
传统上,企业将数据战略集中在power BI商业智能(BI)上,但预测和规范分析平台的兴起,部分归功于机器学习和人工智能,正在改变这个方程式。即使是商业智能本身也在不断发展,这也是以前业务分析平台独有的功能。不过,随着互联网科技的发展,各个企业的各个业务层级都在不断扩大升级优化,理解商业智能和数据分析之间的区别与联系,明确数据分析为企业带来的价值,对于正确实施数据战略至关重要。
因此,打破power BI商业智能与数据分析的结界,使得二者更好地结合并运用于企业运作的各个部门和业务当中,对一个企业的发展和壮大至关重要,对一个人的职业发展也是至关重要的。
power BI商业智能与业务分析
最广泛意义上的分析适用于所有支持技术的问题解决活动。专家通常将分析分为四个类别,在曲线的最不成熟部分进行描述性分析和诊断分析,在高端进行预测分析和规范分析。
Power BI是大多数组织在执行分析程序时开始的,它处于描述阶段。商业智能利用软件和服务将数据转换为可操作的情报,从而为组织的战略和战术业务决策提供信息。它使组织能够收集,分析和呈现数据分析。
“这是有关数据本身的信息。乔治亚理工学院Scheller商学院商业分析中心执行主任Beverly Wright解释说,除了讲述数据所说的内容之外,它不会做任何事情。
虽然一些商人可能会将power BI 与分析交换使用,但Wright表示,数据专业确实可以区分这两者。有些人将BI描述为提供对更广泛的分析领域(尤其是高级分析)所发生情况的洞察,预测未来各种情况下会发生什么。
power BI用于商业用途
BI使用来自传统企业平台的更多结构化数据,例如企业资源规划(ERP)或财务软件系统,并且可以在运营和供应链等领域提供过去金融交易或其他过去行动的视图。今天,专家表示,BI对组织的价值来自于它能够提供对这些领域和业务任务的可见性,包括合同对账。
Wright说,与企业技术堆栈的许多其他部分一样,BI工具已经发展为更加直观和用户友好。她解释说,过去,组织需要数据科学家来使用这些系统并构建仪表板。今天他们是自动化的。这意味着组织可以更轻松地建立数据程序,允许非技术商人使用BI工具生成报告并获取他们所需的大部分信息,而无需日常使用中的数据专业人员。分析人士认为,仅此一点就是BI技术在企业中的重要工具。
Wright说,这类被称为“公民分析师”的新型商业用户是营销,运营,财务或高级管理人员,他们“不具备数据或建模或分析方面的知识,但他们可以依赖于工具或系统以非常简单的方式为他们提供所需的信息。“
power BI商业智能作为业务分析的门户
虽然报告解决方案等BI工具仍然在企业中占有一席之地,但分析师表示他们的能力有限。
全球管理咨询公司Bain&Co。在其2017年报告“数字化转型的IT设计规则”中表示,其对IT领导者的调查显示,超过50%的组织使用至少三种不同的分析提供商来生成绩效报告。它进一步指出:“CIO迫切希望能够将单独的数据源集成并合成到一个可以覆盖整个基础架构的分析引擎。”
专家说,更重要的是,power BI工具无法对可以带来新商机和增长的数据进行最深入的分析。
“power BI不会带来收入和创新,”企业管理协会商业智能高级分析师约翰迈尔斯说。
虽然迈尔斯估计有20%的美国组织仍然处于分析采用的BI阶段,但他表示大多数组织都不希望在那里结束他们的分析工作。迈尔斯发现的是,用户通常会受到BI工具生成的信息的鼓励,并希望数据开始回答日益复杂的问题。
事实上,贝恩报告还指出,IT运营经理将“高级分析”列为“他们最想拥有的能力,但只有少数人表示他们现在可以访问该技术”。
迈尔斯解释说,用户可能首先查看销售数据,然后希望按州或产品组织数据。然后,他们希望今年看到他们的前十大客户,他们的共同属性,并根据这些信息,他们想知道哪一个将是未来一年的前十大客户。
