在技術(shù)迅速發(fā)展的過程中，傳統(tǒng)的數(shù)據(jù)分析方法受到越來越多的懷疑。這可以用商業(yè)智能的各種誤解來解釋，如今正作為有效的真理傳播開來。例如，數(shù)據(jù)倉庫已經(jīng)達(dá)到了它的目標(biāo)。數(shù)據(jù)質(zhì)量似乎也正在失去其相關(guān)性，這是由于有意放棄數(shù)據(jù)建模和一個事實(shí)點(diǎn)。然而，一個項目日常生活的具體愿景揭示了一個不同的形象。

人工智能(AI)、機(jī)器學(xué)習(xí)、實(shí)時、自助服務(wù)——這些只是目前數(shù)據(jù)分析中討論的一些術(shù)語。對新技術(shù)和新流程的大肆宣傳常常給人留下這樣的印象：“過時的”現(xiàn)在是多余的。因此，商業(yè)智能在很大程度上已經(jīng)從關(guān)于趨勢和重要話題的討論中消失了。當(dāng)我們討論這種經(jīng)典的數(shù)據(jù)分析形式時，我們通常談?wù)摰氖蔷徛桶嘿F的。

但這與事實(shí)相符嗎？偏見從何而來？公司的現(xiàn)狀如何？BI實(shí)際上是一個被拋棄的模型，與未來的數(shù)據(jù)分析無關(guān)嗎？基于具體的項目經(jīng)驗(yàn)，有必要更仔細(xì)地研究并質(zhì)疑一些常見的斷言。然而首先，重要的是要簡要說明一些關(guān)鍵點(diǎn)，以便形成共識。

商業(yè)智能與商業(yè)智能探索性分析

首先，讓我們簡要解釋一下經(jīng)典BI的含義。這些基本上是基于歷史數(shù)據(jù)的評估，其結(jié)果在報告和儀表板中可視化。為此目的，來自不同數(shù)據(jù)源的數(shù)據(jù)質(zhì)量在一個中心位置(數(shù)據(jù)倉庫(DWH))得到保證，該位置集成并提供數(shù)據(jù)。

毫無疑問：考慮到數(shù)據(jù)量和數(shù)據(jù)源的增長，以及新的技術(shù)可能性，DWH非常具有競爭力。它將被現(xiàn)代分析平臺所取代，這些平臺通常由云服務(wù)支持構(gòu)建。這些平臺還可以在所有級別集成非結(jié)構(gòu)化數(shù)據(jù)。它們可以根據(jù)需要進(jìn)行擴(kuò)展，并將不同的主題或技術(shù)組合在一個屋檐下。然而，事實(shí)證明，典型的BI組件仍然是分析平臺不可或缺的一部分。目前的商業(yè)數(shù)字化舉措證實(shí)了這一點(diǎn)。同樣，BARC在更新后的圖表中強(qiáng)調(diào)了“舊的”和“新的”數(shù)據(jù)世界之間不可分割的聯(lián)系。

現(xiàn)代分析平臺的典型任務(wù)：來自各種來源的異構(gòu)數(shù)據(jù)通過探索性分析提供新信息，最終在BI背景下進(jìn)行操作。

現(xiàn)代分析平臺的典型任務(wù)：來自不同數(shù)據(jù)源的異構(gòu)數(shù)據(jù)通過探索性分析提供新的信息，并最終在BI環(huán)境下運(yùn)行。

用戶可能常常沒有意識到這一點(diǎn)，但是如果沒有保證質(zhì)量的歷史數(shù)據(jù)，自助服務(wù)或AI應(yīng)用程序不會提供可靠的分析結(jié)果。同樣，經(jīng)典的業(yè)務(wù)報告系統(tǒng)也是必不可少的。與此同時，使用基于數(shù)據(jù)的結(jié)果的員工數(shù)量正在穩(wěn)步增加。那么BI的壞名聲從何而來？

誤解1：不再需要數(shù)據(jù)建模

為什么我們?nèi)匀恍枰獢?shù)據(jù)建模？在創(chuàng)建或現(xiàn)代化分析解決方案時，越來越多地詢問關(guān)于BI的一個典型工作步驟的問題。在這背后，人們擔(dān)心產(chǎn)生的體系結(jié)構(gòu)對于新需求的敏捷實(shí)現(xiàn)來說過于復(fù)雜和不靈活。此外，建模和數(shù)據(jù)集成是一項需要時間和金錢的工藝活動。

