文章

区别:大数据&商业智能

2018-11-26佚名

212阅
大数据对于传统BI,有继承也有发展,BI与大数据区别在于前者更倾向于业务决策,对事实描述更多是基于历史数据的共性,帮助决策者掌握宏观统计趋势,适合经营运营数据支撑类需求,而大数据则内涵更广,倾向于刻画个体,更多的在于个性化的决策分析。

    大数据 ≠BI商业智能,大数据也不是传统商业智能的简单升级。

    大数据的定义和应用仍然被一些企业的决策者所回避。这些企业在商业智能(BI)的流程和应用程序上投入了大量资金,并且希望将他们一直在做的事情冠以“大数据”的名义幸福地生存下去。可惜的是,BI与大数据所处理的事情确实是不同的。

概念战正在进行

    虽然大数据是一个相对较新的学科,但它已经集合了许多新的概念,用以解释如何收集数据、如何分析数据以及如何使用数据。

    BI=商业智能,他跟企业或者机构的业务息息相关,没业务就谈不上BI,因为BI产品是企业数据化管理方案中的一个必要的因素,他要帮助企业整合数据,并提供管理者生产报表的功能呈现数据分析维度帮助管理者作出明智的业务经营决策,数据运营,数据营销都是这类问题。

    大数据,第一点区别是对企业拥有庞大的数据进行抽取,管理,处理,这些数据可以是非结构化的,或者看起来无用的数据,也可以是结构化的数据集合,这些数据是需要重新处理才能挖掘出价值。而这些数据是海量,高增长和多样化的信息资产。大数据更侧重解决某一类问题的方法,比如全网的用户画像,用户言论,以及对海量的非结构化物联数据的分析。

    不管定义有什么不同,或者还有多少种解释,大数据与传统BI是互联网以及数字化建设发展到不同阶段的产物。大数据对于传统BI,有继承也有发展,BI与大数据区别在于前者更倾向于业务决策,对事实描述更多是基于历史数据的共性,帮助决策者掌握宏观统计趋势,适合经营运营数据支撑类需求,而大数据则内涵更广,倾向于刻画个体,更多的在于个性化的决策分析。

    所以站在客户的角度来讲,两者可能都是他们需要的,而这两者也确实可以在一定程度上共用,因为两者几乎都是从数据->信息->知识->智慧。

野生的大数据概念

    如果你听到别人说:

    “大数据就是传统BI的简单升级,其实就是一个包装卖点”

    那不出意外,这个人一定是个传统BI商业智能的从业者。

    但如果你听到别人说:

传统BI已经过时了,BI产品无法适应大数据时代

    那么,恭喜你又遇到了一个大数据  从业者。

    当供应商构建产品并提供旨在处理大数据整体或领域中一些部分的服务,他们通常会提出自己的概念。这样他们可以声称他们创造了这个概念,并且所有其他供应商都在追随他们。

    在“机器智能”的旗帜下,业界已开始谈论“人工智能”、“深度学习”和“机器学习”,这些术语可用于描述产品如何处理数据从而让企业从数据中获取价值。它也可用于描述工具如何找到数据中的模式和异常情况,以帮助企业的数据科学家。

    随着行业的发展,新的概念会定期出现。通常这意味着一个供应商试图以一种新的方式来定位他们的产品和服务,而不是在底层技术上提供明显提升。

    当供应商挥舞大数据旗帜时,他们通常会谈论企业如何审查从大量到海量的数据,以找出隐藏的规律,利用各种类型的数据的能力,并基于新的洞察来进行有意义的调整,使他们能够快速采取行动。通常,其显著的区别是在哪里以及如何部署这些技术。

BI的重点在于检查已知信息

    作者Mary Pratt认为,BI利用软件和服务将数据转化为可操作的情报,从而告知组织的战略和战术业务决策。BI工具可访问和分析数据集,并在报告、摘要、仪表板、图表和地图中提供分析结果,为用户提供关于业务状态的详细情报。换句话说,商务智能是企业提出问题,并从他们的信息系统获得有用的回应。

    最终,BI基于企业知识,即正在发生的事情以及需要被跟踪和了解的已经发生的事情。为此,企业建立流程和系统来收集所需数据,分析数据,然后根据分析汇报结果。企业知道需要跟踪什么、如何分析这些数据以及如何报告分析结果以及应该汇报给谁。

