本篇文章为亿信华辰《数字时代，企业如何重新定义商业智能BI》视频直播稿件。
大家晚上好，欢迎来到小亿直播间！本次直播我们分享的主题是：数字时代，企业如何重新定义商业智能BI？我们将会从6个方面来进行分享：
首先我们说说商业智能BI是什么？其次我们介绍如今商业智能快速发展的缘由，和这个时代赋予BI的一些新的内涵。然后我们探讨下BI落地的5大核心步骤，和一些案例展示，最后我们预测下商业智能未来趋势与发展。
一、商业智能BI是什么？
1.定义
BI全称BusinessIntelligence，又称商务智能，是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。
换句话来说，BI是一套完整的解决方案，可以将来自企业的不同业务系统（如ERP、CRM、OA、BPM等，包括自己开发的业务系统软件）的数据，提取出有用的数据进行整合清洗，在保证数据正确性的同时，进行数据分析和处理，并利用合适的查询和分析工具快速、准确地为企业提供报表展现与分析，为企业提供决策支持。
简单概括这个过程所体现的三个大的部分就是：数据源收集，数据仓库的数据整合，可视化报表展现和数据分析，如图所示，这里是亿信华辰商业智能产品亿信ABI的架构图，这个就是一整套的解决方案，从数据采集、到数据的分析展示、数据的整合、到前端的数据分析应用，在我们的亿信ABI的一站式数据分析平台里都可以得到相应模块的功能支持和对业务场景的应用。
2.本质
对企业来说，商业智能BI不能直接产生决策，而是利用BI处理后的数据来支持决策。核心是通过构建数据仓库平台，有效整合数据、组织数据，为分析决策提供支持并实现其价值。
如图所示，BI最终展现给用户的信息就是可视化报表或视图。需要注意的是：报表是一个结果，只能达到查询的效果，查询仅仅只能告诉我们结果是什么、有没有问题。而基于可视化图表背后的数据分析才能告诉我们问题的原因是什么，只要问题发现了，原因也找到了，那么企业业务人员或者管理人员如何去决策就会变得简单与轻松。
3.与大数据的区别
商业智能BI和大数据是两个不同的概念。BI相对于大数据更倾向于分析模式，用于决策，适合支持经营指标支撑类的问题；大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
除此以外，大数据研究机构Gartner给出了这样的定义：“大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产”。
4.商业智能BI在企业中应用的3个方面
企业内部有大量的机会可以通过优化业务流程和集中决策来节省资金。在业务遭遇大挫折时，商业智能BI能带来一线曙光，产出显著的投资回报率ROI。商业智能BI在企业中的应用主要表现在如下3个方面：
（1）可视化报表的展现
在BI中，使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据（财务、供应链、人力、运营、市场、销售、产品等）全面展现出来，再通过各种数据分析维度筛选、关联、跳转、钻取等方式查看各类业务指标。
这些分析展现内容基本上是围绕各个业务部门日常工作展开的，这里面有很多的业务分析内容可能需要复杂的计算规则，需要从不同的业务系统获取数据，并且这些数据在业务系统软件中都是很难直观看到的。
这个层次的可视化报表分析就是一种呈现，让用户对日常的业务有一个清晰、直接、准确的认知，同时解放了业务人员手工利用Excel的各种函数做汇总分析、制图的工作，提高了工作效率。
比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购入库金额、退货情况、应付账款等等。
（2）数据的“异常”分析
数据的异常分析利用的是对比分析法。在可视化报表上，如果业务人员发现了一些数据指标反映出来的情况超出了日常经验判断。这时就需要要对这些"异常"数据进行有目的的分析，通过相关联的维度、指标使用钻取、关联等分析方式探索出可能存在的原因。
例如，一个网站或产品，正常情况下每个月的平均用户注册量是10万左右。但是发现在今年的8月份，会员注册量达到了23万，这就是一种"异常"，远远超过经验判断和预期。这时我们就要去分析判断是因为市场部门的推广，还是做了大型促销活动导致的。
当然除了正向的异常，也有可能出现负向“异常”，比如注册量只有5万，这时也是需要我们通过分析找到原因，并在以后避免发生类似的情况。
最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通过"异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高企业的经营效率。
