[[170988]]

BI(BusinessIntelligence)即商務(wù)智能，它是一套完整的解決方案，用來(lái)將企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合，快速準(zhǔn)確的提供報(bào)表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策。

大數(shù)據(jù)(Big Data)，指在可承受的時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來(lái)適應(yīng)海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

不管定義如何不同，大數(shù)據(jù)與傳統(tǒng)BI是社會(huì)發(fā)展到不同階段的產(chǎn)物，大數(shù)據(jù)對(duì)于傳統(tǒng)BI，既有繼承，也有發(fā)展，從”道”的角度講，BI與大數(shù)據(jù)區(qū)別在于前者更傾向于決策，對(duì)事實(shí)描述更多是基于群體共性，幫助決策者掌握宏觀統(tǒng)計(jì)趨勢(shì)，適合經(jīng)營(yíng)運(yùn)營(yíng)指標(biāo)支撐類問(wèn)題，大數(shù)據(jù)則內(nèi)涵更廣，傾向于刻畫(huà)個(gè)體，更多的在于個(gè)性化的決策。

基于這個(gè)特點(diǎn)，大數(shù)據(jù)很容易在生產(chǎn)中形成基于個(gè)體的評(píng)估和閉環(huán)反饋網(wǎng)絡(luò)，BI則由于偏向宏觀而難以在生產(chǎn)中貫徹執(zhí)行從而產(chǎn)生實(shí)際價(jià)值，因此，當(dāng)前的大量的新數(shù)據(jù)應(yīng)用領(lǐng)域，實(shí)際BI是沒(méi)有覆蓋的，比如RTB廣告、智能制造、個(gè)性醫(yī)療等等。

當(dāng)然純粹從思想的角度講，兩者在概念上是可以實(shí)現(xiàn)統(tǒng)一的，都遵循數(shù)據(jù)-信息-知識(shí)-智慧這個(gè)脈絡(luò)，甚至在更高的層次，兩者也是可以統(tǒng)一的，比如這個(gè)定義：“世界上萬(wàn)事萬(wàn)物都在被數(shù)據(jù)化，形成一個(gè)與現(xiàn)實(shí)世界相關(guān)聯(lián)的數(shù)據(jù)世界，人類可以利用數(shù)據(jù)化的方式，應(yīng)對(duì)和解決生存和發(fā)展問(wèn)題。”

因此很多人說(shuō)BI跟大數(shù)據(jù)沒(méi)區(qū)別，的確是這樣，沒(méi)必要抬高大數(shù)據(jù)，但由此認(rèn)為兩者價(jià)值也差不多，那也有問(wèn)題，它忽略了”術(shù)”的不同，由此造成應(yīng)用的巨大差別。

舉個(gè)例子：神經(jīng)網(wǎng)絡(luò)理論幾十年前就有，為啥直到現(xiàn)在才有深度學(xué)習(xí)突破性的進(jìn)展，關(guān)鍵是其”術(shù)”的能力提高了，一定程度講，大規(guī)模數(shù)據(jù)并行處理讓這個(gè)理論煥發(fā)了新生。

理念是一回事，付諸實(shí)踐是另一回事，因此，我們還是要從“術(shù)”的角度來(lái)闡述大數(shù)據(jù)與傳統(tǒng)BI的區(qū)別，事實(shí)上，傳統(tǒng)BI，由于其術(shù)的限制，已經(jīng)達(dá)到了一定瓶頸。

傳統(tǒng)BI廠家喊了多少年的”幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策”，現(xiàn)在除了一堆報(bào)表系統(tǒng)，搞了一些決策樹(shù)等統(tǒng)計(jì)算法，還剩下什么呢?傳統(tǒng)企業(yè)引入了那么多的BI咨詢，寫(xiě)了那么多報(bào)告，真正發(fā)生過(guò)價(jià)值的有多少?BI已死也并非空穴來(lái)風(fēng)。

如果搞BI的還在原有的地方轉(zhuǎn)圈圈，不去變革，除了空喊我也是大數(shù)據(jù)，沒(méi)有意義，因?yàn)閿?shù)據(jù)價(jià)值最終還得看落地的能力。

大數(shù)據(jù)的4V特征大家都懂，大數(shù)據(jù)在量、維度、速度等方面相對(duì)于傳統(tǒng)BI的改變的確讓數(shù)據(jù)改造世界的能力發(fā)生了質(zhì)的變化, 那么，大數(shù)據(jù)的“術(shù)”于傳統(tǒng)BI到底有哪些變化?傳統(tǒng)企業(yè)需要做哪些改變呢?

