bi數(shù)據(jù)分析是做什么的？大學(xué)里有課程嗎？bi數(shù)據(jù)分析主要是對大量數(shù)據(jù)進(jìn)行分析，找出規(guī)律性的潛在信息。Hive的數(shù)據(jù)倉庫，但是對于中大型企業(yè)來說，考慮到日常事務(wù)多，數(shù)據(jù)量大，往往需要對數(shù)據(jù)庫進(jìn)行優(yōu)化寫入，在這種背景下，構(gòu)建一個數(shù)據(jù)倉庫，通過ETL過程將數(shù)據(jù)提取到數(shù)據(jù)倉庫中，然后使用BI工具做數(shù)據(jù)分析和前期展現(xiàn)，效率會更高。

BI analysis是BusinessIntelligence的BI analysis，是由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析組成的一套數(shù)據(jù)技術(shù)解決方案。商業(yè)智能BI的主要功能是集成不同商業(yè)信息系統(tǒng)的數(shù)據(jù)，如ERP、CRM、OA等。，然后通過使用合適的查詢工具和分析工具，快速準(zhǔn)確地提供可視化分析(查詢和報表可視化分析)，為企業(yè)提供決策支持。

數(shù)據(jù)可視化衍生數(shù)據(jù)商業(yè)智能BI在現(xiàn)階段商業(yè)智能BI的定義確立之前，商業(yè)智能BI已經(jīng)經(jīng)歷了三個發(fā)展階段:1958年初，IBM研究員HansPeterLuhn將商業(yè)智能BI定義為“一種理解事物之間關(guān)系并依靠這種能力來指導(dǎo)決策以達(dá)到預(yù)期目標(biāo)的能力?！痹诖似陂g，領(lǐng)導(dǎo)信息系統(tǒng)(EIS)和決策支持系統(tǒng)(DSS)等技術(shù)應(yīng)用是商業(yè)智能BI的前身。

現(xiàn)在傳統(tǒng)的BI已經(jīng)不能滿足大多數(shù)企業(yè)的業(yè)務(wù)需求，所以BI廠商目前都在升級BI，一般稱為智能BI。冠元數(shù)據(jù)的智能BI更具創(chuàng)新性，他們將先進(jìn)的AI算法融入到BI的構(gòu)建中。眾所周知，在數(shù)據(jù)平臺的規(guī)劃中，底層大數(shù)據(jù)平臺的規(guī)劃要穩(wěn)健，未來的業(yè)務(wù)目標(biāo)、表單、日志分析等都能穩(wěn)健進(jìn)行。因此，元數(shù)據(jù)的艾比是建立在完善的BI基礎(chǔ)上，利用AI算法提高準(zhǔn)確率，逐步演進(jìn)實現(xiàn)銷售預(yù)測、智能備貨、提供智能決策建議等功能。

而AI則是在大數(shù)據(jù)和算法的輔助下，獲取更有價值的信息，實現(xiàn)收集預(yù)測的能力，更多的是一種主動的角色。雖然AI的應(yīng)用范圍很廣，但它仍然結(jié)合BI來處理結(jié)構(gòu)化數(shù)據(jù)。這里兩者的交集在于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，但又略有不同。AI的機(jī)器學(xué)習(xí)強(qiáng)調(diào)算法，BI的數(shù)據(jù)挖掘也包括數(shù)據(jù)管理，算法的選擇相對簡單，沒有神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等復(fù)雜的AI算法。未來，

hadoop是一個開源的大數(shù)據(jù)分析軟件，或者說編程模式。它以分布式的方式處理大數(shù)據(jù)。因為開元，很多企業(yè)都在用hadoop技術(shù)或多或少的解決一些大數(shù)據(jù)問題。hadoop在數(shù)據(jù)倉庫方面非常強(qiáng)大。然而，hadoop在數(shù)據(jù)集市和實時分析和展示方面也有明顯的缺點?，F(xiàn)在比較好的解決方案是搭建hadoop的數(shù)據(jù)倉庫，在數(shù)據(jù)集市中使用永紅的大數(shù)據(jù)產(chǎn)品，實時分析和呈現(xiàn)，可以很好的解決hadoop的長時間分割等問題。

據(jù)我所知，很多銀行已經(jīng)開始評估將數(shù)據(jù)倉庫遷移到Hadoop相關(guān)產(chǎn)品，不是利用Hadoop的低成本優(yōu)勢做傳統(tǒng)BI，而是看中了大數(shù)據(jù)平臺上各種成熟的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘。大數(shù)據(jù)對傳統(tǒng)行業(yè)的改造和洗牌才剛剛開始。

