本文主要面向對象是，對 BI 完全不了解，或只是初步了解的人。
從宏觀角度介紹了 BI 的基本信息，并附以大量的圖表作為說明。期望能幫助大家對BI有更深層次的理解。
如有不同見解，也歡迎在評論補充。
至于 BI 中更深層次的東西，筆者將會在未來逐一進行介紹。
1、什么是 BI？
首先引用百度百科的定義：
商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。
通俗一些的解釋：
BI 并不僅僅只是一個分析軟件，而是一套完整的數據分析解決方案：它將不同數據源（如 ERP、CRM、OA、HIS、EXC 等數據文件）的數據，在整合清洗——保證數據準確性后，進行針對性的數據分析和處理，最終為企業提供報表展現與可視化圖表分析，從而為企業提供決策支持。
在數據化建設較差的公司，也會將 數據可視化與 BI 直接劃上等號。
以下是一些經典的 BI 展示：
不得不承認，BI 給人的第一印象，的確是漂亮的圖表。
在實際開發中，整合數據源、清理數據等步驟往往并非由 BI 進行處理，具體分工見下圖：
正如上圖所示，BI 往往與數據倉庫技術、olap 引擎有著直接的上下游關系。其中數據倉庫主要起到統一數據源、保證數據準確度的作用；而 OLAP 引擎則幫助 BI 加速查詢。它們組合在一起，最終使用戶獲得良好的數據分析體驗。
2、BI 能做什么
BI 對企業的作用是通過兩方面實現的，業務方面和技術方面。
2.1 業務方面
數據呈現
我們可以通過 BI 直觀、全面的展現企業日常業務的情況；無論是從整個集團的視角出發、還是從業務線或者部門的角度出發。
下圖即為一個標準的 數據呈現（大屏）BI。決策層可以通過該圖表快速、直觀的了解到目前公司的會員數量和相關的銷售額——這也往往是決策層最關心的兩個指標。
為了保證數據更新的實時性和展示的美觀性，純粹的數據呈現往往并不支持聯動、下鉆、上卷等 BI 常見操作。
聯動、下載、上卷都是 BI 的專業術語，未來會逐一介紹。
異常監測
專業的業務人員會有一些核心指標來監控業務，我們完全可以將其通過 BI 實行可視化監控；
下圖即為 某在線教育對每日課程銷量的監測，運營人員通過 BI 可以迅速發覺異常變化，從而及時作出調整。
智能預測
在大數據的基礎上，BI 也能基于簡單的統計學，提供一些擬合線，來幫助業務人員進行相關分析。
下圖即 對某超市銷售額進行預測。
特定建模分析
特定的建模分析通常是由精通業務的業務人員提出，通過合理的建模找出業務中可能存在的問題，將其反映出來并最終回歸到業務，形成閉環決策并不斷優化的一個過程。
業務建模可簡單，可由一個或多個圖表組成，也可復雜，通過一組或多組數據圖表支撐。
如下圖，即為對客戶銷售額建立的模型。通過該模型，業務人員能夠快捷的了解到目前 CRM 的客戶情況。
幫助業務進行快速智能分析
盡管 BI 能滿足大部分常見需求，但資深的業務人員總會有一些突如其來的靈感。這種靈感稍縱即逝，如果等到數據部門提供數據再進行分析——可能為時已晚。如果有BI的話，業務人員可以立刻基于業務數據進行靈活分析，從而驗證想法。
2.2 技術層面
減少人工處理，提升工作效率
某些指標對每家公司都是非常重要的，無論該公司是否存在 BI、數據部門。
例如 毛利、成本、客戶。
在沒有 BI 的情況下，如果公司想要收集匯總這些指標信息，大多數時候都需要業務人員手動從各個系統提取數據，然后在 exc 上匯總——這個過程無疑是冗長、枯燥且毫無價值的。同時，還容易產生以下問題：
如果有了 BI 和對應的數據底層，就可以自動化生成相關報表。
智能報表 也屬于廣義上的 BI
數據準確性無法保證：手工計算，就有可能出錯。無法避免
數據及時性無法保證：手工計算的效率由使用者決定，無法控制
修改復雜：任何業務的新增、修改。都需要對復雜的 exc 公式進行修改。
結果倒逼，統一指標口徑
成熟的公司必然有一套統一的指標口徑；但在其野蠻生長中，指標、維度可能會缺乏統籌規劃，從而產生一些遺留問題。
舉個例子：庫存、銷售、運營口中的"銷售額"往往不是同一個"銷售額"。
最常見的口徑不一致問題，就是時間口徑不同；銷售額可以依照 下單時間，支付時間，發貨時間，收貨時間，完成訂單時間 等不同角度進行分析。在沒有統一口徑的情況下必然會出現誤解。
BI 的使用者必然包括決策層。因此，指標必然會以決策層認可的口徑為主，從而消除爭議。
整合信息孤島，統一分析平臺
數據倉庫是每家公司都應有的東西，但實際上大部分公司并不完善；但分析、統計的需求并不會因為沒有數倉而停滯。這個時候，BI 就可以啟動匯總數據源進行統一分析的效果
并不推薦長久使用 BI 作為數據匯總層。
2.3 總結：
