過去的二十年，大部分企業(yè)進(jìn)入了BI時代，BI是英文Business Intelligence的縮寫，即商業(yè)智能，也稱商務(wù)智能。商業(yè)智能一詞最早是由國際知名的IT咨詢機(jī)構(gòu)Gartner在1996年提出的，指的是用數(shù)據(jù)倉庫技術(shù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術(shù)進(jìn)行數(shù)據(jù)分析以實(shí)現(xiàn)商業(yè)價值。外界也有將商業(yè)智能定義為“使用基于事實(shí)的決策支持系統(tǒng)，來改善業(yè)務(wù)決策的一套理論與方法。”可以看出，Gartner的定義側(cè)重技術(shù)層面，而后者定義側(cè)重價值層面。

比起其他被提出了很多年而沒有太大實(shí)質(zhì)進(jìn)展的技術(shù)來說，商業(yè)智能的發(fā)展是很快的。大家是否知道最近幾年才被炒熱的人工智能其實(shí)早在1956年就提出了，整整50多年的時間里，人工智能就像一個睡美人，直到近年才突然躥紅。

而商業(yè)智能不一樣，幾乎一經(jīng)提出，就在商業(yè)中廣泛使用。也許你會說，商業(yè)智能有這么熱門嗎？怎么我好像沒有聽說過呢？

這里可能有幾個原因：

第一，你所處的企業(yè)可能是小型企業(yè)或者傳統(tǒng)企業(yè)，管理者認(rèn)為數(shù)據(jù)復(fù)雜性、數(shù)據(jù)量各方面都還用不上商業(yè)智能。

第二，在你的企業(yè)中并沒有特意的去使用“商業(yè)智能”這個提法，取而代之的是報(bào)表系統(tǒng)、數(shù)據(jù)庫，但其實(shí)它們都是商業(yè)智能。

第三，商業(yè)智能由于具有一些技術(shù)門檻，在過去確實(shí)只和少部分IT人員有關(guān)。業(yè)務(wù)人員只要一聽說數(shù)據(jù)倉庫、ETL、算法、代碼、架構(gòu)這些詞，就立刻認(rèn)為這些事理所應(yīng)當(dāng)交給IT。在此情況下，你意識不到商業(yè)智能的存在也是很正常的。

那么以有或者沒有作為分界點(diǎn)，我們就很自然將企業(yè)的商業(yè)智能劃分為兩大階段，即無商業(yè)智能階段和商業(yè)智能階段。前者的典型特征是無完善的分析系統(tǒng)，通過Excel就能完成絕大部分?jǐn)?shù)據(jù)分析。可以想象處于這一階段的企業(yè)分析能力十分有限，稍微多一些數(shù)據(jù)接口、數(shù)據(jù)種類、數(shù)據(jù)量就難以應(yīng)對。大部分的企業(yè)停留在這一階段是因?yàn)閿?shù)據(jù)的原始積累還不夠，其中有很多還難以通過數(shù)據(jù)清晰的了解業(yè)務(wù)狀況。

而商業(yè)智能階段又可以分為傳統(tǒng)商業(yè)智能階段和現(xiàn)代商業(yè)智能階段。

??????? 傳統(tǒng)商業(yè)智能階段的最典型特征是以IT為中心的預(yù)定義報(bào)表平臺。企業(yè)耗時數(shù)年實(shí)施了巨大的企業(yè)級數(shù)據(jù)倉庫，終于將內(nèi)部各個主要數(shù)據(jù)源整合到一起進(jìn)行建模分析。

可由于數(shù)據(jù)倉庫這條船太大太沉，后續(xù)的建模和分析又大量依賴于代碼或?qū)I(yè)級工具，業(yè)務(wù)人員憑借有限的IT能力實(shí)在難以駕馭。

現(xiàn)實(shí)的情況是：每個業(yè)務(wù)部門因?yàn)楹ε侣闊㊣T，或多或少的私藏了一些手工維護(hù)的數(shù)據(jù)小金庫，久而久之形成多個數(shù)據(jù)堰塞湖，和系統(tǒng)不匹配。業(yè)務(wù)人員在遇到把Excel的功能用到極致還解決不了問題的情況下，只能把需求提給IT進(jìn)行預(yù)定義報(bào)表開發(fā)，之后往往需要通過數(shù)周到數(shù)月的等待才能拿到一份不置可否的報(bào)表，接下去因?yàn)閿?shù)據(jù)源頭受限，可以做的進(jìn)一步分析也十分有限。

