商务智能和数据分析的区别

数据分析和商业智能的区别~

数据分析：一般指对数据进行研究的方法和过程。
商业智能：是指将数据分析商业化、信息化，实现商业价值的企业信息化建设过程。
所以数据分析包含的内容可以很宽泛，而商业智能则更聚焦于实现商业价值。
1.数据分析的概念：
通俗意义上来讲，“数据分析”并没有特定的应用场景，人们更喜欢将数据分析作为一种行为过程去讨论，或在其后加上诸如方法论这类的具体名词来定义。
作为对数据进行研究的过程而言，数据分析将经历明确目标、收集、处理、探索、展现、发现问题这几个步骤。
数据分析的六个步骤
在这个过程中我们更加注重过程劳动和成果价值，而这个过程小到凝视身边人一眼，大到制定国家发展五年计划，它发生在生活的方方面面。
举个生活中的小例子，比如我们想买一款适合自己的手机，在对手机市场不熟悉的情况下，可以在各大论坛搜集参数信息，结合自己的预算、喜好，选出要购买的手机品牌、价格、性能等需求细节，进而确定我们的最终选择。
这样的行为也可以是属于数据分析，属于个人行为，也并不需要专业的工具，更不会对个人产生直接的商业价值。
这意味着广义上的数据分析代表的仅是一种行为的过程，没有特定的应用对象和场景，和商业智能并没有很明确的对比意义。

1.1数据分析方法：
对于具体的数据分析方法，在各行各业的应用也是多如繁星、数之不尽，下面的一些方法作为例子，为大家抛砖引玉。
数据分析方法

2.商业智能的概念：
商业智能是指将数据分析商业化、信息化，实现商业价值的企业信息化建设过程。
“商业智能”（或商务智能）这个词其实诞生于上世纪90年代，经过几十年的发展演变，许多人会将商业智能看成一种解决方案，最终目标是为管理者提供决策支持。

究其实际情况而言，解决方案是一种运用合理的方法、合理的工具手段，以合理的成本投入去解决企业一段时间范围内可预见难题的行动方案，是有保质期的。
而商业智能是经过阶段性递进、持续优化的信息化建设过程，追求的是持续收益、长期决策支持，而不是短期见效。

2.1商业智能建设的难点：
而且在商业智能建设过程中，我们会遇到以下几大难题（敲黑板，划重点）：
平台挑战：数据分析链条很长，从采集、治理、整合、存储、计算、建模到展现，涉及工具和技术太多，成本高昂，架构复杂，需求实现效率太低，难以满足企业业务的洞察需要。
应用挑战：IT部门辛苦做出的数据报告，业务部门觉得没用，问业务部门有什么需求，又难以提出。
服务挑战：无论是自建服务团队还是找第三方供应商，缺乏贴身的精细化专业服务能力导致解决问题效率低下，带来负面用户反馈。
运营挑战：用的都是国际大牌产品，但系统就是不稳定，问题频出，本质是因为缺少运营的系统化方法。
解决商业智能建设过程中的难题，使商业智能建设过程能在企业内取得长远收益，为管理者做持之以恒、稳健发展的决策支持，发挥数据价值，进而驱动商业价值体现，我们需要的是数据驱动业务增长能力模型——PASO能力模型。
PASO能力模型
请点击输入图片描述
通过PASO能力模型，稳健的完成企业商业智能建设过 程，获得长期受益，才是真正意义上诠释和体现数据的商业价值，实现长期决策支持。
举个例子：
这是我们根据某企业国际物流业务的实际情况，进行调研和分析之后，建立的一套营销体系模型。
此仪表盘由 Yonghong Z-Suite 完成
请点击输入图片描述
通过营销体系模型，分析出每一步的销售过程的数据，从而不断改进销售技巧以及优化服务流程，最终实现了广告投放上的价值最大化，以及销售流程环节标准化。
这是一个企业应用商业智能的实例，也显示出我刚才提到的，商业智能不是短期解决问题的方案，而是一个追求持续收益的长期建设过程。

传统报表与BI商业智能的区别：
1、传统报表往往是基于某一套系统而展示出来的报表；而BI商业智能可以通过不同的来源进行数据整合，而生成所需要的报表。
2、传统报表的格式基本上是固定，如果要调整可能需要软件公司进行开发设计；而BI商业智能是将有关系的数据整理成一张张的事实表和维度表，用户可以根据不同的角度拉出想要的报表。
3、传统报表更加侧重让老板看到短期的一个运作效果，而BI商业智能更侧重于长久的决策与战略，更侧重根据商业行情发展的趋势来设计报表模型。
4、传统报表主要是基于原有的系统数据结构进行关联展示，而BI商业智能数据经过一系列的整理、调整、整合，因此速度更快更加清晰。
5、BI商业智能提供更强大的界面处理分析功能，比如可以很容易进行同比、环比分析，可由用户设定简易的公示做计算，可以做地图分析等等…一系列强大功能让老板全面了解企业的经营状况。

