引言
本文主要面向对象是，对BI完全不了解，或只是初步了解的人。
从宏观角度介绍了BI的基本信息，并附以大量的图表作为说明。期望能帮助大家对BI有更深层次的理解。
如有不同见解，也欢迎在评论l补充。
至于 BI 中更深层次的东西，笔者将会在未来逐一进行介绍。
什么是 BI？
首先引用百度百科的定义：
商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
通俗一些的解释：
BI 并不仅仅只是一个分析软件，而是一套完整的数据分析解决方案：它将不同数据源（如 ERP、CRM、OA、HIS、EXC 等数据文件）的数据，在整合清洗——保证数据准确性后，进行针对性的数据分析和处理，最终为企业提供报表展现与可视化图表分析，从而为企业提供决策支持。
在数据化建设较差的公司，也会将 数据可视化与 BI 直接划上等号。
以下是一些经典的 BI 范例：
不得不承认，BI 给人的第一印象，的确是漂亮的图表。
在实际开发中，整合数据源、清理数据等步骤往往并非由 BI 进行处理，具体分工见下图：
正如上图所示，BI 往往与数据仓库技术、olap 引擎有着直接的上下游关系。其中数据仓库主要起到统一数据源、保证数据准确度的作用；而 OLAP 引擎则帮助 BI 加速查询。它们组合在一起，最终使用户获得良好的数据分析体验。
BI 能做什么
BI 对企业的作用是通过两方面实现的，业务方面和技术方面
业务方面
-
数据呈现
我们可以通过 BI 直观、全面的展现企业日常业务的情况；无论是从整个集团的视角出发、还是从业务线或者部门的角度出发。
下图即为一个标准的 数据呈现（大屏）BI。决策层可以通过该图表快速、直观的了解到目前公司的会员数量和相关的销售额——这也往往是决策层最关心的两个指标
为了保证数据更新的实时性和展示的美观性，纯粹的数据呈现往往并不支持联动、下钻、上卷等 BI 常见操作。
联动、下钻、上卷都是 BI的专业术语，未来会逐一介绍。
-
异常监测
专业的业务人员会有一些核心指标来监控业务，我们完全可以将其通过BI实行可视化监控；
下图即为 某在线教育对每日课程销量的监测，运营人员通过BI可以迅速发觉异常变化，从而及时作出调整。
-
智能预测
在大数据的基础上，BI也能基于简单的统计学，提供一些拟合线，来帮助业务人员进行相关分析。
下图即 对某超市销售额进行预测。
-
特定建模分析
特定的建模分析通常是由精通业务的业务人员提出，通过合理的建模找出业务中可能存在的问题，将其反映出来并最终回归到业务，形成闭环决策并不断优化的一个过程。
业务建模可简单，可由一个或多个图表组成，也可复杂，通过一组或多组数据图表支撑。
如下图，即为对客户销售额建立的模型。通过该模型，业务人员能够快捷的了解到目前CRM的客户情况。
-
帮助业务进行快速智能分析
尽管 BI 能满足大部分常见需求，但资深的业务人员总会有一些突如其来的灵感。这种灵感稍纵即逝，如果等到数据部门提供数据再进行分析——可能为时已晚。如果有BI的话，业务人员可以立刻基于业务数据进行灵活分析，从而验证想法。
技术层面
-
减少人工处理，提升工作效率
某些指标对每家公司都是非常重要的，无论该公司是否存在 BI、数据部门。
例如 毛利、成本、客户。
在没有 BI 的情况下，如果公司想要收集汇总这些指标信息，大多数时候都需要业务人员手动从各个系统提取数据，然后在exc上汇总——这个过程无疑是冗长、枯燥且毫无价值的。同时，还容易产生以下问题：
- 数据准确性无法保证：手工计算，就有可能出错。无法避免
- 数据及时性无法保证：手工计算的效率由使用者决定，无法控制
- 修改复杂：任何业务的新增、修改。都需要对复杂的exc公式进行修改。
如果有了 BI 和对应的数据底层，就可以自动化生成相关报表。
智能报表 也属于广义上的 BI
-
结果倒逼，统一指标口径
成熟的公司必然有一套统一的指标口径；但在其野蛮生长中，指标、维度可能会缺乏统筹规划，从而产生一些遗留问题。
举个例子：库存、销售、运营口中的"销售额"往往不是同一个"销售额"。
最常见的口径不一致问题，就是时间口径不同；销售额可以依照 下单时间，支付时间，发货时间，收货时间，完成订单时间 等不同角度进行分析。在没有统一口径的情况下必然会出现误解。
BI 的使用者必然包括决策层。因此，指标必然会以决策层认可的口径为主，从而消除争议。
-
整合信息孤岛，统一分析平台
数据仓库是每家公司都应有的东西，但实际上大部分公司并不完善；但分析、统计的需求并不会因为没有数仓而停滞。这个时候，BI 就可以启动汇总数据源进行统一分析的效果
并不推荐长久使用 BI 作为数据汇总层。
总结：
