域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

很長(zhǎng)一段時(shí)間，BI和數(shù)據(jù)倉(cāng)庫(kù)幾乎都是如影隨形、難舍難分。企業(yè)如果想要實(shí)行“數(shù)據(jù)驅(qū)動(dòng)決策-決策推動(dòng)業(yè)務(wù)發(fā)展”的機(jī)制，就必須先有數(shù)據(jù)倉(cāng)庫(kù)充當(dāng)中央存儲(chǔ)庫(kù)，供BI查詢和調(diào)取，然后再在BI上進(jìn)行數(shù)據(jù)的分析與可視化。

但數(shù)據(jù)分析和商業(yè)決策發(fā)展至今，企業(yè)想要實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)決策，是否還是無(wú)法繞過(guò)數(shù)據(jù)倉(cāng)庫(kù)？在現(xiàn)代商業(yè)環(huán)境中重新定義BI和數(shù)據(jù)倉(cāng)庫(kù)，我們又能不能找到合適的替代方案？

今天，我們就這個(gè)命題展開(kāi)討論，希望能給大家提供一些思路。

數(shù)倉(cāng)： BI背后的引擎（或管道）

數(shù)據(jù)倉(cāng)庫(kù)： 從字面意義上即數(shù)據(jù)的倉(cāng)庫(kù)，是為了把操作型數(shù)據(jù)集成到統(tǒng)一的環(huán)境中，以提供決策型數(shù)據(jù)訪問(wèn)。數(shù)據(jù)倉(cāng)庫(kù)關(guān)注的是解決數(shù)據(jù)一致性，可信性，集合性.......這些問(wèn)題，把越來(lái)越復(fù)雜的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化成對(duì)于業(yè)務(wù)運(yùn)營(yíng)、業(yè)務(wù)分析來(lái)說(shuō)簡(jiǎn)單易用的數(shù)據(jù)形式；數(shù)據(jù)倉(cāng)庫(kù)的終極目標(biāo)是讓數(shù)據(jù)應(yīng)用人員(無(wú)論是CEO還是普通分析師)思考怎么使用數(shù)據(jù)倉(cāng)庫(kù)里的這些數(shù)據(jù)，創(chuàng)造更多的信息與價(jià)值；而不是發(fā)愁數(shù)據(jù)在哪里，數(shù)據(jù)對(duì)不對(duì)。

BI（商業(yè)智能）： BI是分析數(shù)據(jù)并獲取洞察力、從而幫助企業(yè)做出決策的一系列方法、技術(shù)和軟件。相比數(shù)據(jù)倉(cāng)庫(kù)，BI中還包含了數(shù)據(jù)挖掘，數(shù)據(jù)可視化，多維分析，標(biāo)簽分類等方面。拿多維分析舉個(gè)例子，數(shù)據(jù)倉(cāng)庫(kù)中只是提供了維度化的數(shù)據(jù)，但是基于某些工具，比如Ebay的kylen或者IBM的Cognos等，可以支持用戶在一定范圍內(nèi)任意組合維度與指標(biāo)，那這就上升到了決策支持的層面而不是“高級(jí)數(shù)據(jù)倉(cāng)儲(chǔ)”層面了，也就是使用了數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)，但不是數(shù)據(jù)倉(cāng)庫(kù)的功能。

BI與數(shù)據(jù)倉(cāng)庫(kù)的相關(guān)性（圖片來(lái)源于網(wǎng)絡(luò)）

傳統(tǒng)BI項(xiàng)目的構(gòu)建路徑?jīng)Q定了其必須依賴數(shù)據(jù)倉(cāng)庫(kù)才能進(jìn)行數(shù)據(jù)分析。 比如MicroStrategy，SAP BW，微軟 Analysis Server, IBM的Cognos，Oracle的OBIEE，這些傳統(tǒng)BI工具不具備使數(shù)據(jù)集成標(biāo)準(zhǔn)化的能力，數(shù)據(jù)倉(cāng)庫(kù)的存在就是幫助他們建立數(shù)據(jù)治理結(jié)構(gòu)，解決數(shù)據(jù)冗余、不一致、錯(cuò)誤、無(wú)法輕松訪問(wèn)等問(wèn)題。

另一方面，BI對(duì)數(shù)據(jù)倉(cāng)庫(kù)的這種依賴其實(shí)存在著極大的缺陷。 一般來(lái)說(shuō)，數(shù)據(jù)倉(cāng)庫(kù)通常需要花費(fèi)高經(jīng)濟(jì)成本、時(shí)間成本從規(guī)劃到落地，但創(chuàng)造的價(jià)值大多數(shù)情況比較有限，ROI較低。搭建成功后，數(shù)據(jù)倉(cāng)庫(kù)也僅支持極少數(shù)特定類型的分析，如果企業(yè)業(yè)務(wù)出現(xiàn)調(diào)整或者需要處理新類型的數(shù)據(jù)，屆時(shí)又將重新面臨重大的開(kāi)發(fā)工作。

從現(xiàn)代商業(yè)決策視角，重新審視BI與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系

