以亲历实践到解决问题，谈BI和大数据在应用上的进化

 

为了避免老生常谈而没有结论，本文尽量简洁的情况下，做以下层次分布： 1.BI的历史缘由和相关技术形成，以及在企业中逐步形成的定位； 2.BI发展到现在，是否起到了人们期望的程度？； 3.缘何大数据和数据挖掘崛起，和BI有些脱钩？； 4.大数据仅仅是数据层面更广大了，BI应用的简单延展？； 5.抛弃所有概念，吸取所有精华，以业务目标为导向去思考问题吧！； 6.总结，以历史、离线为基础的BI，进化为杀入核心系统，不仅做数据支持和分析报告，拥抱实时、在线的大数据应用时代！

BI在传统行业地位的形成

在几十年前，现代企业还没BI的时候，就要固定出报表，Perl就是这个环境下创造出来的比C语言更简练的脚本语言，可以更方便来取数并制作企业固定的报表。

但随着企业的发展，只看财务、销售固定报表，已经不能满足企业需要了，因为问题越来越复杂，局势越来越多变，固定报表很难看清业务状况，对决策支持越来越有限，但从几十张常用报表，到开发几百、上千张报表，开发量实在太大。于是产生了OLAP这种技术平台，来快速实现人们对指数级上升的报表需求。而由于报表都是基于历史数据，所以没必要从业务系统直接取数，且过多报表生成要影响业务系统本身，于是数据仓库应运而生。

BI的使命是什么，达到预期了么？

BI，即商业智能，最初的想法是让企业通过数据，客观、有预见性地决策，实现智能的商务运作。

然而实际情况并非那么理想，无论传统行业，还是互联网，都在说拿数据说话，但看数据，说数据，并不意为着你就“智能”了，OLAP分析不能实现智能、数据挖掘分析也难以实现智能，原因就是商业的复杂、多边性。

无论BI还是数据挖掘，经常有些段子是，你发现A区域用户偏爱尺寸短的商品，决策者说，这个我也能感觉出啊，其他数据价值呢？对我有多大帮助呢？商务智能的智能就是发现了一个我可以感觉出来的问题么？

大数据崛起与BI

如果画圈子的话，大数据和BI可能是两个圈子，只有经历过BI、大数据两个环境的人们，才能穿梭其中。你会发现，做大数据的人居然不懂任何数据仓库、OLAP理论和技术；而做BI的人，对于大数据也是十分陌生，惊呼大数据是不是就等同于Hadoop技术？大数据是不是让所有人都能看Report的平台？

你看，大数据与BI不脱节才怪，本是同根生，却是2个貌似不搭嘎的圈子了。

大数据最前瞻的应用说法是实时、在线、数据内容丰富，而不仅仅是4V，如果这样的话，貌似和传统领域的BI关系不太大了？其实不然，BI对历史数据成熟的处理、集成方案，它在需要的时候也可以被在线系统调用，并非所有在线智能都必须在线实时计算才行。完全抛弃BI优秀的东西，重新定义大数据应用，不太妥。

大数据的数据分析是否是BI的简单延续？

很多朋友谈到数据分析，总会想到用做分析报告，对业务和事务定性、发现问题、建议方案。如果这就是应用，无论你是大数据还是小数据，都没脱离传统BI应用的思维方式。

分析报告、决策支持，这个是有价值的，但不是数据的全部，它只是冰山一角。在大数据时代，如果你还是用数据分析做报告用，就好比你拿了把屠龙刀，在做屠夫，屠夫也有价值啊，谁说没价值？

抛弃所有概念以解决业务问题为导向

数据分析，BI平台，就是为做分析报告为目标，这是10多年来累计的思维方式，是企业认同的模式，所以我们后来的从业者，都遵从于这些思维方式去工作。

就如大数据做挖掘应用的人们，他们从一开始从业的时候，就用推荐算法解决推荐问题，或者解决流量优化问题，他们可能知道数据还可以做其他应用，听说有预测、风险预警，只觉得有意思，但为什么有人做这些，这些的价值在哪里，如何产生的？可能不太清楚，也许他们整个团队也不用清楚，听说XX巨头公司在搞，所以他们也要搞。

其实业务方、用户、合作方等已经多次有了诉求，只是看你从旁观者角度去看待（数据分析报告，问题说清楚了，问题解决不了，可别找我啊），还是要站出来解决？

有数据界的朋友就要说，我看别人都是要么做数据分析报告，要么搞点推荐系统，除了这些巨头们正在做的，我们还能做什么？分析报告本来很有价值的，是XX业务部门自己搞不清业务，不会解决问题，能怪我们么？

以历史、离线为基础的BI和数据分析，进化为数据分析杀入核心在线系统

有朋友一定要说，这个真咬口，既然是2个不同的系统，啥叫杀入核心在线系统？

本人经历过的行业多，就以大家熟悉的零售电商行业来说。

案例一：电商分析报告中，最常见的就是用户分析报告，我们的BI、数据分析，对用户分类、聚类，用户画像，进行了很多处理，但是如果和业务问题脱节，就非常自娱自乐了。有人说，我把用户分析好了，让CRM和营销团队去用吧，他们看不懂，我们也没办法了。

其实不然，试想，ERP、CRM出线之前，做这些相关工作的人，知道自己去设计这套系统么？不会，而是别人设计出一套系统后，他们去用，达到了更好的目标。

假设分析报告显示，销售增速放缓是因为老用户交易大幅降低，新用户沉不下来。如果分析结论是老用户其实还常来，就是交易更谨慎了，那说明你得用在线大数据应用了，离线分析再透彻，你总不能一个客户一个客户去维护吧？这里就对离线分析的用户聚类、画像等分析结论，可以在线调用了，例如喜欢到处逛却越来越难下单的群体，检索比价的用户，可针对他们的习惯，针对性地优化检索过程，让他们不要很久还没找到合适的；对于购物车焦虑族，那么购物车增加个什么购物车个性化管家功能，专门针对焦虑族实现个性化服务。

案例二：隐藏在后面的核心系统，例如供应链，它其实与前端销售一脉相承，供应链的在线大数据应用，最小粒度就不是用户的个体，而是商品的个体了。

现在的信息化发达后，用户订单中的商品在什么状态了，在哪里了，信息都有显示，请问在线大数据能发挥什么作用？

在商品管理系统中，主要是人员操作出库、入库、库存、虚拟库存分配等等，通过流程来管理，所有大数据能发挥的空间，都在于“问题”，如果普通流程都能处理好所有问题，那大数据还是去做数据分析报告去吧。

常见的问题有，用户看到有货，等发货的时候告诉用户没货了；发货时间混乱，同一个用户，不同商家发货，有的1天到，有的1周到；仓库和实体门店库存管理交织抢货；还有很多。。。。。

以上问题都不是用传统流程管理方法可以解决的，大数据的数据君们，上！

备注：以上案例并非全部都亲历实践解决过问题，仅做论述论证参考！

特别标注：本文来自去哪儿网机票事业部 数据营销 高级经理 @innovate511，你可以微博关注他。