三代BI（商业智能）工具的演变

BI工具在大规模平民化或“运营化”数据方面发挥着极其重要的作用。毫无疑问，BI平台的任务是帮助商业决策。以下是两种方法：

1. 提供出色的技术平台，使数据团队能够为运营团队提供优质数据。
2. 将运营团队从数据团队中完全解放出来，确保运营团队可以完全自己生成基于数据的见解。

这两种方法实质上源于同一个问题，即运营团队通常缺乏对数据的信任，而这会导致数据团队处于不断被打击的状态当中——每个人都很烦，什么都做不了。好消息是我们正在努力改变这一现状。

尽管运营团队已经获得了很大的自主权，但数据团队仍然插手了太多工作。我们要做的，是消除运营团队对数据团队的依赖，让数据团队能够专注于更深层次的工作，让其他团队能够各司其职，不被烦扰。

那么，我们要如何做到这一点呢？先让我们看看过去几十年BI的演变吧！如果你想了解更多关于商业分析的相关内容，可以阅读以下这些文章：
数据/商业分析师求职，如何准备统计相关面试题？
文商科零基础如何入门数据/商业分析师？
商业分析师如何做销售预测分析
商业分析师面试，如何准备AB Testing

三代BI工具分别是：传统BI、自助式BI和增强分析。BI工具发展的特点是逐渐将运营团队/领域专家从数据团队和IT中解放出来。

BI是什么？BI，即商业智能，是一个用于分析数据的术语。BI通过你的业务信息为你提供见解，帮助你做出更好的决策，例如如何改进产品线或怎样削减成本。你可以使用这些数据帮助你决定销售什么产品，在哪里开一家新店，使用哪种营销策略。

三代BI工具

BI1.0：传统BI

传统BI是一种以数据库为中心的数据分析方法，它依赖于由可视化组成的静态仪表板。由于仪表板通常是根据常见的业务问题提前定义的，回答新问题就需要时间和技术技能。Microsoft、IBM、Oracle和SAP等大型科技公司是这个BI时代的先驱，但传统的BI技术在很大程度上已经过时，不再适用于现代企业。

传统的BI方法包括：

• 报告和仪表板：这种方法提供了业务数据及其与业务操作的关系的概述，允许用户操作数据、探索关系以及创建可与他人共享的报告。
• 数据仓库：这种方法将公司的所有数据存储在一个位置，并使其可通过数据库管理系统（DBMS）进行分析。它允许你一次分析大量数据或执行高级报告功能（如深入查看报告）。

第一代BI工具的特点是运营团队完全依赖于数据团队。每遇到一个涉及数据的问题，对数据团队来说都是一个瓶颈。原因很简单：只有数据团队拥有从数据中提取见解的技能。第一代BI工具平台复杂，代码繁重，只有技术配置文件才能采用，其表需用SQL查询，这也是一种当时大多数技术配置文件的语言。

如果一个人需要报告，他的工作流程通常如下：业务人员要求数据团队提供报告，而数据团队提供的静态报告在接下来的几天里就会失效，所以他会一遍又一遍地申请，直到他拿到报告，或者干脆完全放弃。

BI2.0：自助式

第二代BI工具修复了其中的大部分问题。

它采用了动态报告取代静态报告：用户可以自己定期更新仪表板或记分卡，不必再依赖数据团队。对用户友好的自助式分析平台作为第二代BI工具的一部分开发，允许非技术用户访问其所有数据源并自行生成报告和仪表板。这更加有效和简单，因为他们允许不熟悉SQL代码的用户轻松地从他们的数据中获得见解，无需等待数周或数月才能从数据团队那儿得到答案。

第二代BI工具在很大程度上消除了技术堆栈，专注于为用户提供寻找功能和可视化功能，使用户能够自己寻找业务见解。

第一代BI工具的另一个问题是难以使用和学习。用户必须花时间学习如何使用这些工具，然后花更多的时间弄清楚他们需要从数据源中导入或提取哪些数据才能获得有用的信息。相比之下，第二代工具就更易于用户理解和使用了。