1、超越BI，拓展新的業(yè)務(wù)邊界

大數(shù)據(jù)不是繡花枕頭，它的***要?jiǎng)?wù)就是解決業(yè)務(wù)問(wèn)題，大數(shù)據(jù)一定程度上講就是用全新的數(shù)據(jù)技術(shù)手段來(lái)拓展和優(yōu)化業(yè)務(wù)，傳統(tǒng)企業(yè)需要聚集一撥人來(lái)研究這個(gè)問(wèn)題。

如果對(duì)外，想清楚新的商業(yè)模式，如果對(duì)內(nèi)，想清楚在哪個(gè)場(chǎng)景，可以用大數(shù)據(jù)的手段來(lái)提升效率。

當(dāng)前大數(shù)據(jù)可以產(chǎn)生價(jià)值的地方，從行業(yè)的角度看，互聯(lián)網(wǎng)、制造業(yè)、公共服務(wù)、醫(yī)療保健、金融服務(wù)都有廣闊前景。

從領(lǐng)域的角度看，廣告、營(yíng)銷、風(fēng)控、供應(yīng)鏈都是大數(shù)據(jù)發(fā)揮價(jià)值的地方，對(duì)于特定企業(yè)，比如電信運(yùn)營(yíng)商，大數(shù)據(jù)也可以在網(wǎng)絡(luò)優(yōu)化等方面提供新的方法。

大數(shù)據(jù)應(yīng)用場(chǎng)景是企業(yè)特別需要想清楚的地方，傳統(tǒng)BI失敗，一定程度講，是技術(shù)推動(dòng)業(yè)務(wù)導(dǎo)致的倒掛現(xiàn)象所致，是高估傳統(tǒng)BI利用數(shù)據(jù)的能力所致，比如大量領(lǐng)域用傳統(tǒng)BI產(chǎn)生不了生產(chǎn)力，當(dāng)然也少不了忽悠。

大數(shù)據(jù)也面臨這個(gè)重大問(wèn)題，但應(yīng)該看到，隨著大數(shù)據(jù)概念的普及，應(yīng)用領(lǐng)域的大幅延伸，企業(yè)的管理和業(yè)務(wù)人員對(duì)于數(shù)據(jù)的認(rèn)識(shí)有了很大的轉(zhuǎn)變，數(shù)據(jù)化的思維開(kāi)始深入人心，對(duì)于大數(shù)據(jù)來(lái)說(shuō)，是一個(gè)新的機(jī)會(huì)。

不業(yè)務(wù)，無(wú)大數(shù)據(jù)。

2、顛覆BI，打造大數(shù)據(jù)技術(shù)引擎

這是當(dāng)前大數(shù)據(jù)領(lǐng)域最火的地方，很多企業(yè)紛紛在建設(shè)自己的大數(shù)據(jù)臺(tái)，不外乎解決以下問(wèn)題，以下僅舉例。

比如用Hadoop、流處理等技術(shù)解決海量的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的ETL問(wèn)題，用Hadoop、MPP等技術(shù)計(jì)算海量數(shù)據(jù)的計(jì)算問(wèn)題，用redis、HBASE等方式解決高效讀的問(wèn)題，用Impala等技術(shù)實(shí)現(xiàn)在線分析等問(wèn)題。

本質(zhì)是基于廉價(jià)的機(jī)器，采用去中心化，分布式的方式去解決海量結(jié)構(gòu)，非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)、處理和讀寫(xiě)的問(wèn)題。

要理解這個(gè)，其實(shí)去讀懂Google的三篇論文就可以了，分別是關(guān)于Google File System、Google Bigtable及Google MapReduce的。

但并不是每個(gè)企業(yè)都需要打造自己的大數(shù)據(jù)平臺(tái)，量力而行吧，可以自研 ，比如BAT，也可以采購(gòu)，比如傳統(tǒng)大企業(yè)，也可以租用，比如用阿里云和AWS。

在技術(shù)上，傳統(tǒng)BI的ETL、數(shù)據(jù)倉(cāng)庫(kù)、OLAP、可視化報(bào)表技術(shù)，都處于淘汰的邊緣，因?yàn)樗鉀Q不了海量數(shù)據(jù)(包括結(jié)構(gòu)化與非結(jié)構(gòu)化)的處理問(wèn)題，其所有的功能都可以被對(duì)應(yīng)的大數(shù)據(jù)組件所替代，因此不再有發(fā)展前途，大多數(shù)企業(yè)即使沒(méi)有大數(shù)據(jù)業(yè)務(wù)的驅(qū)動(dòng)，但大數(shù)據(jù)技術(shù)的成本優(yōu)勢(shì)在那里，不做大數(shù)據(jù)也倒逼你用大數(shù)據(jù)技術(shù)，是不?