（3）业务建模分析
业务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，将其反映在可视化报表上，并最后要回归到业务，形成决策并不断优化的一个过程。
业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的方式将它们有效组织起来去验证我们对业务分析的逻辑判断。它可由一个或多个图表组成，也可通过一组或多组数据图表支撑，依据企业的业务模型来确定。
业务建模分析区别于前两点，它是一种更深层次的业务数据的主动设计和探索分析。需要更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。
这里需要注意的是具体的分析场景很难由专业的BI开发人员来提出。业务分析建模需要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据分析、挖掘或统计工具，这样商业智能BI的价值才能在企业得到充分的发挥，数据的价值也才会得到充分的体现。
二、商业智能BI快速发展的缘由
1.商业智能BI快速发展
（1）新基建推动产业数字化迅猛发展
年3月，中央在政治局常委会议上提出，要加快5G网络、数据中心等新型基础设施建设。“新基建”政策的提出将加速大数据产业发展，BI商业智能作为大数据产业落地的重要场景，行业迎来新的发展契机。
（2）国际环境日趋复杂，软件国产化替代加速
受美国技术出口管制等影响，中国大力推动信创产业体系建设，BI作为信创产业体系中的重要应用软件，是支撑企业数据分析的重要系统。尤其数据的挖掘分析涉及企业核心业务数据，从应用安全性、对业务需求理解角度考虑，BI国产化替代将是未来发展趋势。
（3）企业数字化转型，助力BI新一轮发展
在数字化时代，企业面临用户需求变化、业务流程变化、以及数据量不断增长等一系列挑战，数字化转型已成为企业核心战略，是企业未来业务创新和增长的重要驱动力。而BI是让企业快速认知数字化价值的最佳手段，因此BI也将迎来新一轮发展。
2.从数据角度看商业智能BI
（1）商业智能BI在我国的发展情况
当前我国已进入国际BI及DA（数据分析）领域的第一方阵，并成为发展最快的国家之一，但仍和美国有一定差距。
年中国商业智能（BI）软件行业规模约为16.6亿元，同比增长25.8%；
年中国商业智能（BI）行业软件收入规模在21亿左右，增长率达到27.1%；
根据IDC数据，年中国商业智能软件的市场规模预计达到7亿美元，同比增长恢复到21%，预测到年，该市场规模将达到13.3亿美元。
这背后的原因是：从我国开始实施国家大数据战略以来，大数据BI行业保持着高速稳定的发展。一方面得益于国家政策的牵引，如《大数据产业发展规划（-年）》等利好政策，对打造“数据、技术、应用与安全协同发展的自助产业生态体系”做了全方位的支撑和部署。另一方面，持续多年的信息化应用价值教育，企业自身信息化建设的准备，都让更多企业开始使用BI产品，期望通过精细化运营来提升经营效益。
（2）商业智能BI在企业的应用情况
根据锐观咨询整理所得数据，目前，IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是企业商业智能平台应用现状。从数据调研的受访企业来看，有高达61.62%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.89%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。
（3）企业应用BI最期待获得的数据价值
国内企业选用BI产品，最期待获得的数据价值，一是数据整合，二是数据展示效率，三是辅助管理决策。据统计，72.8%的企业最想获得的数据价值是整合多系统数据，打通多系统的数据，解决数据壁垒的问题实现信息透明。69.1%的企业想要提高报表的输出效率，期望能够更快更准更省事。53.7%的企业则希望通过数据分析，辅助企业决策，实现科学化、数据化的决策。
（4）企业最重视的BI功能有哪些？
对于BI的功能，企业主要看重报表能力、移动端、填报录入、管理驾驶舱等。超过半数的企业非常重视常规报表制作与展示和移动端BI功能。近一半的企业期待用数据填报来解决企业内部数据采集和录入的问题，数据填报也是解决数据分散在Excel、Word中的有效方法。
三、时代正赋能BI新内涵
1.国外商业智能BI厂商跟不上时代需求
商业智能BI厂商诞生于国外，早年间，以BusinessObjects、Cognos、BIEE、MicroStrategy为首的四大品牌近乎统领了全球的BI市场。伴随着国内企业开始进行数字化改造，国外厂商大举进攻国内市场，抢占份额。根据公开资料显示，短短几年时间内，国外BI厂商进入了诸如银行、金融系统、制造业、工业乃至政府等关乎国内经济发展的关键行业。
