FocusBI：商業智能場景（原創）

時間 2019-12-01

標籤 focusbi 商業智能場景原創简体版

原文原文鏈接

　　關注微信公衆號：FocusBI 查看更多文章；加QQ羣：808774277 獲取學習資料和一塊兒探討問題。 html

　　《商業智能教程》pdf下載地址算法

　　連接：https://pan.baidu.com/s/1f9VdZUXztwylkOdFLbcmWw 密碼：2r4v數據庫

　　商業智能（BI）是用於分析業務數據的一套工具，從紙質記錄和手工算術開始已經走了很長的路。算一算，從歐洲18世紀60年代工業革命至今大概160年了。從19世紀的銀行家到今天的物聯網、大數據、雲計算、人工智能。服務器

高中時候我在《銷售與市場》管理版雜誌上看到過一位企業家引用理查德·米勒·德文斯的書《商業與商業軼事》中寫道：在整個荷蘭、法蘭德斯、法國、德國，由於擁有一列完美的商業智能火車，這使得歐洲一直保持領先。微信

商業智能史：術語的起源

1958年：咱們對商業智能的理解開始造成。 IBM研究員Hans Peter Luhn在1958年的一篇題爲「商業智能系統」的文章中。盧恩將商業智能定義爲「以方式來理解所呈現的事實的相互關係的能力，以便將目標指向目標。」網絡

商業智能史：20世紀70年代和80年代

在70年代和80年代：決策支持系統（Decision Support Systems，DSS)和執行信息系統（Executive Information Systems，EIS）的受歡迎程度逐漸增加，並且計算機基礎構架逐漸完善，這爲幫助管理人員分析運營數據提供了前提條件。架構

1989年，分析師Howard Dresner（其後的Garter集團）進一步將商業智能定義爲「經過使用面向事實的支持系統來改善業務決策的概念和方法」。機器學習

商業智能史：商業智能1.0

20世紀90年代：商業智能概念逐漸深刻，商業智能供應商、工具、技術逐漸成型。批處理報告成爲市場和主流。工具

互聯網的商業化開始造成，美國國會提供的信息服務器和www成爲最流行的在線服務。幾年後，移動數據開始變得突出。ERP集成應用程序以管理和自動化業務方面的管理軟件開始起飛。post

商業智能史：商業智能2.0

2000年：商業智能的力量集中在微軟，甲骨文，IBM和SAP的手中，他們能夠在各自的平臺下整合不一樣的應用程序。

預測分析提供了一種新的方法，即「使用數據，算法和機器學習來預測將來的變化。」

雲技術和基於互聯網的軟件成爲實時系統，改進的可視化技術改變了數據的瀏覽方式。電子商務和社交網絡推出了Facebook，YouTube和Twitter，爲商業智能帶來了新的機會。

到2010年末，大約35％的企業正在使用的商業智能，而67％的「一流」公司都有某種形式的自助服務（self-service）商業智能。

商業智能史：商業智能3.0

2010年 – 至今：商業智能成爲跨國企業到中小企業中全部人的標配工具。目前商業智能已經能夠跨多個設備，並能夠完成可交互式的分析推理。

自助服務（self-service）產品更增強調易於使用和導向型交錯，由於商業智能成爲了適合全部人的工具，不管是在會議室仍是工廠車間。

隨着數據分析會被更多的嵌入到應用程序中，企業將來會將硬件和軟件集成到完整的包中，大數據將繼續增長信息的複雜性，但系統依舊將隨着它們的發展而產生簡單的報告。隨着技術爲企業帶來新的挑戰和機遇，商業智能的創新將使系統更易於訪問，更加協調，更可自定義。那麼這時商業智能工具的概念就能夠稱爲真正的歷史了。

