)中提取和清理具有分析價(jià)值的數(shù)據(jù)。采用特定的建模技術(shù)，如Inmon的3NF建模、Kimball的維度建�；騼烧撸�最終合并到數(shù)據(jù)倉(cāng)庫(kù)中，并基于混合架構(gòu)模型，最終使用適當(dāng)?shù)姆治龊统尸F(xiàn)工具，形成各種可視化分析。報(bào)表為企業(yè)業(yè)務(wù)決策層提供數(shù)據(jù)決策支持。

商業(yè)智能BI - Parker Data商業(yè)智能BI可視化分析平臺(tái)

所以從這里我們可以看出，數(shù)據(jù)倉(cāng)庫(kù)位置是可視化報(bào)表和底層業(yè)務(wù)系統(tǒng)數(shù)據(jù)源之間的一層，是整個(gè)商業(yè)智能BI項(xiàng)目解決方案的連接點(diǎn)。將商業(yè)智能BI比作人，?*肷磧繞涫橇呈峭獗�，蠐镫身奖Pな檔匚�收大地精华，中紲Z暮誦暮禿誦牧α渴鞘�舅W摯狻?

您可能還會(huì)想，既然市場(chǎng)上有這么多可以直接鏈接數(shù)據(jù)源并進(jìn)行拖放分析的商業(yè)智能BI工具，那么為什么不也創(chuàng)建商業(yè)智能BI分析報(bào)告呢？這類獨(dú)立的、面向前端的商業(yè)智能BI分析工具定位為部門級(jí)、個(gè)人級(jí)商業(yè)智能BI分析工具，用于很多需要深層次、復(fù)雜的數(shù)據(jù)處理、集成、和建模，適合場(chǎng)景。等問(wèn)題無(wú)法解決。最好的辦法就是在底層構(gòu)建一個(gè)完整的數(shù)據(jù)倉(cāng)庫(kù)，標(biāo)準(zhǔn)化很多分析模型，只有結(jié)合這些前端商業(yè)智能BI分析工具，才能真正釋放前端商業(yè)智能BI分析能力。

數(shù)據(jù)倉(cāng)庫(kù)- Parker Data 商業(yè)智能BI 可視化分析平臺(tái)

就像你去藥材店取藥一樣，在你拿藥之前，其他人已經(jīng)把各種藥材成分（數(shù)據(jù)來(lái)自原始數(shù)據(jù)源）整理和清理好了。很快就能想到藥物組合（指標(biāo)組合的可視化）。

國(guó)內(nèi)這樣的公司有很多，但由于對(duì)商業(yè)智能BI缺乏了解，在建設(shè)商業(yè)智能BI項(xiàng)目時(shí)走錯(cuò)了方向，導(dǎo)致商業(yè)智能BI難以為繼。推動(dòng)商業(yè)智能BI項(xiàng)目。

因此，企業(yè)需要明確自己的商業(yè)智能BI建設(shè)是針對(duì)企業(yè)級(jí)的分析工作，還是針對(duì)個(gè)人、部門的分析工作。如果您是個(gè)人數(shù)據(jù)分析師，那么使用像這樣的前端商業(yè)智能BI 分析工具就足夠了。當(dāng)您需要構(gòu)建企業(yè)級(jí)商業(yè)智能BI項(xiàng)目時(shí)，不僅需要關(guān)注前端可視化分析能力，還需要關(guān)注底層數(shù)據(jù)架構(gòu)，即數(shù)據(jù)倉(cāng)庫(kù)層面的構(gòu)建。移動(dòng)BI_ERP數(shù)據(jù)分析_自助式敏捷BI分析_數(shù)據(jù)可視化分析系統(tǒng)- 筆克數(shù)據(jù)