新型BI和传统BI有什么区别？

在线数据分析发展到今天，已经成为各领域广泛应用的技术，东软平台云 DataViz 作为新一代可视化产品不仅具备 TB 级海量数据的秒级分析能力，而且能GX地实现数据的高端展现。80+ 动态酷炫图表，10+ 边框展现效果，只需简单拖拽配置，代码小白也能分分钟搞定。一键切换至固定分辨率模式，满足任意屏幕的可视化应用，让你的大屏展现从未如此快捷、wan美、酷炫。DataViz 数据可视化分析平台，提供多类型数据源接入、数据集可视化定义、自助多维数据分析以及交互式故事板等功能，旨在以GX、低学习成本的使用方式，为业务人员提供数据可视化分析服务，洞悉商业价值，辅助企业决策。https://cloud.neusoft.com/pages/product/p_dataviz

在国外，如Tableau、Qlik等敏捷BI工具已经获得了众多企业的认可，而在国内，也有像DataHunter这样的轻量级自助式BI服务商涌现。那么，在数据分析层面，以DataHunter为代表的新型BI产品与传统BI相比到底有何优势呢？数据建模通常，使用传统BI进行数据分析，IT人员需要先根据分析需求进行数据建模，这其中涉及到很多复杂流程，包括确认客户需求、汇总数据、对数据进行ETL处理、定义数据间的关联模型等，之后业务人员会根据输出的数据报表进行查看。这种方式带来的直接问题就是，一旦客户的分析需求发生变化，那么业务或分析人员无法自行修改数据报表，只能依靠IT部门。此时，IT人员需要重新建模或修改已有的分析模型，再进行报表输出。毫无疑问，这种方式效率低下，而且耗时很久。另外，静态的数据报表也让业务人员无法进行有效的数据分析。因为所有的维度和度量都是已经预设好的，输出的可视化图表也是固定且无法修改的，例如，想要对已经设定好求和的数值进行求平均值，那需要重新进行建模。使用敏捷BI产品进行数据分析，则无需进行复杂的数据建模。通过DataHunter自主研发的轻量级BI产品，数据建模过程相当简单。业务人员只需要将长传后的数据表进行拖动关联，就可以完成建模过程。实时交互分析由于传统BI基本以提供报表服务为主，虽然功能比较全面，但受限于产品技术架构和复杂且固定的分析流程，一方面，传统BI无法实现实时的数据采集、处理和分析，另一方面，业务人员也无法随时调整数据报表，更多则是以固定时间为周期输出监控类或固定格式报表。DataHunter的基于自主研发的DH Data Connector Framework（数据连接器框架），支持用户实时对接企业内的各种业务系统数据，并通过内存分析引擎进行实时的处理和分析。探索式分析传统BI产品基本是采用验证式分析模式，其是一种自上而下的模式。即企业决策者设定好业务指标，提出分析需求，分析人员再根据相关需求进行报表定制。这种模式必须先有想法，之后再通过业务数据进行验证。所以验证式分析对数据质量要求很高，如果数据本身出现问题，那么即便通过科学的数据建模进行分析，结果也肯定是错误的。相比于验证式分析，探索式分析对数据质量要求相对较低，同时也不需要复杂的数据建模，这也是Data Analytics的核心理念。探索式分析的意义在于，它允许分析人员或决策者在不清楚数据规律、不知道如何进行数据建模的情况下，通过数据本身所呈现出的可视化图表进行查看和分析。目前，基于探索式分析的数据可视化产品并不多见，国外产品包括Tableau、Qlik、Power BI等，而国内Z具代表性的则是DataHunter自主研发的自助式BI产品。基于探索式分析，DataHunter支持智能推荐图形、图表协同过滤、全维度数据钻取，可以帮助用户快速定位并发现问题。操作简单传统BI的设计理念在于帮助企业构建大而全的报表平台，功能虽多但非常复杂。一方面，传统BI需要进行手动建模，操作复杂且学习难度极大；另一方面，在整个数据处理环节中，也需要大量的代码指令，这是业务人员无法完成的。相比于传统BI，自助式BI产品更加轻量级，由于产品本身主要面向业务人员使用，所以自助式BI更加简单易用，使用门槛也非常低，即便没有任何操作经验的小白用户，也能轻松上手。以DataHunter产品为例，不管是数据处理还是分析过程，全程通过拖拽操作即可完成。同时，从教学视频到帮助文档，DataHunter为用户提供了完善的学习资料，用户通过学习，几分钟就可以完成从数据整合、数据关联、可视化分析、建立业务看板所有流程。