2013年後中國開始商業智能、大數據的浪潮，不斷的涌現出國產的商業智能廠商，最具表明性的有從美國回來的永洪BI 創始人何春濤,在百度工做8年出來創業的神策數據桑文鋒，奧威的PowerBI，老牌國產BI廠商潤乾、思邁特；在資本的推進下國產BI廠商已經給國外的BI廠商帶來了威脅。好比永洪創始人何春濤本人是在美國從事數據科學研究十幾年，因此永洪BI的產品對大數據處理都是秒級計算，徹底有能力超越國外的廠商；

商業智能場景

這些年我一直關注BI的發展，也參過屢次數據分析的沙龍和峯會活動，演講嘉賓和企業推廣人員都是業內高手和專家，在他們演講的內容當中基本都是演示本身的產品，展現複雜的數據架構、精美的管理駕駛艙；他們不多提到商業智能場景，如何讓不懂IT，不知道商業智能的圈外人通俗易懂的知道什麼是BI；商業智能發展至今有160年的歷史，確定有許多前輩思考過這個問題。

我對商業智能也不太專業，但我仍是願意嘗試去找通俗易懂的方式展示什麼是商業智能，若是我表達的不專業有錯誤的地方請給我指出來，對於我來講通往專業的路上還很長。

這裏我已一種三層結構的立體圖形來展現商業智能場景，分別是：業務人員、中層管理、高層人員，也有的企業層次會複雜一些；業務人員是公司奮鬥在一線的人員，也是決策的執行落地者，高層下達的決策到中層進行轉化由一線人員執行落地；典型的場景：工廠、客戶、供應商、合做夥伴，工廠對應的是工人是產品生產的場地也是公司固定資產最多的地方，客戶對應的是銷售人員是企業生命的源泉，合做夥伴對應的是研發人員是完成重大項目或產品或品牌傳播的支持者，供應商對應的是採購人員是企業運做能量的補給站。

不論是工廠、客戶、供應商、合做夥伴仍是其餘的業務單元都會源源不斷的產生大量數據，這些數據也許會已存放在電子表格或word文檔中、也許會已數據庫的形式存在如ERP、CRM、工單系統、財務系統等；工廠會產生：排產、原材料消耗、成品庫存、發貨數據；客戶會產生：銷售訂單、訂單變動數據；供應商會產生：採購訂單、原材料庫存、供應商資質數據等；每一個行業產生的數據種類權重不同。雖然一線業務人員產生了大量數據可是他們使用的也是明細數據關注的是每一行每個產品是否完成是否達標能拿到業績，在給企業實施商業智能過程當中一線人員提的最多的就是監控類需求。

中層管理是高層決策的中轉站，他們必須考慮到每個動做會爲公司帶來成本和支出，他們不像一線人員同樣只關心我的利益，要爲公司開源節流、創造價值；因此他們要的數據不是單純某個系統能知足的，他們關心的不是某個產品或某個訂單，而是整個產品系列或某個大區的銷量或是整個部門的收入、支出、預算狀況距離年月目標還有多少，他們須要的是月、季度、環比、績效考覈末尾淘汰、2080原則等變相裁人，中層管理須要的是跨數據源的統計性指標數據。

高層人員表明着公司的生死存亡，他們是巡航在海洋中航母的掌託者，公司的任何決策都從這裏發出，他們須要更多有效準確的數據作分析來支持決策；他們不只僅是關心關鍵指標，更關心企業將來的發展，例如：工廠須要增長一臺幾十萬的生產設備、三甲醫院須要新開設一個科室、公司須要在華南成立一個分公司、公司準備培育一個新品牌等，這裏的每個決策須要大量的現金流來支撐運做，決策若是失敗會影響整個公司的運營，怎樣才能讓決策更有把握，整合內部各個系統產生的數據、爬蟲爬取相關的互聯網數據集成一個企業級信息工廠，爲企業決策提供支持。

爲企業一線人員提供運營數據支持、中層管理人員提供跨系通通計數據支持、高層人員提供整合數據決策支持這就是商業智能場景。

歷史文章：

FocusBI: SQL Server內核

FocusBI: SSIS體系結構（原創）

FocusBI: 使用Python爬蟲爲BI準備數據源(原創)

FocusBI: SSIS 開發案例(原創)