商業(yè)智能BI ( Business Intelligence) 簡單來說就是一套由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案，將企業(yè)中不同業(yè)務系統(tǒng)（ERP、CRM、OA、BPM 等，包括自己開發(fā)的業(yè)務系統(tǒng)軟件）中的數(shù)據(jù)進行有效的整合，并利用合適的查詢和分析工具快速并且準確的為企業(yè)提供報表展現(xiàn)與分析，為企業(yè)提供決策支持。

商業(yè)智能BI 的核心主線是什么？主線就是通過構(gòu)建數(shù)據(jù)倉庫平臺，有效的整合數(shù)據(jù)并組織起來為分析決策提供支持并實現(xiàn)其價值。還有一種解釋就是：將數(shù)據(jù)轉(zhuǎn)變?yōu)樾畔?，信息支撐決策，決策產(chǎn)生價值。

對于bi工具很多人都想知道：商業(yè)智能BI是如何產(chǎn)生價值的，價值在哪里？為什么在我的企業(yè)中我們IT 部門或者業(yè)務部門完全淪為了做做報表，能體現(xiàn)的價值只是節(jié)省了我們做報表的工作量，僅此而已。這種質(zhì)疑帶有很大的普遍性，但這樣的問題也不是不能解決，比如我們可以不講技術(shù)，就聊聊一些業(yè)務場景

BI的價值到底如何體現(xiàn)的呢？在此探討一下商業(yè)智能的三個分析層次，或許會對BI的認知可能有所改觀。

第一個層次是報表的常規(guī)呈現(xiàn)。所謂常規(guī)呈現(xiàn)指的是使用柱狀圖、餅狀圖、折線圖、二維表格等圖形可視化的方式將企業(yè)日常的業(yè)務數(shù)據(jù)（財務、供應鏈、人力、運營等）全面呈現(xiàn)出來，再通過各種維度（看數(shù)據(jù)的角度）篩選、關(guān)聯(lián)、跳轉(zhuǎn)、鉆透等方式查看各類分析指標，業(yè)務分析圖表按照主題劃分，圖表之間存在一定的邏輯關(guān)系。

這些分析展現(xiàn)內(nèi)容基本上是圍繞各個業(yè)務部門日常工作展開，這里面有很多的業(yè)務分析內(nèi)容可能需要復雜的計算規(guī)則，需要從不同的系統(tǒng)取數(shù)據(jù)，從業(yè)務系統(tǒng)軟件中這些都是很難直觀看到的。這個層次的報表分析就是一種呈現(xiàn)，讓報表用戶對日常的業(yè)務有一個清晰、直接、準確的認知，其次解放了他們自己手工通過EXCEL 通過各種函數(shù)做匯總分析、制圖的工作。

比如，財務部門會關(guān)心今年的營業(yè)收入、目標完成率、營業(yè)毛利潤率、凈資產(chǎn)收益率等；銷售部門會關(guān)心銷售金額、訂單數(shù)量、銷售毛利、回款率等；采購部門會關(guān)心采購入庫金額、退貨情況、應付賬款等等。

第二個層次是數(shù)據(jù)的"異常"分析。我們通常所認為的"異常" 就是指不好的東西，那么在這里我們對 “異常”的解釋是：通過可視化報表呈現(xiàn)，我們發(fā)現(xiàn)了一些數(shù)據(jù)指標反映出來的情況超出了我們的日常經(jīng)驗判斷。例如，正常情況下每個月的平均用戶注冊量是10萬左右。但是通過報表我們發(fā)現(xiàn)在今年的8 月份，會員注冊量達到了23 萬，這就是一種"異常"，遠遠超過我們的經(jīng)驗判斷和預期。再比如在今年的1-9 月份，產(chǎn)品銷售毛利率穩(wěn)定在30%-40% 之間，突然到了10月份，整體的毛利率下降到了20% 不到，這也是一種"異常"。這兩種異常數(shù)據(jù)，一種是我們所追求的的正向"異常"，一種是我們極力避免的負向“異常”。

商業(yè)智能BI 是先通過第一層的報表呈現(xiàn)，將很多業(yè)務運營情況直觀的反映出來，讓用戶可以直觀的看到在我們經(jīng)驗之外的數(shù)據(jù)表現(xiàn)情況。商業(yè)智能BI 在這里體現(xiàn)的價值就是要對這些"異常" 數(shù)據(jù)進行有目的的分析，通過相關(guān)聯(lián)的維度、指標使用鉆透、關(guān)聯(lián)等分析方式探索出可能存在的原因。

比如會員注冊的問題，有哪些因素可能導致會員注冊的大幅度增加的可能？是不是最近采取了一系列的線上降價促銷、開放式的注冊、相關(guān)營銷活動等，這些支撐分析的數(shù)據(jù)是否都存在，如果都存在，它們的報表呈現(xiàn)情況如何，促銷投入的力度和用戶增長的關(guān)系等等。

在這個層次中，可視化報表的分析是帶著問題找問題的，通過一次或者多次的維度和指標圖表構(gòu)建，逐步形成了一種比較可靠的、固化的分析模型。這個階段的用戶不再是被動接受來自圖表中反映的信息，而是通過"異常"數(shù)據(jù)來定位到背后的一個業(yè)務問題，數(shù)據(jù)和業(yè)務在這個層次開始有了聯(lián)系，數(shù)據(jù)圖表之間的邏輯性更強。

例如，通過分析發(fā)現(xiàn)在三種線上促銷方式中，促銷方式一的投入產(chǎn)出最高，因此回歸到業(yè)務場景中，這種促銷方式以后應該要堅持，它可以有效的提升用戶注冊增長率。

第三個層次是業(yè)務建模分析。業(yè)務建模分析通常是由精通業(yè)務的用戶提出，通過合理的建模找出業(yè)務中可能存在的問題，將其反映出來并最后要回歸到業(yè)務，形成決策并不斷優(yōu)化的一個過程。業(yè)務建?？珊唵危捎梢粋€或多個圖表組成，也可復雜，通過一組或多組數(shù)據(jù)圖表支撐。業(yè)務建模簡單來說也可以理解為一種業(yè)務分析的邏輯思維模型，只是用數(shù)據(jù)、圖表化的方式將它們有效組織起來去驗證我們對業(yè)務分析的邏輯判斷。

業(yè)務建模分析區(qū)別于第一層的全面數(shù)據(jù)呈現(xiàn)和第二層的異常分析和被動分析，它是一種更深層次的業(yè)務數(shù)據(jù)的主動設計和探索分析。這層分析的提出更加深入業(yè)務，圍繞一個一個業(yè)務分析場景展開，對業(yè)務的認知要足夠深。

最終想表達的一個觀點是：商業(yè)智能BI 的表象是可視化分析報表的呈現(xiàn)，但它的本質(zhì)還是業(yè)務問題、管理問題。商業(yè)智能BI 數(shù)據(jù)分析來源于業(yè)務，通過數(shù)據(jù)呈現(xiàn)發(fā)現(xiàn)業(yè)務問題（好的或不好的，經(jīng)驗之內(nèi)或之外的 ）再次回到業(yè)務優(yōu)化業(yè)務提升業(yè)務運營的一個過程，這就是在商業(yè)智能BI 中數(shù)據(jù)到信息、信息產(chǎn)生決策、決策產(chǎn)生價值的真正內(nèi)涵。

?