在如今轉(zhuǎn)向服務(wù)導(dǎo)向架構(gòu)（SOA）（*由Gartner提出，以“服務(wù)”為基本元素來(lái)組建企業(yè)IT架構(gòu)的方式。SOA要解決的主要問(wèn)題是：快速構(gòu)建與應(yīng)用集成，現(xiàn)已成為解決企業(yè)業(yè)務(wù)發(fā)展需求與企業(yè)IT支持能力之間矛盾的最佳方案。）的技術(shù)大背景中，耗費(fèi)巨大心力進(jìn)行大規(guī)模的數(shù)據(jù)整合和數(shù)據(jù)集成操作是否還有必要？構(gòu)建數(shù)倉(cāng)的收益是否能大于你將付出的成本？

再加上企業(yè)數(shù)據(jù)體量不斷提升，業(yè)務(wù)發(fā)展越來(lái)越迅速，對(duì)快速印證分析決策也提出了更高要求，更多的企業(yè)希望能夠降低技術(shù)設(shè)施成本，做到近乎實(shí)時(shí)地訪問(wèn)操作源數(shù)據(jù)，在極短的時(shí)間內(nèi)響應(yīng)用戶請(qǐng)求。

數(shù)據(jù)倉(cāng)庫(kù)和BI的體系結(jié)構(gòu)（圖片來(lái)源于網(wǎng)絡(luò)）

于是我們看到了越來(lái)越多沒(méi)有數(shù)倉(cāng)的BI項(xiàng)目。一方面，敏捷BI的興起，允許用戶快速接入各類數(shù)據(jù)源，無(wú)需借助數(shù)倉(cāng)即可實(shí)現(xiàn)數(shù)據(jù)導(dǎo)入-處理-分析的流程。而另一方面，以觀遠(yuǎn)數(shù)據(jù)為代表的新一代AI+BI智能數(shù)據(jù)分析平臺(tái)，則在快速接入、敏捷分析的基礎(chǔ)上，實(shí)現(xiàn)了更進(jìn)一步的應(yīng)用：

觀遠(yuǎn)數(shù)據(jù)智能分析平臺(tái)：

1. 自帶輕量的分布式數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)流處理模塊，提供從數(shù)據(jù)抽取、數(shù)據(jù)建模、數(shù)據(jù)分析，到數(shù)據(jù)可視化、預(yù)警分發(fā)的一站式數(shù)據(jù)分析應(yīng)用能力；

2. 即便不抽取數(shù)據(jù)，也可實(shí)現(xiàn)多數(shù)據(jù)源的聯(lián)邦動(dòng)態(tài)分析（聯(lián)動(dòng)、鉆取、動(dòng)態(tài)參數(shù)等交互分析功能）。

在這個(gè)角度上來(lái)看，一定程度上可以在沒(méi)有數(shù)據(jù)倉(cāng)庫(kù)的前提下實(shí)現(xiàn)智能數(shù)據(jù)分析，但是，這僅限于數(shù)據(jù)量有限的中小型企業(yè)，不意味著我們推薦直接拿數(shù)據(jù)分析平臺(tái)上的數(shù)據(jù)存儲(chǔ)當(dāng)做數(shù)據(jù)倉(cāng)庫(kù)來(lái)用。

因?yàn)殡S著企業(yè)用戶數(shù)據(jù)量、分析復(fù)雜度的不斷提升，數(shù)據(jù)分析平臺(tái)上輕量式數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)流處理模塊是難以承受巨大的計(jì)算壓力的，從企業(yè)長(zhǎng)遠(yuǎn)發(fā)展的角度上考量，還是需要有計(jì)劃地建設(shè)數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)平臺(tái)。

企業(yè)構(gòu)建分析決策架構(gòu)的敏捷策略

企業(yè)分析決策架構(gòu)的未來(lái)前景，取決于業(yè)務(wù)驅(qū)動(dòng)因素以及技術(shù)的發(fā)展方向。如今企業(yè)數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，對(duì)實(shí)時(shí)分析的需求比以往任何時(shí)候都要強(qiáng)烈，鑒于此，如何兼顧快速落地與高可擴(kuò)展性，有機(jī)結(jié)合數(shù)據(jù)倉(cāng)庫(kù)來(lái)構(gòu)建企業(yè)分析決策架構(gòu)，仍是擺在眾多企業(yè)面前的一個(gè)巨大難題。

對(duì)此，觀遠(yuǎn)數(shù)據(jù)推薦的最佳實(shí)踐是：

1. 在數(shù)倉(cāng)尚未搭建或分析思路尚未成型時(shí)，直接在BI平臺(tái)內(nèi)快速構(gòu)建分析應(yīng)用，快速反饋、快速迭代，實(shí)現(xiàn)quick win。

2. 在分析結(jié)果得到業(yè)務(wù)的印證后，再將數(shù)據(jù)沉淀和復(fù)雜分析邏輯逐步固化到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)平臺(tái)里面實(shí)施，此時(shí)BI平臺(tái)僅擔(dān)負(fù)輕量的數(shù)據(jù)分析與可視化壓力。

我們認(rèn)為，數(shù)據(jù)分析的本質(zhì)是為業(yè)務(wù)發(fā)展、商業(yè)決策而服務(wù)，而不是創(chuàng)建一堆無(wú)用的可視化圖表。通過(guò)以上提到的這種敏捷開(kāi)發(fā)，快速印證，不斷沉淀的過(guò)程，將能夠更大程度上確保企業(yè)分析決策架構(gòu)的方向正確，獲得業(yè)務(wù)端的認(rèn)同，驅(qū)動(dòng)業(yè)務(wù)發(fā)展，從而產(chǎn)生真正的商業(yè)價(jià)值。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！