正如上述描述，BI 更多的是從業務方出發，幫助業務解決問題。它將繁雜的數據庫底層進行整理匯總，形成有效的指標維度，讓 BI 使用者可以直觀、清楚地看到他所關注的數據，從而幫助整個企業更好的發展。在數據的自由探索中找到原因，避免“拍腦袋”式的決策。這就是 BI 的作用，而非僅僅的數據報表呈現。
3、BI 的應用場景
BI 應用場景廣泛，以下逐一枚舉。
大屏
大屏就是我們在 街頭、展覽會上常見的超大屏幕，其上大多充滿了含義不明的圖表。舉幾個例子
大屏的最大特點 就是炫。據筆者觀察，其上的數據大多都是“虛榮指標”——除了好看外一無是處。但換個角度，對外宣傳時，需要的就是好看。
設想一下，假設超市、醫院、 會議室能有一個大屏。會吸引多少目光的注意力；增加多少回頭客。
大屏的開發，有以下幾點需要注意：
因為展示效果等問題，大屏相比其他 BI，缺少交互性，無法進行聯動、鉆取等操作。
硬件成本較高——大屏很貴
BI 開發成本較高——需根據硬件實際大小進行反復調試，才能保證最終結果的展示。
數據 要求較高——主要是指數據的實時性；
駕駛艙
BI 駕駛艙是一個核心指標匯總系統，將公司的核心指標進行可視化展示，幫助決策層能通過1圖直接了解到整個企業的運營情況，也可以下鉆到各個細分業務中了解詳細數據。
因為面向對象主要為企業高層，因此駕駛艙的數據準確度、美觀度一般都是最高的。相對而言，開發成本也是最高的；
相比大屏來說，駕駛艙可以自由下鉆到任意主題的詳細看板中。分析性更強
駕駛艙則要注意這些：
數據準確性非常高——它不像大屏，錯了也沒有人知道。駕駛艙對接公司決策層，不允許有任何的數據誤差。
美觀度——領導要看的東西，你自然要花點功夫去精心調試。
看板
看板（dashborad）即為最基礎的 BI 展現方式。
相比 大屏、駕駛艙而言，dashboard 并不那么浮夸，它的主要使用對象為一般的管理人員和運營人員。一般來說，看板也可以自由的鉆取、聯動。從而幫助業務人員進行更好的分析。
移動端
部分 BI 產品也支持移動端展示，內容一般為核心指標。
移動端開發時，需要特別注意不同手機的適配度。必要情況下，可以拿用戶的實際手機款式做針對性調整。
自助分析
并非所有的儀表板，都一定由數據部門來開發完成。有能力的業務人員更希望自己可以隨時進行制作，而不受數據部門的約束。因此在數據部門提供數據底層的情況時，業務部門也會親自上陣進行開發。
4、BI 的開發方式
BI 的開發，與常見的項目開發并無兩樣
確認需求——需求分析——指標維度梳理——源數據和數據質量確認——結果表設計——ETL 開發——可視化實現。
有幾個重點需要注意：
第一步要確定 BI 的最終使用者，直接與使用者溝通會節省大量的時間。
需求分析結束后，一定要與最終使用者進行文檔確認，確保雙方理解一致。
不要輕易相信源頭提供的數據，獲取到數據后自己一定要初步檢查，確保數據質量。
demo 先行——盡早確定使用者想要的BI樣式，免得反復調試浪費時間。
5、部分BI介紹
5.1 Tableau
Tableau 毫無疑問的市場王者，也是目前全球最易于上手的報表分析工具，并且具備強大的統計分析擴展功能。它能夠根據用戶的業務需求對報表進行遷移和開發，實現業務分析人員獨立自助、簡單快速、以界面拖拽式的操作方式對業務數據進行聯機分析處理、即時查詢等功能。
但 Tabealu 也有自己的缺點：最大的缺點就是價格過于昂貴。對于大部分公司來說，如此昂貴的 Tableau 性價比并不高。
5.2 FineReport
帆軟是目前國內最大的 BI 廠商，合作廠商也相當多；產品線也遍及大屏、移動端、智能報表。可以說是最適合中國中小型企業的 BI 了。
FineReport 本是一個智能報表軟件，但由于集成了大量圖表，相比其他 BI 開發效率雖然稍慢，但是自由度更高。
5.3 Superset
Superset 是一款由 Airbnb 開源的“現代化的企業級 BI （商業智能） Web 應用程序”，其通過創建和分享 dashboard，為數據分析提供了輕量級的數據查詢和可視化方案。
Superset 的缺點就比較多了
沒有提供圖表的下鉆功能
不支持多圖表間的復雜聯動
處理大數據集時容易暴斃
權限管理和圖表管理的功能設計基本為0
但它是開源的——你無法要求一個東西又免費又好用，因此技術能力較強的公司可以考慮。
6、其他雜談
正如開題所言， BI 并非簡單的數據可視化，而是一套極度復雜的商業解決方案；
如何做到企業數據化？數據驅動業務？數據治理？
僅憑幾個EXC是遠遠不能滿足的——只有建立起良好的 BI 生態體系，企業才能真正邁入數據化。
另一方面，BI 的表象是可視化分析報表的呈現，但它的本質還是業務問題、管理問題。
如何通過 BI ，使得業務、管理能夠不斷優化，這才是值得我們深度思考的。
歡迎各位朋友學習參考，有更多建議或者想法可以留言，我們一起成長。