尽管已经有了很大的改进，但第二代BI工具仍然让业务团队严重依赖数据团队进行数据准备和建模。所以，第三代BI工具要解决的问题来了。

BI3.0：增强分析

如上所说，第三代BI继续简化流程，通过增强分析，进一步减少了运营团队对数据团队的依赖。根据Gartner术语表(file:///C:\Users\lenovo\Documents\WeChat%20Files\wxid_s42witz5thkg22\FileStorage\File\2022-12\BI%20tools%20Three%20Generations(1).docx#:~:text=Augmented analytics is the use,in analytics and BI platforms.)给出的解释，增强分析是“使用机器学习和人工智能等技术协助数据准备、见解生成和见解分析，让人们在分析和BI平台中更好地探索和分析数据”。

增强分析对运营团队意味着什么？

我与来自Whaly(https://whaly.io/)的Anna讨论了增强分析，她将其比作“宜家效应”。我觉得这个比喻非常生动形象。宜家效应表明，我们过于高看自己创造的东西了。在打造自己的宜家衣柜时，你通常会更看重它，因为你在打造过程中投入了时间和精力。因为是你做的——所以这是个很棒的衣柜。

增强分析也是如此。增强分析使运营团队能够拥有完整的数据管道。是的，你没看错。这一新功能使用户能够创建自助服务管道，从各种来源提取数据，将其转换为报告工具所需的格式，并将其加载到数据仓库或其他地方。“自动化”大大简化了流程，揭开了技术配置文件的神秘面纱。

让我们回到宜家效应——当用户建立自己的自动化数据管道来提取和建模数据时，他们往往会更加信任这个数据。他们在构建报告和获取分析方面投入了更多精力，每一步都有他们的参与。这种认知偏差导致他们更加信任自己提取的数据，而不是由另一个团队提供的数据。

很多人认为这是实现大规模数据平民化的唯一途径。数据团队不用再以自助式提供数据和预先制作的仪表板，我们现在转向运营团队，让运营团队走一条龙模式：数据收集、数据建模、可视化等。

毕竟，它是从零开始构建仪表板，从数据收集走到了生产见解，你怎么能不信任它呢？现在，你已经完成了最难的工作，没有了信任问题，没有难题要回答，没有人被烦扰，也不会浪费任何时间。当然，如果没有增强分析，这是无法实现的。

增强分析对技术团队意味着什么？

增强分析还增加了BI工具的功能，以满足技术配置文件的需求。许多传统分析无法发现的见解，它都可以发现。例如，如果你有一个电子邮件列表，里面包含一百万个电子邮件地址，而你想知道哪些收件人最有可能打开你的电子邮件并点击其中的链接，增强分析将查看每个收件人的个人资料的所有特征（如年龄、性别、位置），然后使用机器学习技术，找到这一百万个收件人里谁最有可能是那个幸运儿。

高级分析功能允许用户访问复杂的数据分析方法，否则这些方法原本应是超出他们作为个人业务分析师或数据分析师的能力的。例如，许多平台有高级统计分析工具，如回归建模和时间序列预测，有的平台还有用于预测建模的机器学习算法，这都有助于专业人员根据历史数据中的现有趋势（比如客户流失的可能性）对未来做出更明智的决策。

结语

BI工具已经历经了三个主要发展阶段：传统BI、自助式BI和增强分析。在这种演变下，一些公司更愿意专注于简化BI流程，将自主权从数据团队转至业务团队（例如：Whaly），而另外一些公司更愿意适应技术配置文件，利用增强分析进一步推动分析功能（例如：Mode）。

无论BI工具的发展方向如何，都是为了让业务团队能够在需要时更好地访问和理解数据，以便能够更坚定地做出正确的业务决策。事实上，业务部门对数据和数据流程的深信不疑，恰恰证明它对仪表板和其他业务报告设备的信赖。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Louise de Leyritz
翻译作者：高佑兮
美工编辑：过儿
校对审稿：Chuang
原文链接：https://medium.com/castor-app/bi-tools-three-generations-79e69667de8a