當(dāng)然傳統(tǒng)BI那套，也將長(zhǎng)期存在，畢竟大數(shù)據(jù)的普及和應(yīng)用是個(gè)漫長(zhǎng)的過(guò)程，傳統(tǒng)企業(yè)對(duì)于大數(shù)據(jù)技術(shù)穩(wěn)定性的擔(dān)憂也是個(gè)障礙，但企業(yè)至少要末雨綢繆了，趨勢(shì)不可擋啊，大數(shù)據(jù)技術(shù)會(huì)越來(lái)越成熟。

我記得自己的企業(yè)1年前還在用DB2，僅一年的時(shí)間，GBASE就把它替換了。我們總是低估了技術(shù)革命對(duì)于我們自身的影響程度。

3、重塑BI，升級(jí)人員的知識(shí)結(jié)構(gòu)

有了業(yè)務(wù)，也有了技術(shù)，再來(lái)看看人吧，很多企業(yè)在熱火朝天的建設(shè)大數(shù)據(jù)平臺(tái)，但建完之后，卻發(fā)現(xiàn)仍然是個(gè)報(bào)表系統(tǒng)，或者仍然是原來(lái)的BI，領(lǐng)導(dǎo)一看，會(huì)感嘆，不就是換了個(gè)馬甲啊，大數(shù)據(jù)有啥用?

很多企業(yè)，它可以有很多的預(yù)算購(gòu)買(mǎi)很貴的機(jī)器和軟件，但對(duì)于引入人才和培養(yǎng)人才卻有點(diǎn)力不從心，買(mǎi)了1個(gè)億的大數(shù)據(jù)硬件和軟件，卻希望原來(lái)的BI班底就能帶來(lái)大數(shù)據(jù)應(yīng)用的繁榮，那也是差強(qiáng)人意的事情，新品裝舊酒，原來(lái)班底能搞定公司的報(bào)表系統(tǒng)就已經(jīng)很好了。

為什么傳統(tǒng)BI人員搞不定?

大數(shù)據(jù)需要有人專門(mén)研究和探索，傳統(tǒng)BI人員時(shí)間精力有限，此為其一，不是否定BI人員的能力，只是表達(dá)不要奢望BI人員既做個(gè)合格的報(bào)表哥，又是個(gè)大數(shù)據(jù)創(chuàng)新達(dá)人，企業(yè)要能做些取舍。

大數(shù)據(jù)的數(shù)據(jù)處理，涉及太多新的技術(shù)，傳統(tǒng)BI只要懂點(diǎn)SQL就可以活的很好了，但現(xiàn)在看看，不同的應(yīng)用場(chǎng)景需要不同的大數(shù)據(jù)處理方法了，而且不再有人機(jī)交互那么好的客戶端了，至少要懂流處理、HADOOP、列式或分布式鍵值數(shù)據(jù)庫(kù)吧，大數(shù)據(jù)對(duì)于BI人員的技能要求其實(shí)大幅提高了,此其二。

大數(shù)據(jù)更強(qiáng)調(diào)全量了，原來(lái)的BI挖掘人員，搞一些樣本在單機(jī)上運(yùn)行個(gè)R就很歡樂(lè)，但現(xiàn)在不行了，針對(duì)5000萬(wàn)用戶搞個(gè)三度交往圈試試?傳統(tǒng)方式在BI時(shí)代大都嘗試過(guò)了，只有更新方法，才能帶來(lái)新的機(jī)會(huì)，比如，至少要求建模師會(huì)在SPARK上開(kāi)發(fā)算法程序吧，對(duì)于用戶畫(huà)像、產(chǎn)品標(biāo)簽化、推薦系統(tǒng)、排序算法都應(yīng)有所理解，此其三。

人才是大數(shù)據(jù)的核心要素，沒(méi)有人的投入，不能奢望有啥產(chǎn)出，需要多點(diǎn)人才的引入和培養(yǎng)，少點(diǎn)大數(shù)據(jù)的心靈雞湯，大數(shù)據(jù)絕對(duì)不是大忽悠，如果有所懷疑，就問(wèn)問(wèn)你這個(gè)企業(yè)有多少人是在做大數(shù)據(jù)研究和實(shí)踐的。

因此，大數(shù)據(jù)相對(duì)于傳統(tǒng)BI，不是簡(jiǎn)單的PLUS的關(guān)系，它涉及了思想、工具和人員深層次的變革，BI人員既不要一提大數(shù)據(jù)，就嗤之以鼻，認(rèn)為它是新包裝的馬甲，其實(shí)就那么回事;也不需妄自菲薄，以為搞大數(shù)據(jù)就那么高大上，它的確是BI大多數(shù)思想的傳承，傳統(tǒng)BI對(duì)于數(shù)據(jù)的處理思想，都可以用于大數(shù)據(jù)。

順應(yīng)大勢(shì)，更新自己，奮起直追，重裝上陣，是BI應(yīng)有的態(tài)度。