企業(yè)里到處都是“表哥表姐”，一個中大型企業(yè)有數(shù)百張預(yù)定義報(bào)表的情況十分普遍。若干年后，回顧當(dāng)初宣稱能“幫助企業(yè)做出明智業(yè)務(wù)決策”的BI系統(tǒng)，為什么投入了那么多時間和精力，價值的問題一直難以自圓其說，究其原因在于傳統(tǒng)BI這種技術(shù)驅(qū)動業(yè)務(wù)的做法會造成技術(shù)空心化，價值難以浮現(xiàn)。
在傳統(tǒng)商業(yè)智能屢遭詬病的情況下，現(xiàn)代商業(yè)智能蓬勃發(fā)展起來。

現(xiàn)代商業(yè)智能平臺提供端到端功能，讓IT人員回歸技術(shù)本位，搭建數(shù)據(jù)架構(gòu)、確保數(shù)據(jù)管控和安全；讓業(yè)務(wù)人員回歸價值本位，無需了解后臺技術(shù)的黑匣子，用簡單易用的前端分析工具，輕松的連接各類數(shù)據(jù)開展自助式分析，探索數(shù)據(jù)價值，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)發(fā)展。

?? 現(xiàn)代商業(yè)智能的最典型特征就是以業(yè)務(wù)人員為中心的自助式數(shù)據(jù)分析。所謂自助式數(shù)據(jù)分析主要是指業(yè)務(wù)人員能夠自主、敏捷的通過一些數(shù)據(jù)分析工具滿足自己分析的需求。參與數(shù)據(jù)分析的人員不再是“表哥表姐”，而是真正的分析師；數(shù)據(jù)分析更不再是少數(shù)IT的專利，而是包括管理者在內(nèi)的全員參與。一個企業(yè)，如果管理者不能率先認(rèn)同數(shù)據(jù)驅(qū)動的價值，身先士卒的開展自助式數(shù)據(jù)分析文化建設(shè)，整個企業(yè)是無法轉(zhuǎn)型成功的。

?????? 相較于傳統(tǒng)BI的評價標(biāo)準(zhǔn)——“數(shù)據(jù)倉庫建立的如何？”“報(bào)表是否按時準(zhǔn)確？”，現(xiàn)代商業(yè)智能的評價標(biāo)準(zhǔn)主要是“分析效率是否提升？”“業(yè)務(wù)問題是否得到解釋？”“數(shù)據(jù)價值是否被挖掘出來？”這些標(biāo)準(zhǔn)就和價值大大的掛上了鉤。

??????? 伴隨著現(xiàn)代BI的推進(jìn)，目前市場上已經(jīng)有大量的自助式分析工具，其中的代表如可視化分析領(lǐng)域的Tableau、Qlik，億信BI；外部數(shù)據(jù)采集領(lǐng)域的八爪魚；數(shù)據(jù)準(zhǔn)備領(lǐng)域的Alteryx、Maestro；數(shù)據(jù)挖掘領(lǐng)域的Knime。這些產(chǎn)品的共同特征是無需任何技術(shù)背景，不需要代碼，用鼠標(biāo)點(diǎn)點(diǎn)拖拖，或者進(jìn)行簡單的配置就能完成分析。

自助分析最初從數(shù)據(jù)可視化領(lǐng)域開始，目前已經(jīng)擴(kuò)展至各個數(shù)據(jù)分析環(huán)節(jié)。一個沒有任何技術(shù)背景的業(yè)務(wù)用戶，只要通過簡單的學(xué)習(xí)，就可以使用這些工具完成整個分析過程，省下多至傳統(tǒng)BI做法下90%的時間，如果用這些時間來思考業(yè)務(wù)問題，那可以產(chǎn)生多少價值啊？

那企業(yè)要如何實(shí)現(xiàn)現(xiàn)代商業(yè)智能呢？這里有幾個關(guān)鍵因素：

1. 企業(yè)數(shù)據(jù)驅(qū)動意識和自助式數(shù)據(jù)分析文化的形成
2. 企業(yè)數(shù)據(jù)分析流程的轉(zhuǎn)變
3. 對于業(yè)務(wù)人員的數(shù)據(jù)分析思維和技能的培養(yǎng)
4. 引入適合的自助式分析工具，降低使用門檻