“你已经从添加内容并以不同的方式呈现它。这就是许多人称之为报告或静态仪表板或传统商业智能的原因,“迈尔斯说。“但是当你开始向前推进或使用预测分析时,当你不得不做更复杂的数学运算时,你就会进入许多人所看到的分析。”
迈尔斯阐述了BI使用基本计算来提供答案,而其他形式的分析 - 包括预测和规范 - 使用数学模型来确定属性并提供预测。他进一步指出,机器学习和人工智能处于分析连续体的最远端。
power BI模糊了这条线
虽然数据专业人员在高级分析中仍然扮演着重要的角色,例如模型周围,但Myers表示他们的参与程度因业务案例而异。例如,用于检测潜在信用卡欺诈的高级分析系统需要速度,因此依赖于无监督模型与数据科学家查询系统。
Myers补充说,组织通常会购买现成的BI产品以及商业高级分析产品,但他们倾向于让自己的数据专业人员构建他们需要的机器学习和AI功能,“因为市场上没有一套软件包; 产品就不存在了。“
然而,随着企业对其BI平台及其他分析工具的需求增加,解决方案市场正在发生变化,负责贝恩全球高级分析实践并曾领导其技术实践的Chris Brahm说。
Brahm表示,许多BI工具正在引入更多,更好的数据信号,以生成更准确,更具洞察力的报告,这些报告模糊了传统上将BI与更高级分析分开的区别。因此,他补充说,商业智能供应商需要推进,否则就有可能在市场上失利。
“他们能否发展为企业中的管理者提供实时高质量的信息,因为管理者往往是主要用户?他们能否使用新的数据集和新技术提供更好的实时信息?因为如果他们不能,那么新的提供者将进入 - 他们正在进入 - 并回答管理者所拥有的问题,“他说。
他说,这些新系统通过回答有关如何最大化和优化业务的问题来帮助用户做出更好的决策——业务目标应该是谁,提供什么样的促销以及向谁提供哪些促销。
“有许多进入市场的玩家正在为管理人员和一线工作人员提供超出传统商务智能的分析,”他说,并补充说这些工具正在使用新技术和数据集来提供更好的服务,更全面的回答管理者在特定领域的问题,如供应链,运营和研发。
技术公司往往更接近采用曲线,而最有可能已采用高级分析功能的公司,包括机器学习和人工智能。
Brahm说,更传统的行业背后,他们也认为高级分析对未来的成功至关重要。他表示,贝恩的研究表明,70%的组织领导者认为高级分析和人工智能是业务的重中之重。
“每个人,”他补充说,“正朝着这个方向前进。”
事不宜迟
快快启动你的
CDA《Power BI 直播课程》吧!
6月17日20:00
我们邀请了数据分析界大咖
李奇老师做客直播室
给大家带来一场精彩绝伦的数据分析盛宴
销售情况分析报表的制作
主讲人
李奇老师
曾担任IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问,精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等领域。
直播大纲
1.POWER BI概述
2.业务介绍
3.数据介绍
4.销售情况分析报表的制作
6月17日周四晚8点
扫描下方二维码
免费获取直播链接
“扫码即送价值1999元的
【数据分析技能提升大礼包】”
【大厂数据分析案例+技能操作视频+能力监测试题+核心笔记归纳】
上手就用,轻松拿下高薪offer
为什么BI商业数据分析是值得选择的方向?
互联网下半场,各业务岗位人员急需数据能力、商业思维武装自己,在窗口期把握机会,让自己的职业发展迈上新台阶。
(1)岗位缺口大:150万岗位缺口,人才供需比仅为0.05;
(2)就业领域广:适合众多行业众多岗位,各行业运营、营销、市场、产品、财务、销售等岗位全覆盖;
(3)薪资水平高:平均薪资在20k/月,应届毕业生平均薪资10K/月。
给你的业务赋能,助你实现直线超车
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14