数据分析：一般指对数据进行研究的方法和过程。

商业智能：是指将数据分析商业化、信息化，实现商业价值的企业信息化建设过程。

所以数据分析包含的内容可以很宽泛，而商业智能则更聚焦于实现商业价值。

1.数据分析的概念：

通俗意义上来讲，“数据分析”并没有特定的应用场景，人们更喜欢将数据分析作为一种行为过程去讨论，或在其后加上诸如方法论这类的具体名词来定义。

作为对数据进行研究的过程而言，数据分析将经历明确目标、收集、处理、探索、展现、发现问题这几个步骤。

数据分析的六个步骤

在这个过程中我们更加注重过程劳动和成果价值，而这个过程小到凝视身边人一眼，大到制定国家发展五年计划，它发生在生活的方方面面。

举个生活中的小例子，比如我们想买一款适合自己的手机，在对手机市场不熟悉的情况下，可以在各大论坛搜集参数信息，结合自己的预算、喜好，选出要购买的手机品牌、价格、性能等需求细节，进而确定我们的最终选择。

这样的行为也可以是属于数据分析，属于个人行为，也并不需要专业的工具，更不会对个人产生直接的商业价值。

这意味着广义上的数据分析代表的仅是一种行为的过程，没有特定的应用对象和场景，和商业智能并没有很明确的对比意义。

1.1数据分析方法：

对于具体的数据分析方法，在各行各业的应用也是多如繁星、数之不尽，下面的一些方法作为例子，为大家抛砖引玉。

数据分析方法

2.商业智能的概念：

商业智能是指将数据分析商业化、信息化，实现商业价值的企业信息化建设过程。

“商业智能”（或商务智能）这个词其实诞生于上世纪90年代，经过几十年的发展演变，许多人会将商业智能看成一种解决方案，最终目标是为管理者提供决策支持。

究其实际情况而言，解决方案是一种运用合理的方法、合理的工具手段，以合理的成本投入去解决企业一段时间范围内可预见难题的行动方案，是有保质期的。

而商业智能是经过阶段性递进、持续优化的信息化建设过程，追求的是持续收益、长期决策支持，而不是短期见效。

2.1商业智能建设的难点：

而且在商业智能建设过程中，我们会遇到以下几大难题：

• 平台挑战：数据分析链条很长，从采集、治理、整合、存储、计算、建模到展现，涉及工具和技术太多，成本高昂，架构复杂，需求实现效率太低，难以满足企业业务的洞察需要。

• 应用挑战：IT部门辛苦做出的数据报告，业务部门觉得没用，问业务部门有什么需求，又难以提出。

• 服务挑战：无论是自建服务团队还是找第三方供应商，缺乏贴身的精细化专业服务能力导致解决问题效率低下，带来负面用户反馈。

• 运营挑战：用的都是国际大牌产品，但系统就是不稳定，问题频出，本质是因为缺少运营的系统化方法。

解决商业智能建设过程中的难题，使商业智能建设过程能在企业内取得长远收益，为管理者做持之以恒、稳健发展的决策支持，发挥数据价值，进而驱动商业价值体现，我们需要的是数据驱动业务增长能力模型——PASO能力模型。

请点击输入图片描述

PASO能力模型

通过PASO能力模型，稳健的完成企业商业智能建设过 程，获得长期受益，才是真正意义上诠释和体现数据的商业价值，实现长期决策支持。

举个例子：

这是我们根据某企业国际物流业务的实际情况，进行调研和分析之后，建立的一套营销体系模型。

请点击输入图片描述

通过营销体系模型，分析出每一步的销售过程的数据，从而不断改进销售技巧以及优化服务流程，最终实现了广告投放上的价值最大化，以及销售流程环节标准化。

这是一个企业应用商业智能的实例，也显示出我刚才提到的，商业智能不是短期解决问题的方案，而是一个追求持续收益的长期建设过程。

大数据和商业智能是两个很容易被混淆的概念，但他们之间还是有不少去别的，下面我举两个可能不是特别精确，但绝对直观的区别点，来帮助大家直观了解二者的区别。第一，数据分析只管一个问题，商业智能管一套问题。也可以说是数据分析管个体，商业智能管整体。从概念入手就可以看得很明白，数据分析，是通过对提取到的数据进行转换、建模等手段为某种问题得出结论的过程，而商业智能，它是一整套的解决方案，负责把企业提供的真实数据拿过来，通过这样那样的方式，来进行全方位多角度的分析，目的是为企业提供辅助的决策。第二，数据分析是手段，商业智能是应用。这一点可能会更好理解一点。数据分析是冷冰冰的模式化的“工具人”，它提供了很多种好用的小工具，比如说回归、聚类、关联关系。而商业智能虽然要用到这些工具，但真实的业务数据绝不能往上生搬硬套，需要我们拿到各种工具分析的结果之后，结合对行业和领域的分析，自己在脑子里进行思考对比，把数据结果转化成商业信息，进而辅助我们作出切实可行的商用决策，最终投入实际应用。

　　商务智能又称商业智能或BI，是一种将数据仓库、数据挖掘和联机分析处理等技术进行综合运用的一种方法，通过对数据的分析得出数据报表对企业的经营决策提供参考，是针对企业的一种商业智能解决方案。
　　数据分析只是一种利用数学方法处理数据的工具，讲究的是对数据的统计分析、探索假设以及验证的过程。数据分析只是商业智能运用里的一部分。
　　在使用方面，FineBI一类的商务智能系统应用性和使用感都要更强。

---

融安县18482015413： 数据分析和商业智能的区别? - ？
颜壮蛇胆： 大数据分析其实说简单是个工具,分析方法,好多人都是用统计方法建模,无论你的商业模式是什么样子,你用数学方法,用数据证明你的假设都可以称为数据分析.商业智能相对来说更趋向于一种产品、服务.利用报表、分析、管理等企业关系型数据库的分析,应用.想从事这块的可以多去大圣众包平台了解.