对于新型BI，业内可能叫敏捷BI的会更多一些，所以下文中都会以敏捷BI来描述。一、传统BI和敏捷BI的区别1.先做个简单的比喻，让大家能够快速理解两者的区别。传统BI就好比是蹭饭，人家给什么你就吃什么，可能是山珍海味，也可能是咸菜窝头，重要的是你没得选择。敏捷BI就好比自己下厨做菜，菜是自己选择的，又是亲手烧制的，虽然可能比不得大厨手艺，但没有人比你自己更了解自己的需求，ZD在于这菜是你自己想吃的。2.那么传统BI的劣势在于哪呢？diyi，成本高。产品成本包括采购产品以及相关的硬件、后续的维护、咨询服务、培训成本。很多企业不是不想上 SAP BO、OBIEE、Cognos，而是考虑到这些成本的问题。第二，项目实施周期长传统商业智能BI的实施周期由于考虑到系统的可扩展性、查询性能优化等对传统数据仓库的设计规范要求相对来说是比较高的。无论是Kimball还是 Inmon，或者两者结合的组合设计，这个周期都比较长，项目周期按月、按年来计算。第三，服务响应周期长。IT部门对于业务部门提出的数据需求，比如简单的报表制作，按照生产流程，少则一周多则一个月。这是纯粹的IT驱动，已经跟不上业务的发展要求。一个公司200个业务，每个人提一个报表需求，人少做不了，人多成本高。3.对应的，新型BI的优势也就显现出来了diyi、产品采购的成本下降。以前采购传统BI工具的成本偏高，培训、服务咨询成本都算比较高。新型BI产品工具只着重解决一些点的问题，不一定需要大而全。
第二、项目周期缩短、人力成本降低。以前的项目周期主要的消耗在 ETL 处理和数据仓库建模、性能优化等方面。如今，建模的要求不再那么高，性能优化在大多数场景下也不再有问题。整个项目周期从以前的月或年为单位快速的减少到按天、周、月为单位。第三、IT 驱动逐步走向业务驱动。IT负责基础数据架构的整理和接口开放维护，业务人员自行进行快速的可视化分析和报表分析维护。这是一张偏技术的图，来表现两者之间的差异，敏捷BI可以通过库内计算(In-Database Computing)技术，将汇总函数都推送到数据存储节点进行计算，从而实现了Z少的计算资源和Z快的响应时间；二、传统BI和敏捷BI做的比较好的产品传统BI： SAP BO、OBIEE、Cognos敏捷BI：Tableau（国外）、永洪科技（国内）敏捷BI的厂商中，Tableau 在国外是十分受追捧的，非常适合专业能力强的分析师使用，但由于公司在国外，没办法给国内的企业级用户提供很好的支持。所以，永洪科技这家本土的企业，技术上不输Tableau，服务上会更关注帮助解决企业的问题，以此赢得了很多大型企业的认可，包括中信银行、国家财政部、美的 等单位。
三、传统BI和敏捷BI实际案例对比有一家企业同样的一个项目做了一年才完工了80% 正好到报表开发阶段。还要面临性能优化、模型的更改和维护，自定义的报表制作麻烦等一系列问题。Z后通过选用新型的BI产品和工具，短短两个月不到就已经完成了80%的业务报表分析制作，快速的对业务部门形成了QL的业务支撑。所以，在传统BI和敏捷（新型）BI的选择上，敏捷BI是毋庸置疑的胜利者。因为无论企业大小，都希望能够快速挖掘出数据中的价值，来帮助企业增长。