然而，基于国内庞大的人口基数，快速发展的国内经济导致社会需求日趋复杂，各种各样的商业创新模式不断涌现。由于迭代速度跟不上时代需求，国外商业智能BI厂商普遍开始出现“水土不服”的现象。且对业务员工来说具有一定门槛难以上手、对企业来说维护成本相对较高……
2.传统BI平台已经难以应付瞬息变幻的商业环境
（1）功能结构弱势相比明显
从传统BI系统平台的功能结构来看，基于数据存储、数据集成、数据分析等功能模块下，通过对数据数指标进行简单的陈列堆叠，从而生成相应报表，试图响应业务，并为企业提出辅助性决策。但是，这个阶段的BI平台弱势相当明显，比如，难以高效接入多系统业务数据源、缺乏统一数据指标管理能力、对一线业务员工来说具有一定门槛难以上手、对企业来说维护成本相对较高……
（2）难以应付瞬息变幻的商业环境
对于BI企业而言，无论是产品还是业务层面，当下的商业环境都提出了更高的要求。聚焦于业务本身，如何在场景中切实有效地利用数据已经成为当下商业智能BI企业的核心痛点。
作为企业数字化转型的重要组成部分，BI的价值更多体现在赋能业务创新层面。因此，在实际落地过程中，BI需要与业务场景深度融合，以数据分析驱动业务增长。
首先，企业数字化建设以实现业务增长为核心目标，以BI为代表的技术投入都需要在业务场景中才能发挥价值。
不同于信息化建设的目标是降本增效，数字化建设都是以实现业务增长、创造新的商业模式为核心目标，因此，所有技术投入都需要以业务价值、提升ROI为核心衡量标准，都需要与业务场景所绑定。
其次，BI的使用对象由原先的IT部门，延伸到决策层和业务部门，对满足业务需求的产品功能提出更高要求。
3.精细化运营管理的当下，需要深度理解业务场景
在企业内部，BI平台对于具体业务场景的理解与采用何种模型或算法处于同等重要地位。换句话说，能否深度理解业务场景，一定基础上决定了BI平台技术能否真正落地，以及是否真正能够帮助企业实现降本增效的核心目的。
若从客户角度出发，企业不再只需要一个成熟的BI工具，还需要厂商通过对垂直业务场景的理解来构建相应的数据指标，并搭建场景相关模型，从而通过差异化方案实现应用价值的最大化。
相较于传统智能，新商业智能更看重的是基于数据本身，通过多维度的技术能力帮助企业解决经营过程中面临的成本上涨、业务流程繁杂、信息孤岛等实际问题。
比如，金融和零售两个行业在BI应用中的成熟度较高，但是由于行业不同，其设定采集数据的相关场景也存在较大差异。众所周知金融聚焦财富管理、风控等环节，而零售更倾向于销售管理、客户管理等方面，同一产品在不同行业中的使用效果差距明显。
4.商业智能BI需满足未来趋势发展
过去，企业大多利用BI实现自助报表分析、可视化图表展示等；如今，随着机器学习、深度学习等人工智能技术成熟，越来越多的AI技术被应用到BI工具中；BI与AI的融合，企业能够通过分析过去的数据实现对未来的预测，实现决策智能化。
未来，BI和AI融合的应用场景将不断延伸。随着人工智能技术的发展、数据积累的不断增多，AI预测的准确度将进一步优化，BI和AI融合将有更广泛的应用场景，比如销量预测、财务预测、客户购买预测、客户流失率预测等。
以某超市的补货场景为例，通过BI与AI融合进行销量预测，门店平均缺货率从15%缩减至10%，库存周转天数减少20%左右。对于该超市而言，缺货率的改善也意味着每年1亿左右的新增销售额，BI对业务增长的价值显而易见。随着业务价值不断凸显，企业对BI+AI融合进行智能预测的需求也将持续增加。
四、BI项目规划落地的5大核心步骤
商业智能BI是一个完整的解决方案，需要进行专业项目实施与部署。这里我们将BI项目规划分为5大核心步骤：
1.业务分析需求的把控
对于很多准备或者正在规划商业智能BI项目的企业来说，业务分析需求的梳理是整个项目开始的第一步，往往也是最困难的，主要表现如下：业务部门往往提不出比较具体的分析需求，而IT部门很难深入到业务，也提不出适合业务部门的分析需求。BI项目需求分析涉及到很多部门，有的时候内部资源的沟通、协调都是很困难的…
那如何能够非常清晰的梳理好一个完整的业务分析需求，并且能够用业务部门能够理解的语言进行有效沟通？正确的做法是，提供方案的原型图，这样能激发业务人员说出需求的欲望，并让双方站在可以相互理解的角度沟通，最终出来的效果也能更好的符合企业的期望。
业务需求应结合企业发展阶段、企业业绩目标、部门业绩目标而定，主要是确定BI建设的关键KPI指标。关键KPI指标不应过多，否则会造成数据分析的精力分散、重点缺失。比如销售部门重点