莽荒记-商业智能(BI) 了解

概念

BI即商业智能,泛指用于事务剖析的技能和东西,经过获取、处理原始数据,将其转化为有价值的信息辅导商业举动。

最新维基百科对BI的界说:Business intelligence (BI) is defined as the ability for an organization to take all its capabilities and convert them into knowledge。(商业智能界说为一个安排将一切资源转化为认知的才能)。

Gartner把BI界说为一个概括性的术语(umbrella ter莽荒记-商业智能(BI) 了解m),其间包含运用程序、基础设施和东西,经过获取数据、剖析信息以改善并优化决议计划和绩效,构成一套最佳的商业实践。

传统BI

传统Bi面向的是有IT技能布景的研制人员和数据科学家。在对大数据进行剖析的进程中,传统BI的做法是,IT人员事前依据剖析需求来进行建模(以及做二次表或打Cube),提早汇总好数据,事务人员在前端检查剖析成果报表。

这类BI产品有几个缺陷:

  1. 布置周期长
  2. 报表十分刚性
  3. 开发新需求耗时长
  4. IT部分负担重

一些事务人员在传统BI中不可以随时修正报表修正数据,而是要依托专业的IT人员来进行修正;剖析报表也不能调整,在这个进程中就暴露了没有IT专业人士,传统BI就啥也干不了。

灵敏BI

灵敏bi的实质由技能部分主导到事务部分主导。特征,简略易用,没有很高的技能门槛以及布置施行时刻,大数据处理才能。事务参加建模,报表制造,探究式剖析,发布。

关于 Gartner

Gar莽荒记-商业智能(BI) 了解tner 法力象限:

Gartner界说了现代型BI的基本特征莽荒记-商业智能(BI) 了解,即5个典型用例及15个要害功用,衡量BI厂商的重要参阅规范。

五大用例

  1. 灵敏而会集式的BI装备:支撑灵敏型的、IT化的作业流程,包含从数据到会集交给和办理剖析内容,渠道具有自有的数据办理才能
  2. 去中心化的剖析:支撑数据的自服务数据剖析。可认为独立的事务模块和用户供给剖析支撑
  3. 可控的数据发现:支撑从自服务数据剖析到自助创立数据剖析办理页面的作业流程,IT级的内容管控,而用户内容生成、办理页面和剖析内容都是可复用和可晋级的
  4. OEM和嵌入式BI:支撑数据剖析流程以内嵌BI至一个流程或许一种运用中来完结
  5. 外部布置:支撑为外部客户或许在公共范畴的公民吴敬琏专集接入剖析内容,流程相似以灵敏为中心的BI

BI的要害技能

  1. 数据仓库:数据仓库是用于办理决议计划的面向主题、集成、安稳、随时刻改变的数据集调集。数据仓库不是简略的对数据进行存储,而是对数据进行在“安排”。
  2. 数据发掘:从很多数据中抽取感兴趣的(非一般的,隐含的,从前不知道的,潜在有用的)形式或许常识。
  3. 数据可视化:可视化(Visualization)是运用计算机图形学和图画处理技能,将数据转化成图形或图画在屏幕上显示出来,再进行交互处理的理论、办法和技能。
  4. OLAP:在线剖析处理(英语:On-Line Analytical Processing,简称OLAP),是一套以多维度办法剖析数据,而能弹性地供给积存(英语:Roll-up)、下钻(英语:Drill-down)、和透视剖析(英语:pivot)等操作,出现集成性决议计划信息的办法.
  5. ETL:Extract-Transform-Load的缩写,数据抽取(Extract)、转化(Transform)、装载 (Load)的进程。

BI架构图

未来趋势

大数据剖析技能大众化趋势

数据解析、JSON 和HTML 导入以及数据收拾之类的一般数据预备使命无需再分配给专家完结莽荒记-商业智能(BI) 了解。高档剖析变得愈加易于运用。随同高档剖析成为事务用户的规范,这两种现象将会合流。高档剖析将不再被数据科学家和专家独占。事务用户已经在运用功用强大的剖析函数,例如K均值聚类和猜测。

BI流程嵌入化

BI流程嵌入化即“支撑将数据转化为可嵌入到其他流程或运用中的BI内容”。

智能BI

智能BI,其实是AI增强的决议计划支撑系统,需求服务于企业中需求决议计划的各级人员,应该具有实时、闭环、主动进化、大局优化的特征,以及主动识别问题的才能,意图在于进步企业决议计划的功率和质量,增强企业在数字经济时代的竞争力。

可解说型 AI

可解说型 AI 日益兴起,跟着企业越来越依赖于人工智能和机器学习模型,如何能保证它们是值得信任的? 当 A莽荒记-商业智能(BI) 了解I 和机器学习供给的答案无法得到解说时,决议计划者持有置疑情绪是很正常的。对通明度的需求促进了可解说型 AI 的兴起,这种实践要求了解通明的观测成果并将其转化为机器学习模型。当某个模型得出一项定论时,决议计划者们期望可以经过进一步的问询来了解它为什么作出此定论,可信度有多高,不同的参阅数据会让定论发作什么改变。剖析和 AI 应该对人类的专业常识和了解才能供给辅佐,而不是彻底替代

文档参阅

  1. 《Gartner2019年BI及剖析渠道法力象限》的深化解读

https://zhuanlan.zhihu.com/p/57746630

  1. 2019 年 商业智能趋势

h莽荒记-商业智能(BI) 了解ttps://www.tableau.com/zh-cn/reports/business-intelligence-trends