五個(gè)角度淺析大數(shù)據(jù)與BI的區(qū)別，教你迅速把握大數(shù)據(jù)的精髓

大數(shù)據(jù) BI 決策數(shù)據(jù)運(yùn)營

咨行天下 | 2016-09-02 11:50

【數(shù)據(jù)猿導(dǎo)讀】大數(shù)據(jù)對于傳統(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，適合經(jīng)營運(yùn)營指標(biāo)支撐類問題，大數(shù)據(jù)則內(nèi)涵更廣，傾向于刻畫個(gè)體，更多的在于個(gè)性化的決策

五個(gè)角度淺析大數(shù)據(jù)與BI的區(qū)別，教你迅速把握大數(shù)據(jù)的精髓

BI(Business Intelligence)，中文翻譯是商務(wù)智能，是一套完整的解決方案，用來將組織中現(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)，幫助組織做出明智的業(yè)務(wù)經(jīng)營決策。

大數(shù)據(jù)(Big Data)是從收集的海量數(shù)據(jù)中，通過算法將這些來自不同渠道、格式的數(shù)據(jù)進(jìn)行直接分析，從中尋找到數(shù)據(jù)之間的相關(guān)性。簡單而言，大數(shù)據(jù)更偏重于發(fā)現(xiàn)，以及猜測/印證的循環(huán)逼近過程。

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，我們從幾下幾個(gè)緯度來可以迅速的看出兩者的區(qū)別：

第一、從數(shù)據(jù)來源角度

大數(shù)據(jù)應(yīng)用的數(shù)據(jù)來源，不僅僅包括非結(jié)構(gòu)化的數(shù)據(jù)，還有各種系統(tǒng)數(shù)據(jù)，數(shù)據(jù)庫數(shù)據(jù)。其中非結(jié)構(gòu)化數(shù)據(jù)主要是集中在互聯(lián)網(wǎng)以及一些社交網(wǎng)站上的數(shù)據(jù)以及一些機(jī)器設(shè)備的數(shù)據(jù)，這些都構(gòu)成了大數(shù)據(jù)應(yīng)用的數(shù)據(jù)來源。對于大數(shù)據(jù)的分析工具來說，現(xiàn)階段也是對于非結(jié)構(gòu)化的數(shù)據(jù)分析的比較多。

BI系統(tǒng)則是在數(shù)據(jù)集成方面的技術(shù)越來越成熟，對于數(shù)據(jù)的提取，一個(gè)各種數(shù)據(jù)挖掘的要求來說，數(shù)據(jù)集成平臺(tái)會(huì)幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)的流通和交互使用，在企業(yè)內(nèi)部實(shí)施BI應(yīng)用就是為了可以更好的對數(shù)據(jù)進(jìn)行分享和使用。

第二、從思維方式角度

大數(shù)據(jù)對于傳統(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，適合經(jīng)營運(yùn)營指標(biāo)支撐類問題，大數(shù)據(jù)則內(nèi)涵更廣，傾向于刻畫個(gè)體，更多的在于個(gè)性化的決策。

第三、從發(fā)展方向角度

BI的發(fā)展要從傳統(tǒng)的商務(wù)智能模式開始轉(zhuǎn)換，對于企業(yè)來說，BI不僅僅是一個(gè)IT項(xiàng)目，更是一種管理和思維的方式，從技術(shù)的部署到業(yè)務(wù)的流程規(guī)劃，BI迎來新的發(fā)展。對于大數(shù)據(jù)來說，現(xiàn)階段更多的大數(shù)據(jù)關(guān)注在非結(jié)構(gòu)化數(shù)據(jù)，不同的數(shù)據(jù)分析工具的出現(xiàn)和行內(nèi)的應(yīng)用范圍不斷的加大，對于大數(shù)據(jù)應(yīng)用來說，怎么與應(yīng)用的行業(yè)進(jìn)行一個(gè)深層次的結(jié)合才是最重要的。

第四、從工具的角度

傳統(tǒng)BI使用的是ETL、數(shù)據(jù)倉庫、OLAP、可視化報(bào)表技術(shù)，屬于應(yīng)用和展示層技術(shù)，目前都處于淘汰的邊緣，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)的處理問題。而大數(shù)據(jù)應(yīng)用的是一個(gè)完整的技術(shù)體系，包括用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問題，用Hadoop、MPP等技術(shù)計(jì)算海量數(shù)據(jù)的計(jì)算問題，用redis、HBASE等方式解決高效讀的問題，用Impala等技術(shù)實(shí)現(xiàn)在線分析等問題。因此是個(gè)全新的行業(yè)。

第五、從人員的角度

傳統(tǒng)BI只要掌握核心的SQL技術(shù)就可以從事BI的工作，而大數(shù)據(jù)的數(shù)據(jù)處理，涉及太多新的技術(shù)，不同的應(yīng)用場景需要不同的大數(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)庫吧，還需要能在SPARK上開發(fā)算法程序，對于用戶畫像、產(chǎn)品標(biāo)簽化、推薦系統(tǒng)、排序算法都應(yīng)有所理解。

因此，大數(shù)據(jù)相對于傳統(tǒng)BI，不是簡單的PLUS的關(guān)系，它涉及了思想、工具和人員深層次的變革，BI工作人員應(yīng)該盡快順應(yīng)大勢，更新自己，奮起直追，重裝上陣。

來源：咨行天下

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時(shí)，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。