       华联商超数据ZX总监付立虎曾经讲过这样一个故事：北京华联作为国内大型商业超市，每天来自全国门店的交易数据有千万条，每年仅用户购买的数据累计就超2TB，对于数据分析应用的需求非常强烈。为此，华联在2008年专门引入SAP的BW系统用于数据分析，随后于2012年又引入SAP的BO产品，做更高级的数据分析，为业务做指导。　　但令付立虎无奈的是，用SAP的BO进行亿行报表查询时，需要20分钟左右，同时在线4人系统就会崩溃……使用昂贵的国外软件解决不了问题，付立虎开始在国内寻找解决办法，于是有了海致BDP和华联的结缘。　　华联商超的故事并非个案。Z近风头正劲、主打“快时尚”的零售新锐名创优品之所以和海致BDP达成合作，也是因为使用SAP的BI系统，数据聚合、抽取以及展现时间都以数小时计，效率非常低下。比如，导出一张报表需要6-8个小时，而在数据导出过程中还经常出现中断，这对数据分析员的实时分析造成了巨大不便……　　商业智能，英文为Business Intelligence，简写为BI。这一概念Z早于1996年由Gartner 提出，随SAP、Oracle等一众海外软件巨头漂洋过海来到国内，曾一度被认为是继ERP之后，企业管理软件领域新的增长蓝海。　　不过，残酷的现实是，软件巨头们鼓吹的那套传统BI实施失败率一直居高不下。据不完全统计，在企业实际的应用中，商业智能的失败率达到70%，令人瞠目。　　传统BI已死并非危言耸听。居高不下的实施失败率，背后折射出的是传统BI的多重困境。　　首先是技术困境。华联商超和名创优品的案例，其实反映了传统BI的ETL、数据仓库、OLAP等技术，都处于淘汰边缘，因为它解决不了海量数据（包括结构化与非结构化）的处理问题。　　有工程师在网上吐槽：“原来的BI挖掘人员，抽取一些样本在单机上运行个R就很欢乐，但现在不行了，针对5000万用户搞个三度交往圈试试?”　　“小数据”时代的计算性能，在互联网时代让传统BI举步维艰。因此只有更新方法，才能带来新的机会。基本上，传统BI所有的功能，都可以被对应的大数据组件所替代，且大数据技术具有成本优势，技术的汰换是大势所趋。 其次是商务困境。众所周知，无论是高富帅的大企业，还是ZG2000万中小企业，采购SAP、Oracle的软件服务对企业而言都是一笔昂贵的IT成本，ZG企业信息化的任务不可能指望它们来完成。如果技术无法普惠，技术就永远是少数人的游戏。 除了高成本之外，传统软件按照项目周期运转的交付方式也无法适应企业快速变化的需求。在传统BI的实施过程中，常常出现一期项目看起来效果不错，但企业后续的新需求、新项目就变得遥遥无期，或者烂尾。　　幸好出现了云计算。软件即服务（SaaS）的理念彻底颠覆了传统的软件生意——按需求付费，在线获取资源，快速迭代构成了互联网时代企业对软件服务新的标准认知。　　传统BI厂家喊了多少年的“帮助企业做出明智的业务经营决策”，现在除了一堆报表系统，一些决策树等统计算法，还剩下什么？传统企业引入了那么多的BI咨询，写了那么多报告，真正发生过价值的有多少? 究其根本，在传统BI厂商那里，目标受众只有老板，决策与执行脱节，无法下沉到一线，Z终沦为面子工程，根本产生不了实际价值。 传统BI的失败，是技术主导驱动业务导致技术空心化的结果。这种以报表呈现为目的的开发，不上不下的价值定位，被历史淘汰实属必然。　　企业的大数据要发挥价值，目标受众应该瞄准那些真正在业务一线做运营、做分析、看数据的人——为什么xxx APP注册会员今天的活跃度下降了？xxx商品为什么上午卖得比下午多？为什么xxx渠道广告投放一周都没效果？……这些每时每刻都在上演的真实商业场景，不可能都一一等待老板来回答。 而要真正做到员工脑子里有想法就能实时得到结果，就要求数据分析工具尽可能降低技术门槛，大幅提升技术性能，简单拖拽就能展现精美的数据图表，Z好还能兼顾PC端和移动端，只有业务部门用好数据分析，数据价值才能得到Z大发挥。　　数据驱动的不仅是老板，数据更应该溶进企业每一个普通员工的血液里，数据驱动才不会沦为一句空谈。