三代商业智能工具BI综述

• 提供一个出色的技术平台，允许数据团队向运营团队自我提供高质量的数据。
  
• 组织运营团队与数据团队完全解放。也就是说，确保业务团队（=不是数据团队的团队）可以100%地自己产生基于数据的洞察力。
  

什么是商业智能（以及它不是什么）
BI 是用于分析数据的方法和技术的术语。BI 使用有关您的业务的信息为您提供洞察力，帮助您做出更好的决策，例如如何改进您的产品线或削减成本。您可以使用这些数据来帮助您决定要销售哪些产品、在哪里开设新商店或哪些营销策略有效。

‍BI 1.0：传统BI
传统的 BI 是一种以数据库为中心的数据分析方法；它依赖于由可视化组成的静态仪表板。仪表板是根据常见的业务问题提前定义好的。回答新问题需要时间和技术技能。微软、IBM、甲骨文和 SAP 等大型科技公司是这个 BI 时代的领导者。在大多数情况下，传统的 BI 技术已经过时，不再适用于现代企业。

传统的 BI 方法包括：

• 报告和仪表板：此方法概述了您的业务数据及其与业务运营的关系。它还允许用户操作数据、探索关系并创建可以与他人共享的报告。
  
• 数据仓库：这种方法涉及将公司的所有数据存储在一个地方，并通过数据库管理系统 (DBMS) 对其进行分析。它允许您一次分析大量数据，并执行高级报告功能，例如向下钻取报告。
  

BI 2.0：自助服务
第二代 BI 工具解决了大部分问题。
第一步是用动态报告替换静态报告：用户自己可以定期更新的仪表板或记分卡，而无需再依赖数据团队。用户友好的自助分析平台是作为第二代 BI 工具的一部分开发的，允许非技术用户访问他们的所有数据源并自行决定生成报告和仪表板。这些新的解决方案比它们的前辈更容易使用。它们允许不熟悉 SQL 代码的用户轻松地从数据中获得洞察力，而无需等待数周或数月才能从数据团队得到答复。

这一代的 BI 工具在很大程度上消除了技术堆栈，并专注于为用户提供发现和可视化功能。这项工作使业务用户能够自行发现业务洞察力。

第一代 BI 工具的另一个问题是它们难以使用和学习。用户必须花时间学习如何使用这些工具，然后花更多时间试图弄清楚他们需要从数据源导入或提取哪些数据才能获得有用的信息。第二代通过使工具更易于用户理解和使用来解决这个问题。

尽管该领域已经有了很大的改进，但第二代 BI 工具仍然让业务团队严重依赖数据团队进行数据准备和建模。不出所料，这就是第三代商业智能工具试图解决的问题。‍

BI 3.0。增强的分析能力
第三代商业智能信守承诺，通过进一步消除商业智能过程的复杂性，进一步减少运营团队对数据团队的依赖。这主要是通过......增强型分析来实现的。增强分析是 "使用机器学习和人工智能等使能技术来协助数据准备、洞察力生成和洞察力解释，以增强人们在分析和BI平台中探索和分析数据的方式"（Gartner词汇表。

增强型分析对运营团队意味着什么？

我和Whaly的Anna讨论过增强型分析，她把它比作 "宜家效应"。我发现这个比喻非常有想象力。宜家效应 "指出，我们对自己参与创造的东西给予了过高的评价。当你建造自己的宜家衣柜时，你通常倾向于更重视它，因为你在建造过程中投入了时间和精力。而且因为是你建造的，所以它是一个伟大的衣柜。

增强型分析法也是如此。增强型分析使运营团队能够拥有完整的数据管道。是的，你没听错。这种新能力使用户能够创建一个自助服务管道，从各种来源提取数据，将其转换为报告工具所需的格式，并将其加载到数据仓库或其他目的地。自动化极大地简化了流程的每一步，为技术性不强的人员完全解除了数据准备的神秘感。

回到宜家效应：当业务部门建立自己的自动化数据管道来提取和模拟数据时，他们往往更信任数据。他们在建立报告和获取分析结果方面付出了更多努力。他们参与了每一步的工作。这种认知偏差导致他们比其他团队提供的数据更信任这些数据。

很多人认为这是实现大规模数据民主化的唯一途径。与其说数据团队以自我服务的方式提供干净的数据和预制的仪表盘，不如说我们转向一种范式，即运营团队可以拥有整个管道：数据收集、数据建模、可视化等。当从头开始建立一个仪表盘，从数据收集到清晰的洞察力，你怎么能不信任它呢？你已经完成了上游的所有工作。没有信任问题，没有问题要问，没有人要打乒乓，也没有任何其他的时间浪费。当然，如果没有增强的分析技术，这是不可能实现的。


增强型分析法对技术团队意味着什么？

增强型分析也增加了BI工具迎合技术档案的能力。它可以用来寻找使用传统分析方法无法发现的洞察力。
例如，如果你有一个拥有一百万个电子邮件地址的电子邮件列表，并想知道哪些收件人最有可能打开你的电子邮件并点击其中的链接，增强型分析将查看每个订阅者资料的所有特征（如他们的年龄、性别、位置），然后使用机器学习技术在所有100万订阅者中找到模式。

高级分析功能使用户能够获得分析数据的复杂方法，否则就会超出他们作为个人商业分析师或数据分析师的能力。
例如，许多平台包括高级统计分析工具，如回归建模和时间序列预测。一些平台还包括用于预测性建模的机器学习算法，这有助于专业人士根据历史数据的现有趋势（例如，客户流失的可能性）对未来业绩做出更明智的决策。

结论
商业智能工具经历了三个主要发展阶段：传统 BI、自助式 BI 和增强分析。

通过这种演变，一些公司更倾向于专注于消除 BI 流程的复杂性，将自主权从数据团队授予业务团队（例如：Whaly）。其他平台选择迎合技术概况，利用增强分析进一步推动分析能力。（例如：Mode）。

无论 BI 工具采用哪种方式，其目标都是允许业务团队在需要时访问和理解数据——以便能够自信地做出正确的业务决策。无论如何实现，业务部门对数据和数据流程的深入信任是信任其仪表板和其他业务报告设备的唯一途径。