然而，這種觀點(diǎn)變得越來越普遍。模型能否在現(xiàn)代分析環(huán)境中工作取決于許多因素，即架構(gòu)師和開發(fā)人員的專業(yè)知識。許多行動者并不知道他們滿足于錯誤的方法。例如，Bill Inmon認(rèn)為，第三種正常形式的努力通常不再與收益成正比。相比之下，金博爾的維度建模在現(xiàn)代分析環(huán)境中可能被證明是有用的，因?yàn)樗唵巍⒖芍赜煤涂蓴U(kuò)展。同樣重要的是，根據(jù)不同的需求，確定正確的建模時機(jī)——也就是說，如果數(shù)據(jù)存儲前的建模、“寫模式”或讀取時的建模允許執(zhí)行“讀模式”。最后，技術(shù)錯誤可能導(dǎo)致正確的建模沒有預(yù)期的效果。

同時，如果你想要可靠的信息，就不能避免對數(shù)據(jù)建模。一個好的模型是高質(zhì)量數(shù)據(jù)的基本基礎(chǔ)之一。這顯示了無數(shù)項目的經(jīng)驗(yàn)。沒有這一步，分析平臺將不會持續(xù)很長時間。在這方面，問題是哪種類型的建模適合于特定的應(yīng)用程序，而不是是否應(yīng)該對其建模。

誤解2：如果你有一個數(shù)據(jù)湖，就不再需要DWH

大數(shù)據(jù)也將數(shù)據(jù)湖轉(zhuǎn)變?yōu)楝F(xiàn)代分析環(huán)境。它是各種數(shù)據(jù)的儲存庫，因此是勘探分析的起點(diǎn)。為了讓Data Lake在這些分析中為用戶提供足夠的指導(dǎo)，創(chuàng)建了類似DWH的預(yù)結(jié)構(gòu)化區(qū)域。這種方法常常使公司相信數(shù)據(jù)湖可以完全取代DWH。

然而，DWH和Data Lake是兩個基本不同的概念，每個概念都針對不同的用戶需求。DWH強(qiáng)調(diào)高處理效率，為用戶相對準(zhǔn)確地處理信息。因此，結(jié)構(gòu)化數(shù)據(jù)(例如來自ERP和CRM的數(shù)據(jù))進(jìn)入分層體系結(jié)構(gòu)。然而，大數(shù)據(jù)的異構(gòu)性很難用這種方法建模。這就是數(shù)據(jù)湖概念的由來：來自非常不同來源的數(shù)據(jù)直接以原始形式存儲。與此同時，為了從研究數(shù)據(jù)的價值開始并能夠測試標(biāo)準(zhǔn)報告之外的新的、靈活的需求，故意省略了復(fù)雜的數(shù)據(jù)集成過程。從這個意義上說，數(shù)據(jù)湖的目的不能代替DWH。然而，DWH和數(shù)據(jù)湖可以成為現(xiàn)代分析平臺的兩個重要和互補(bǔ)的組成部分。

誤解3：自助服務(wù)的成本總是低于BI

自助服務(wù)工具無疑是企業(yè)級別數(shù)據(jù)分析的福音。用戶友好的界面允許業(yè)務(wù)用戶獨(dú)立集成數(shù)據(jù)、創(chuàng)建報告和儀表板，甚至配置自己的分析解決方案。這常常導(dǎo)致這樣的結(jié)論：企業(yè)的自助服務(wù)方法總是最便宜的選擇。畢竟，不再需要將數(shù)據(jù)引入更高級別的結(jié)構(gòu)。首先，消除了與IT或業(yè)務(wù)智能之間冗長的溝通和協(xié)調(diào)過程。

然而，這種做法描繪了一幅不同的圖景。沒有任何計劃或戰(zhàn)略來解決這一問題的公司，將在不遲于一至兩年內(nèi)抱怨報告和指示板、相互矛盾的數(shù)據(jù)和不一致的聲明。這意味著，要使自助服務(wù)方法在中長期發(fā)揮作用，將繼續(xù)需要標(biāo)準(zhǔn)結(jié)構(gòu)和一組規(guī)則(稱為自助服務(wù)治理)。不斷地合并數(shù)據(jù)和監(jiān)視或調(diào)整解決方案也很重要。

因此，一個有效的自助服務(wù)方法會產(chǎn)生超出軟件許可之外的相當(dāng)大的成本，因此不存在更便宜的替代方案的問題。它還表明，典型的BI組件和過程繼續(xù)對成功做出重要貢獻(xiàn)。

誤解4：我們不再需要一個事實(shí)