正如上述描述，BI更多的是从业务方出发，帮助业务解决问题。它将繁杂的数据库底层进行整理汇总，形成有效的指标维度，让BI使用者可以直观、清楚地看到他所关注的数据，从而帮助整个企业更好的发展。在数据的自由探索中找到原因，避免“拍脑袋”式的决策。这就是 BI 的作用，而非仅仅的数据报表呈现。
BI 的应用场景
BI应用场景广泛，以下逐一枚举。
-
大屏
大屏就是我们在 街头、展览会上常见的超大屏幕，其上大多充满了含义不明的图表。举几个例子
大屏的最大特点 就是炫。据笔者观察，其上的数据大多都是“虚荣指标”——除了好看外一无是处。但换个角度，对外宣传时，需要的就是好看。
设想一下，假设超市、医院、 会议室能有一个大屏。会吸引多少目光的注意力；增加多少回头客。
大屏的开发，有以下几点需要注意：
- 因为展示效果等问题，大屏相比其他 BI，缺少交互性，无法进行联动、钻取等操作。
- 硬件成本较高——大屏很贵
- BI 开发成本较高——需根据硬件实际大小进行反复调试，才能保证最终结果的展示。
- 数据 要求较高——主要是指数据的实时性；
-
驾驶舱
BI 驾驶舱是一个核心指标汇总系统，将公司的核心指标进行可视化展示，帮助决策层能通过1图直接了解到整个企业的运营情况，也可以下钻到各个细分业务中了解详细数据。
因为面向对象主要为企业高层，因此驾驶舱的数据准确度、美观度一般都是最高的。相对而言，开发成本也是最高的；
相比大屏来说，驾驶舱可以自由下钻到任意主题的详细看板中。分析性更强
驾驶舱则要注意这些：
- 数据准确性非常高——它不像大屏，错了也没有人知道。驾驶舱对接公司决策层，不允许有任何的数据误差。
- 美观度——领导要看的东西，你自然要花点功夫去精心调试。
-
看板
看板（dashborad）即为最基础的 BI 展现方式
相比 大屏、驾驶舱而言，dashboard 并不那么浮夸，它的主要使用对象为一般的管理人员和运营人员。一般来说，看板也可以自由的钻取、联动。从而帮助业务人员进行更好的分析。
-
移动端
部分 BI 产品也支持移动端展示，内容一般为核心指标。
移动端开发时，需要特别注意不同手机的适配度。必要情况下，可以拿用户的实际手机款式做针对性调整。
-
自助分析
并非所有的仪表板，都一定由数据部门来开发完成。有能力的业务人员更希望自己可以随时进行制作，而不受数据部门的约束。因此在数据部门提供数据底层的情况时，业务部门也会亲自上阵进行开发。
BI 的开发方式
BI 的开发，与常见的项目开发并无两样
确认需求——需求分析——指标维度梳理——源数据和数据质量确认——结果表设计——ETL开发——可视化实现。
有几个重点需要注意：
- 第一步要确定 BI 的最终使用者，直接与使用者沟通会节省大量的时间。
- 需求分析结束后，一定要与最终使用者进行文档确认，确保双方理解一致。
- 不要轻易相信源头提供的数据，获取到数据后自己一定要初步检查，确保数据质量。
- demo先行——尽早确定使用者想要的BI样式，免得反复调试浪费时间。
部分BI介绍
Tableau
Tableau 毫无疑问的市场王者，也是目前全球最易于上手的报表分析工具，并且具备强大的统计分析扩展功能。它能够根据用户的业务需求对报表进行迁移和开发，实现业务分析人员独立自助、简单快速、以界面拖拽式地操作方式对业务数据进行联机分析处理、即时查询等功能
但Tabealu也有自己的缺点：最大的缺点就是价格过于昂贵。对于大部分公司来说，如此昂贵的Tableau性价比并不高。
FineReport
帆软是目前国内最大的 BI 厂商，合作厂商也相当多；产品线也遍及大屏、移动端、智能报表。可以说是最适合中国中小型企业的 BI 了。
FineReport本是一个智能报表软件，但由于集成了大量图表，相比其他BI开发效率虽然稍慢，但是自由度更高。
Superset
Superset是一款由 Airbnb 开源的“现代化的企业级 BI（商业智能） Web 应用程序”，其通过创建和分享 dashboard，为数据分析提供了轻量级的数据查询和可视化方案。
Superset的缺点就比较多了
- 没有提供图表的下钻功能
- 不支持多图表间的复杂联动
- 处理大数据集时容易暴毙
- 权限管理和图表管理的功能设计基本为0
但它是开源的——你无法要求一个东西又免费又好用，因此技术能力较强的公司可以考虑。
其他杂谈
正如开题所言， BI 并非简单的数据可视化，而是一套极度复杂的商业解决方案；
如何做到企业数据化？数据驱动业务？数据治理？
仅凭几个EXC是远远不能满足的——只有建立起良好的 BI 生态体系，企业才能真正迈入数据化。
另一方面，BI 的表象是可视化分析报表的呈现，但它的本质还是业务问题、管理问题。
如何通过BI ，使得业务、管理能够不断优化，这才是值得我们深度思考的。