“一文说清AI、BI与大数据的关系”

本篇文章2473字，读完约6分钟

近年来，由于公司数字化转型的发展和对智能化场景的应用诉求越来越迫切，公司越来越关注大数据、人工智能、bi等技术。 结果，企业在数据APP实践中面临着选择大数据还是bi的问题。 这其实是两者实际上是相互依赖、相互渗透的。

什么是商业智能？

商务智能，英语是商务 智能，缩写为bi，是公司更好地利用数据决定质量的技术集合，是从大量数据中挖掘新闻和知识的过程。 关于概念大家可能知道一半。 什么是优质决策的技术集合？ 什么是新闻和知识钻研？ 完全没有基础的人很难懂吗？ 我们从向餐厅点菜开始吧。

在餐厅点的时候，客人点了水煮鱼。 这是诉求。 有了这个诉求，餐厅必须按订单准备菜肴。 为此，只要准备草鱼、青鱼等原材料，准备豆芽、千枚等配料，将准备好的菜集中起来放在料理架上，厨师就可以直接炒菜。

对应bi，顾客下单和公司提出业务诉求一样，比如管理者查看过去一周的全国销售数据一样，准备菜品的流程和我们准备报表一样，这个报表要根据诉求准备相关数据。 例如销售总数据、子产品数据及相关的销售员数据等。 同样，这些准备数据可以从各种数据源中提取出来，放在“数据仓库”里，报表开发者可以从那里直接找到数据，然后制作报表。

当然，这是一个简单的过程，真正的过程包括很多步骤。 例如，在炒菜之前，不能直接把鱼扔进锅里。 必须打碎鱼的肚子，取出内脏进行清洗。 另外，根据客人的诉求，将鱼一片一片地切掉。 这是将原料变成真正可用的锅的过程。 对bi来说，这个过程就是ETL——extract提取，将鱼提取转换为鱼的转换，将鱼变为鱼的切片，完成清洗和转换的工作； 加载loading，把洗好的鱼块放在餐具柜里，随时都可以放在锅里。

数据的准备过程与料理原材料的清洗过程理由相同，数据存储在一点的数据表中。 但是，并不是需要提取所有的数据，只提取必要的数据(涉及少量数据的重新计算、合并计算、风格变换等都属于转换阶段； 加载，最后将数据批量加载到数据仓库data 仓库中。 数据仓库有一系列表。

源数据的收集和读取也是一样的，数据来自外部系统，或者来自crm、erp等内部不同的业务系统，有业务负责人的excel表单。 这些统称为data 源数据源。

您还可以连接到几乎所有数据源，包括基于文件的源、特定于APP的源和大型数据源。 不需要事先完全建模，也不需要事先聚合数据。 浏览多个自数据准备工具，为许多复杂的场景提供强大的数据集成脚本。 这些数据准备功能有助于发布数据区域和有问题的业务，无需外部工具或数据仓库即可创建价值。

这些数据用etl工具直接提取，保存在称为ods或staging的数据库中。 就像买菜来放在厨房里先放着一样。 之后是数据的清洗、整理，结束后放在数据仓库，之后是制作报告的过程。

另外，在几台中，ods数据库作为业务系统和数据仓库之间的隔离层，存储业务系统直接提取的数据。 另一方面，ods数据库从粒度、组织方法等全方位使数据与业务系统一致，本来业务系统生成的报表、详细数据的查询自然可以从ods进行，从而降低对业务系统的查询压力。 另一方面，数据仓库中存储的数据都是聚合数据，没有保存每次交易生成的详细数据。 有些特殊的APP可能需要查询交易的详细资料。 此时，需要将详细数据查询功能转移到ods中完成。 ods的数据模型以主题为导向的方式存储，可以方便地支持多维分解等查询功能。

大数据不是bi的简单升级

随着大数据、ai等技术的迅速发展，以及大数据在领域的应用落地，公司对bi和大数据的选择陷入了“不是这个”的思考。 专家告诉你，没有必要这样做。

大数据和bi是两个不同的概念和工具，但是是社会迅速发展到不同阶段的产物，大数据对bi有传承和迅速的发展。 大数据和ai在落地应用的过程中需要一系列产品作为技术载体，bi是理想的载体。 可以把bi看作是连接技术和业务的桥梁。 现在公司在进行人工智能改造的时候，不能马上脱离原来的新闻化系统。 如果是这样的话，就必须利用bi完成智能化的转移。

从思想角度看，大数据和bi都是遵循“数据-新闻-知识-智慧”的快速发展过程，两者的区别有以下几点。

第一个是数据源。 bi的数据源通常是公司内部新闻化系统的数据，大数据的数据源不仅包括公司内部新闻化系统的数据，还包括各种外部系统、机器设备、数据库的数据。 大数据的数据源更广泛，数据越来越来自云端，可以无限扩展。

第二，快速发展的方向。 对公司来说，bi是管理和思维方式的转变，分解公司内部数据，支撑公司的运营和决策，从以前流传下来的商业模式走向商业智能。 大数据不仅处理公司的业务问题，还包括与领域、产业的深度融合，不同领域表现出的副本和分解维度各不相同，运用新的数据技术手段来扩大和优化公司的业务。

第三，技术标签。 bi的技术标签包括etl、数据仓库、olap和可视化报告。 的技术标签包括: hadoop、mpp、hdfs、mapreduce、流媒体解决方案等。 随着时代的变革和技术的迭代，bi经历了多次优化和变革，新型bi被赋予了越来越多的“大数据”潜能，既满足了海量的实时数据观察，也满足了决策型的业务分解。

现在，制造商推出一站式大数据观察平台，基本上是大数据和bi的组合，不仅处理了大数据和bi之间如何取舍的问题，还引入了ai扩展功能 例如，数台是新一代的增强智能协同bi平台，不仅全面支持中文自然语言查询，还允许顾客从所有可视化、图表、图形和其他对象中进行选择，采用全局搜索进行数据、关联、关联

因此，关于bi、大数据与ai的关系，可以理解为大数据是ai场景APP的重要基础，而ai是大数据APP应用的重要行业。 大数据的重要价值之一是人工智能产品，提供给智能体的数据量越大，智能体运行的效果就越好。 因为智能体一般需要“训练”和“验证”大量的数据，以保障运行的可靠性和稳定性。 二是人工智能一方面需要大量数据作为“思考”和“决定”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作。 例如，机器学习是数据观察的常用方法。

来源：企业信息港