
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
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10