    BI成为许多供应商的盈利来源。他们开发了构建和利用“数据仓库”的工具,并通过复杂的工具来为决策者提供有用的仪表板和报告工具。

    大数据在几个重要方面与BI相关,但它们是不同的。

大数据

    大数据被认为是处理大量数据,但它的范围更广,尤其是在探索未知方面。通常,目标是通过筛选企业自己的操作和机器数据来了解要提出什么问题。一旦这些问题被知晓,BI流程就可以用于额外的探索和报告。但大数据更有趣的用途之一是在业务活动发生时将分析集成到业务操作中。所以,大数据不仅仅是解释已经发生的事情的更好方式,而是可以直接影响业务结果。

    大数据,第一点区别是对企业拥有庞大的数据进行抽取,管理,处理,这些数据可以是非结构化的,或者看起来无用的数据,也可以是结构化的数据集合,这些数据是需要重新处理才能挖掘出价值。而这些数据是海量,高增长和多样化的信息资产。大数据更侧重解决某一类问题的方法,比如全网的用户画像,用户言论,以及对海量的非结构化物联数据的分析。

大数据面临的挑战

    大数据希望解决的难点是:

    ●如何有效地获取和存储如此大量的数据

    ●如何分析这些数据,以便企业能够更好地了解自己的业务或客户需求,以及如何满足这些需求

    ●如何收集如此大量的数据并直接支持处理和分析,特别是以一种安全的方式来满足越来越多的隐私条例

    ●企业如何筛选数据,提出重要问题,并将结果可视化

    ●减少延迟和等待时间,以便将分析纳入企业的运营中

意想不到的变化

    当企业经历意外的或突然的变化时,他们通常会开始思考为什么会错过以及是如何错过的。

    例如,竞争对手可能突然进入市场。老竞争对手可能会消失或被视为局外人的公司收购。还可能开始与其他紧密相关的市场发生合并或冲突,以导致意想不到和被认为是不受欢迎的变化。

海量数据可能提供线索

    很多时候,这些企业拥有大量的数据,这些数据已经积累了很长时间,但企业根本不知道该如何处理它。这些数据可能包含运营数据,其中包括销售数据、生产数据、研究数据和天气数据。它也可能有大量来自销售点设备或制造过程控制系统的数据。它也可能包含对监管变化或其他经济变化的信息。

    在了解了“大数据”的概念后,企业决策者被鼓励系统地评估这些数据,并寻找模式和异常。这些有价值的信息可以为最近获得的数据提供适当的背景信息。因此,在网页加载时,就可以根据深层的历史数据以及流式和实时操作对客户体验进行优化。

    最后,他们发现了该去了解的新问题,以帮助他们了解所发生的事情并推动洞察力。这意味着他们开始明白,他们需要更智能的、由机器学习所驱动的自动化响应,来识别背景和意义,从而改善企业自身的实践。他们的目标当然是增加收入,或降低成本,或两者兼而有之。

企业将很快意识到需要新的工具和专业知识

    一旦企业开始利用大数据,决策者很快就会认识到,它需要一套不同的工具和专门知识。首先,这个领域看起来需要企业“面面俱到”,才能通过整个过程获得价值。当然,这可能是耗费时间的,并且可能最终不会获得在流程开始时所期望的价值。

    我们建议最好找一些更有可能产生新价值或容易学习的简单东西。这种学习应该带来新的机会和/或改变对当前业务、产品或服务的认识,而不是对已经显而易见的事情进行痛苦的研究。

    一旦踏上这段旅程,企业很快就会发现,亡羊补牢的宝贵见解并不那么具备价值。企业很快就会发现,一遍又一遍地做同样的事情而没有实现流程的自动化,意味着任何好处都可能会在流程本身造成的时间和成本增加的情况下被淹没。

    通常,企业意识到它“知道”组织中的某个地方即将发生变化,甚至应该如何处理这些变化。有些时候企业会意识到利用了这些知识并获得了一些重要的好处。其他时候,企业发现没有利用上这些知识,而是被事件“蒙蔽”了。

现在是时候了

    大数据工具和流程已经发展到足够让企业在学习如何利用它们时有安全感。他们很快就会了解到,这个领域已经迅速开发出新的工具、新的方法和新的思维方式。

不要单干

    既然大数据的概念已经发展了一段时间,现在有许多供应商提供工具、现成的流程和专业服务,可以很好地利用。记得从小处着手,积累经验,并在过程中逐步获得实际价值。

    传统BI仍旧有大量的市场需求。大数据普及还需要时间,但大数据对BI不仅仅是简单的包含的关系,它涉及了思想、工具和人员深层次的变革,所以大数据绝对不是BI包了一个高大上的空壳,但大数据也千万不要高高在上,它需要更加贴和行业场景,解决实际的业务问题,让自己更好的进行落地。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论