现在大多数人对于BI的认识，大概就像2000年的ERP：听说过的人挺多，但实际理解和能够用起来的人很少。2000年懂ERP的人少是因为信息闭塞，现在懂BI的人少是因为信息太多了，难以分辨真假。

这一篇老陈就给大家扫个盲，用最直白的话带大家认识BI。

厂商造词很多，敏捷BI、Saas BI、自助式BI、AI BI，究其根本还是个数据分析工具。在数据分析层面来说，BI和Excel没有很多差别，做的事情都是一样的，只不过用上了更高效简单的工具罢了。

BI可以是指工具，比如国外的Power BI、Tableau，国内的Fine BI。也可以是指一套数据解决方案，包括数仓技术、数据挖掘、数据可视化等。这两种说法都是对的，主要是因为国内在进行BI建设的时候一般附带项目实施，这就不得不让BI成为了一套解决方案。

BI模式之下，制作分析报表的人从“IT人员”转变成了“业务方、决策者”，业务掌握分析主动权，并以此做出科学的决策。那IT人员需要做的，就是准备好数据，给不同部门账号分配好权限，方便他们使用。

用一个形象的例子来解释，吃火锅的时候都需要调酱料，有的人喜欢麻酱，有的人喜欢油碟，餐厅通常只会给出各种调料葱、蒜、小米辣、牛肉酱、沙茶酱、芝麻酱等，而你在吃的时候，需要自己去调料，像我最喜欢的是放蒜、小米辣、醋和麻酱。在这个情景下，IT人员扮演的就是餐厅角色，而业务方扮演的则是每一个吃火锅的人。

下图为国产软件Fine BI的示例图：

很少有餐厅直接给你上调好的调料，为什么？一是省事儿，二是众口难调。业务分析也是一样道理，通过BI平台，IT的人力被释放了，业务人员也能按照自己的需求进行数据分析。

第一个层次是告诉企业发生了什么-- BI工具其中一个重要功能就是固定报表制作，通过预制好的报告、企业平衡记分卡或综合管理“仪表盘”，利用集中管理的关键绩效指标(KPI)，用简单的方式展现复杂的报告。

第二个层次是让企业探索为何发生--业务人员从固定的报表、报告和一些关键的KPI中，得到了很多信息，但是当他们发现问题时，需要了解为何发生了这些问题。这时，就需要即席查询和在线分析（OLAP）。比如我是个店长，我看到总部的报表中显示：这个月我管理的这家店营业额最差。那这时候我就想搞清楚，我这家店为什么差，是选品不行，还是客流量不行，还是老客户维护不好。

第三个层次是让用户实时看到现在发生了什么--BI讲究分析的实时性。不管做决策还是解决紧急问题，对实时性的要求都比较高。比如我看到一个客户给我们的产品打了低分，按我能够通过数据分析找到这个客户所属的区域和负责人，迅速找到这个客户进行挽留。

前三个层次，用Excel搭配业务系统自带的报表也都能实现，下面两个才是BI重头戏。

第四个层次是帮企业预见即将发生什么--知道以前和现在是远远不够的，能通过数据分析、数据挖掘、建模，来精准预测未来会发生什么才是BI区别于传统报表工具的一大特点。比如，我通过BI工具对客户进行画像和细分，从而预测客户的行为以及客户业务的趋势，及时做好库存准备等工作。

第五个层次是“我希望发生什么”--通过对内部业务系统中的数据以及外部数据获取和整合，建立清楚的决策和业务机制，让整个事件沿着正确的轨迹、朝着预定的方向行进，达到预期的目标。

现在市面上有很多企业数据成熟度测评的模型，大多数都是把企业数据发展分成了三个阶段：

第一个阶段是基础数据建设。

这个阶段要做的就是把业务活动过程中产生的数据记录下来。比如利用ERP/CRM/SRM/报表工具，以业务流程的信息记录为核心，把企业的生产、采购、销售过程，以及客户服务、现金流动等业务活动和过程用基础系统储存下来。在这个阶段，就别想着上BI了，先把数据搞好。

第二个阶段是打破数据孤岛，打通业务数据。

业务系统大多都是烟囱式的，数据越来越多但互相无法连通，这个阶段就需要建立一个大数据平台，把业务系统数据打通，做好数据的收集、处理、展示。

第三个阶段是数据业务化。

企业也已不再满足于单纯的“看”数据，而是希望用已累积的业务数据去“碰撞”出新的火花，去反哺优化业务，从数据中找出更优解的运营方式。到这个阶段，企业就可以规划上BI了。

看到这，大家对于BI工具应该了解得比较清楚了。BI并不神奇，你别指望上了套BI就能搞定数字化转型了，但当你完成了一定的基础数据建设，想要发挥数据价值，让一切决策有据可依的时候，那绝对可以选择BI。