关于商业智能，报表，数据分析的几点思维误区

商业智能，报表，数据分析，这三个概念从文字表面上看区别很大，但是对于其各自发挥的作用及相互之间的区别，却很少有人可以说的清。恰在开源中国上遇到一个数据行家，对此进行了探讨，整理摘录如下：

1、商业智能数据仓库的主导是甲方（企业）还是乙方（BI厂商）？

——数据仓库的模型建设过程，由乙方完成前期基础的建设工作，包括构造基础客观的对象模型。然后甲方在乙方构建的基础上，由熟悉业务的业务人员根据企业自身的业务背景和业务需求来主导协调接下来的数据仓库建设。为了防止概念互指，即使是脱离业务逻辑的数据仍然需要业务背景域支撑。（概念互指：用A概念去解释B概念，但实际上A概念的成立需要B概念的支持，即两个概念都无法互相独立开来成立。）在明确业务背景域下，可以存在一些终结符号，具备基于该仓库作用域内共性认可的内涵。

2、“报表是原始的BI，BI是高级的报表”这句话对吗？

不对的。这里就要明确区分一下报表，BI（商业智能）和数据分析之间的关系。

报表工具主要是各类数据的合并，统计、分析，展示。

商业智能的内在还是数据分析。数据、信息、知识等概念，现在的理论都比较清楚。理论上可行的处理机制和目标也逐步明晰。

商业智能也好，数据分析也好，区别传统统计分析和报表工具，其目标是要获得一个表述客观现象的逻辑陈述。后者是针对一个确定逻辑对数据进行的计算（当然前者的每一步仍然是数据计算）。

上述两个目标不同，是区分报表工具和商业智能差异的地方。对于应用者来说，报表工具，是针对已有数据，给出特定逻辑（报表工具本身可支持处理逻辑动态性），进行计算。而对于数据分析系统（数据挖掘），对于应用者来说，是给定一系列对客观对象可分类的规则，已经不同的逻辑。系统对不同客观对象分别进行分类，并寻求被分类后的不同客观对象之间的稳定关联关系的称述。

一个典型的应用，例如，已知一群用户和他们的购买产品，现在有新产品，希望用数据分析系统或者商业智能系统，确定，已知用户的哪个子分类用户，对该新产品存在比较一致的判定。数据分析系统并不是一定要找出哪些些用户需要这个新产品（这个受给入用户样本实际情况约束），但需要能有效描述，比如，收入到xxx，年龄在xxx，曾经有个什么行为的xxx，对这个产品有意向（或没有意向）。

现在比较常见的一些数据分析系统（我的个人观点算上一代吧），实际是一些数值分析工具，例如回归分析，聚类、分类分析等。这类工具只能分类，而并不能表述结果。和神经网络类似，你调整了很多参数得到结果，你的参数和结果之间的逻辑是不可表述的。

转载请注明：数据分析 » 关于商业智能，报表，数据分析的几点思维误区