概念

BI即商业智能，泛指用于业务分析的技术和工具，通过获取、处理原始数据，将其转化为有价值的信息指导商业行动。

最新维基百科对BI的定义：Business intelligence (BI) is defined as the ability for an organization to take all its capabilities and convert them into knowledge。（商业智能定义为一个组织将所有资源转化为认知的能力）。

Gartner把BI定义为一个概括性的术语（umbrella term），其中包括应用程序、基础设施和工具，通过获取数据、分析信息以改进并优化决策和绩效，形成一套最佳的商业实践。

传统BI

传统Bi面向的是有IT技术背景的研发人员和数据科学家。在对大数据进行分析的过程中，传统BI的做法是，IT人员事先根据分析需求来进行建模（以及做二次表或打Cube），提前汇总好数据，业务人员在前端查看分析结果报表。

这类BI产品有几个缺点：

1. 部署周期长
2. 报表非常刚性
3. 开发新需求耗时长
4. IT部门负担重

一些业务人员在传统BI中不能够随时修改报表修改数据，而是要依靠专业的IT人员来进行修改；分析报表也不能调整，在这个过程中就暴露了没有IT专业人士，传统BI就啥也干不了。

敏捷BI

敏捷bi的本质由技术部门主导到业务部门主导。特征，简单易用，没有很高的技术门槛以及部署实施时间,大数据处理能力。业务参与建模，报表制作，探索式分析，发布。

关于 Gartner

Gartner 魔力象限：

Gartner定义了现代型BI的基本特征，即5个典型用例及15个关键功能，衡量BI厂商的重要参考标准。

五大用例

1. 敏捷而集中式的BI配置：支持敏捷型的、IT化的工作流程，包括从数据到集中交付和管理分析内容，平台具有自有的数据管理能力
2. 去中心化的分析：支持数据的自服务数据分析。可以为独立的业务模块和用户提供分析支持
3. 可控的数据发现：支持从自服务数据分析到自助创建数据分析管理页面的工作流程，IT级的内容管控，而用户内容生成、管理页面和分析内容都是可复用和可升级的
4. OEM和嵌入式BI：支持数据分析流程以内嵌BI至一个流程或者一种应用中来实现
5. 外部部署：支持为外部客户或者在公共领域的公民接入分析内容，流程类似以敏捷为中心的BI

BI的关键技术

1. 数据仓库:数据仓库是用于管理决策的面向主题、集成、稳定、随时间变化的数据集集合。数据仓库不是简单的对数据进行存储，而是对数据进行在“组织”。
2. 数据挖掘:从大量数据中抽取感兴趣的（非平凡的，隐含的，先前未知的，潜在有用的）模式或者知识。
3. 数据可视化:可视化（Visualization）是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。
4. OLAP:在线分析处理（英语：On-Line Analytical Processing，简称OLAP），是一套以多维度方式分析数据，而能弹性地提供积存（英语：Roll-up）、下钻（英语：Drill-down）、和透视分析（英语：pivot）等操作，呈现集成性决策信息的方法.
5. ETL:Extract-Transform-Load的缩写，数据抽取（Extract）、转换（Transform）、装载 （Load）的过程。

BI架构图

未来趋势

大数据分析技术大众化趋势

数据解析、JSON 和HTML 导入以及数据整理之类的普通数据准备任务无需再分配给专家完成。高级分析变得更加易于使用。伴随高级分析成为业务用户的标准，这两种现象将会合流。高级分析将不再被数据科学家和专家垄断。业务用户已经在利用功能强大的分析函数，例如K均值聚类和预测。

BI流程嵌入化

BI流程嵌入化即“支持将数据转化为可嵌入到其他流程或应用中的BI内容”。

智能BI

智能BI，其实是AI增强的决策支持系统，需要服务于企业中需要决策的各级人员，应该具备实时、闭环、自动进化、全局优化的特征，以及自动识别问题的能力，目的在于提高企业决策的效率和质量，增强企业在数字经济时代的竞争力。

可解释型 AI

可解释型 AI 日益崛起，随着企业越来越依赖于人工智能和机器学习模型，如何能确保它们是值得信赖的? 当 AI 和机器学习提供的答案无法得到解释时，决策者持有怀疑态度是很正常的。对透明度的需求促进了可解释型 AI 的崛起，这种实践要求理解透明的观测结果并将其转换为机器学习模型。当某个模型得出一项结论时，决策者们希望能够通过进一步的问询来了解它为什么作出此结论，可信度有多高，不同的参考数据会让结论发生什么变化。分析和 AI 应该对人类的专业知识和理解能力提供辅助，而不是完全取代

文档参考

1. 《Gartner2019年BI及分析平台魔力象限》的深入解读

https://zhuanlan.zhihu.com/p/57746630

1. 2019 年 商业智能趋势

https://www.tableau.com/zh-cn/reports/business-intelligence-trends