獨(dú)特的事實(shí)點(diǎn)(SPOT)是傳統(tǒng)BI的一個真正優(yōu)勢——BI是進(jìn)入企業(yè)的一個中心點(diǎn)，在這里，用戶無論來自哪里，都可以完美地集成數(shù)據(jù)，并且始終保持高質(zhì)量。這樣，SPOT就有可能在公司層面獲得一致的分析結(jié)果。但是，這種好處現(xiàn)在基本上受到了質(zhì)疑，其原因與數(shù)據(jù)建模的方式類似：讓SPOT保持最新是一項痛苦的工作。如果需要遷移源系統(tǒng)，或者需要將新的數(shù)據(jù)源集成為業(yè)務(wù)收購的一部分，那么SPOT需要進(jìn)行持續(xù)的維護(hù)。因此，在許多涉眾看來，這樣的概念已經(jīng)過時了。

值得注意的是，實(shí)踐表明，如果那些負(fù)責(zé)任的人長期忽視這一方面，那么對制度真相的呼吁總是更強(qiáng)烈。在最新的情況下，當(dāng)關(guān)于重要業(yè)務(wù)問題的聲明發(fā)生沖突或數(shù)據(jù)不能反映整個業(yè)務(wù)時，就會認(rèn)識到這種需求。因此，目前觀察到，在現(xiàn)代分析平臺中，單點(diǎn)真理性總是與探索性數(shù)據(jù)湖或數(shù)據(jù)流的實(shí)時處理一起找到自己的位置。目前沒有其他選擇。

誤解5：BI基本上很老、很慢而且很貴

BI被認(rèn)為是老的、慢的和昂貴的，原因有很多。最重要的是與敏捷分析的新世界進(jìn)行直接比較，敏捷分析允許專門部門通過云服務(wù)和自助服務(wù)工具快速響應(yīng)最復(fù)雜的問題。當(dāng)然，它不可能與為質(zhì)量、穩(wěn)定性和可重用性而設(shè)計的“企業(yè)BI”競爭。但這應(yīng)該是目標(biāo)嗎？我們已經(jīng)確定，可靠的中央系統(tǒng)對數(shù)據(jù)使用的現(xiàn)代方法至關(guān)重要，并最終對長期保存分析平臺至關(guān)重要。在這方面，比較是不準(zhǔn)確的。這不是其中之一。這兩個世界都是合理的，以各自的速度。然而，它們必須有效地相互關(guān)聯(lián)，例如在雙模式BI的上下文中。

與此同時，很明顯，許多公司都存在過時的商業(yè)智能系統(tǒng)。參與者經(jīng)常意識到這一點(diǎn)。然而，缺乏推動現(xiàn)代化的資源、思想和最終的勇氣。例如，在體系結(jié)構(gòu)、使用的技術(shù)或底層流程和過程方面，有各種各樣的起點(diǎn)。結(jié)果導(dǎo)致了或多或少的廣泛需求的阻塞。難怪最終用戶會覺得BI基本上很慢。

結(jié)論

來自不同公司和行業(yè)的項目的當(dāng)前經(jīng)驗(yàn)表明，BI在這個國家繼續(xù)保持一貫的代表性，而不僅僅是在財務(wù)控制等“明顯”的領(lǐng)域。它也是一個重要的工具，以獲得360度的客戶或分析零售業(yè)績。最后，所有的新趨勢和時尚話題都是基于保證質(zhì)量的BI數(shù)據(jù)。因此，參與者通過探索性分析獲得了公司最大的關(guān)注。然而，BI對于現(xiàn)代分析平臺的開發(fā)是必不可少的，例如作為全球數(shù)字化計劃的一部分。然而，用戶有時并不認(rèn)為相應(yīng)的組件是BIs。可能是所謂的絕唱的原因之一。

此外，BI組織的一些問題也不容否認(rèn)。事實(shí)上，許多公司都有過時的制度和做法，往往在面對現(xiàn)代化時感到無助。這就是為什么在傳統(tǒng)的BI環(huán)境中，不滿是最大的——這是有道理的。再加上用戶的期望。例如，任何需要像Amazon這樣的用戶體驗(yàn)的人都會對BI感到失望。BI需要遵從性——這需要時間。即使面向未來的數(shù)字化項目提供了新的敏捷性和原型的可能性，也很難避免BI被認(rèn)為是“舊的”甚至“死的”。

BI不再是惟一的企業(yè)級數(shù)據(jù)分析中心。相反，相應(yīng)的程序和技術(shù)越來越多地用于現(xiàn)代概念，使它們能夠?qū)鹘y(tǒng)分析和趨勢確定主題作出重大貢獻(xiàn)。這樣做的先決條件是認(rèn)識到商業(yè)智能的重要性，并作出必要的投資。在這方面，這個詞本身可能已被目前的論述所取代。底層架構(gòu)、技術(shù)和流程當(dāng)然不是。