在傳統(tǒng)的BI方案中，數(shù)據(jù)倉庫、ETL、OLAP分析、數(shù)據(jù)挖掘都是由不同的產(chǎn)品呈現(xiàn)，由不同的人負(fù)責(zé)。假設(shè)一個分析報告需要修改，涉及到數(shù)據(jù)層。IT部門完善數(shù)據(jù)層和業(yè)務(wù)層的模型需要很長時間的梳理。于是，隨著技術(shù)的發(fā)展，市場上出現(xiàn)了敏捷的BI產(chǎn)品，也就是狹義上的BI，將數(shù)據(jù)建模和OLAP分析都集成到應(yīng)用中。無需提前建模，在制作報表和拖拽數(shù)據(jù)字段時，可以隨機(jī)看到分析結(jié)果并進(jìn)行實時分析，在分析過程中靈活調(diào)整分析維度和報表呈現(xiàn)，需求變化一天之內(nèi)即可響應(yīng)。

但是對于中大型企業(yè)來說，考慮到日常事務(wù)多，數(shù)據(jù)量大，往往需要對數(shù)據(jù)庫進(jìn)行優(yōu)化。在這種背景下，構(gòu)建一個數(shù)據(jù)倉庫，通過ETL過程將數(shù)據(jù)提取到數(shù)據(jù)倉庫中，然后使用BI工具做數(shù)據(jù)分析和前期的展現(xiàn)，效率會更高。所以在很多BI項目中，BI工具主要起到前期分析和展示的作用，也就是上面架構(gòu)圖最右邊的部分。

bi數(shù)據(jù)分析主要是對大量數(shù)據(jù)進(jìn)行分析，找出規(guī)律性的潛在信息。目前大學(xué)還沒有這種課程。其次，可以用BI。1.數(shù)據(jù)處理與Excel相比，BI軟件可以直接連接數(shù)據(jù)庫類的企業(yè)數(shù)據(jù)源，快速拉取數(shù)據(jù)，以任意字段為維度對數(shù)據(jù)進(jìn)行篩選整合。數(shù)據(jù)處理的靈活性僅次于Excel，但能處理的數(shù)據(jù)量比Excel能處理的要大。如果企業(yè)的數(shù)據(jù)格式成熟且數(shù)據(jù)量大，對數(shù)據(jù)分析的需求強(qiáng)烈，非常推薦去BI。

圖形的選取是可視化過程中非常重要的一個環(huán)節(jié)，但在很多實際的實現(xiàn)過程中卻被忽略，導(dǎo)致圖形選取隨意、維度不夠等問題?，F(xiàn)在BI軟件的可視化很“蠢”，和Excel比起來。BI圖表基本可以自動推薦，類似于數(shù)據(jù)透視的操作，拖動字段到橫向和縱向維度，多元化展示。此外，它還具有鉆孔和聯(lián)動功能，可以進(jìn)行額外的分析。3.自助分析業(yè)務(wù)運營畢大榭曾經(jīng)講過:10多年前做了很多定制化分析的系統(tǒng)現(xiàn)在還在發(fā)揮作用，就是自助檢索。

Sybase運營BI數(shù)據(jù)管理和數(shù)據(jù)集成數(shù)據(jù)管理服務(wù)組件Sybase可以提供運營BI數(shù)據(jù)管理和數(shù)據(jù)集成。它不僅開發(fā)管理BI信息的產(chǎn)品，還開發(fā)數(shù)據(jù)庫設(shè)計產(chǎn)品，SybaseIQ和SybasePowerDesigner是其中的兩個關(guān)鍵產(chǎn)品，Sybase運營BI解決方案基于SybaseIQ。關(guān)系數(shù)據(jù)庫系統(tǒng)該產(chǎn)品于年從高速公路公司收購，從那時起，它就穩(wěn)定地贏得了客戶的青睞，對高性能BI信息管理能力的需求使該產(chǎn)品更具吸引力。如今，全球使用SybaseIQ的客戶已經(jīng)超過100家，SybaseIQ與傳統(tǒng)關(guān)系數(shù)據(jù)庫的關(guān)鍵區(qū)別在于，它是專門為高性能分析過程設(shè)計的，這種性能是通過存儲數(shù)據(jù)存儲在列中的。獲取SybaseIQ列存儲模型代替?zhèn)鹘y(tǒng)關(guān)系數(shù)據(jù)庫中的行存儲，提高了性能，因為查詢中只檢索列，從而減少了系統(tǒng)I/O，通過為每列的訪問分配線程，進(jìn)一步提高了性能，尤其有利于涉及多列的復(fù)雜查詢，列存儲模型的另一個優(yōu)點是它允許極其有效的數(shù)據(jù)壓縮，例如西班牙的Telefonica管理。