融安县18482015413： 数据挖掘和商务智能有什么区别 - ？
颜壮蛇胆： 商务智能是一整套解决方案,是从各种商业数据2113中提取有效信息,来辅助商业决策,数据挖掘只是其中一种分析技术手段.现在产生数据挖掘和商务智能有区别这样5261的误解,我认为和商务智能被狭义的理解成报表工具有关,现阶段许多商务智能项目只有报表分析,这是有4102许多客观事实的,像数据质量不高、数据量少、各个业务系1653统没打通等等,但是这不代表商务智能只有报表,数据挖掘是更深层次的分析,随着企业信息化的加深,数据挖掘在商务智能方案版中占的比重也会越来越重.只有报表工具的商务智能厂商,可以说已经落后了. 亿信华辰豌豆DM可视权化数据挖掘平台深入洞察企业数据规律,充分挖掘数据潜在价值,多维度深度分析更精准.

融安县18482015413： 商业智能软件和其他数据分析处理软件有什么区别? - ？
颜壮蛇胆： 商业智能相较其他信息管理数据分析软件,它做的不仅仅是数据的汇总分组,还有信息孤岛的整合,多维分析,数据挖掘预测分析之类.推荐你一款很容易上手的商业智能软件你试用感受一下——finebi——你会发现很多你为之苦恼的数据问题,商业智能都可以把它们ko掉

融安县18482015413： 商务智能BI什么,和商业智能有什么区别 - ？
颜壮蛇胆： 商业智能和商务智能严格意义上是一个名字,简称BI,主要指将数据通BI工具,在数据建模的基础上,进行各种可视化交互式分析,挖掘数据价值的一整套解决方案,包括ETL、数据仓库、数据建模、数据科室、自助式分析、报表统计等,例如Wyn BI就指的是一种商业智能软件和解决方案.

融安县18482015413： 大数据 BI两者什么关系?企业用BI吗 - ？
颜壮蛇胆： 在商务领域,应用大数据和应用BI到底有什么区别,好像都是和数据分析、数据挖掘到最后的数据结果有关系,随着大数据和BI的发展,又有声音说BI将会替代大数据,到底BI和大数据两者什么关系. 第一、定义的不同BI直译就是商务智能...

融安县18482015413： 商务智能与数据挖掘 的关系是什么 - ？
颜壮蛇胆： 商务智能指利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理,并通过各种数据统计分析工具对客户数据进行分析,提供各种分析报告,如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等,为企业的各种经营活动提供决策信息. “商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息,创造和累计商务知识和见解,改善商务决策水平,采取有效的商务行动,完善各种商务流程,提升各方面商务绩效,增强综合竞争力的智慧和能力.”数据挖掘是个技术概念,商务智能是商业领域综合利用数据的很宽泛的应用概念. 狭义的说商务智能是数据挖掘技术在商业领域的应用.

融安县18482015413： 商务智能是什么意思 - ？
颜壮蛇胆： 商务智能也叫商业智能.商业智能的概念在1996年最早由加特纳集团(Gartner Group)提出,加特纳集团将商业智能定义为:商业智能描述了一系列的概念和方法,通过应用基于事实的支持系统来辅助商业决策的制定.商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处.国内外比较有名的商业智能产品有tableau、FineBI等

融安县18482015413： 商业智能这个概念是什么意思 - ？
颜壮蛇胆： 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. 商业智能作为一个工具,是用来处理企业中现有数据,并将其转换成知识、分析和结论,辅助业务或者决策者做出正确且明智的决定.是帮助企业更好地利用数据提高决策质量的技术,包含了从数据仓库到分析型系统等.目前国内外市场主要商业智能软件厂商有:tableau、PowerBI、finebi等.

融安县18482015413： 商务智能和ERP的区别 - ？
颜壮蛇胆： ERP是偏重于业务的管理软件.说白点就是用系统管理企业的采购、生产、销售等业务环节吧. 商务智能我理解偏重于数据管理.主要是通过导入其他系统数据(ERP系统只是数据源之一),进行数据分析.汇总出直观、总括性的报表.只要给企业管理层看的.一般讲商务智能包括三个部分:数据仓库(就是你众多数据的集中存储,暂时这么理解吧.)数据抽取(用抽取工具从数据仓库中抽取所需要的数据)前端展示(以某种具体的方式展示数据.比如常见的图形、报表、PDA数据展示等吧)