在技術迅速發(fā)展的過程中，傳統(tǒng)的數(shù)據(jù)分析方法受到越來越多的懷疑。這可以用商業(yè)智能的各種誤解來解釋，如今正作為有效的真理傳播開來。例如，數(shù)據(jù)倉庫已經達到了它的目標。數(shù)據(jù)質量似乎也正在失去其相關性，這是由于有意放棄數(shù)據(jù)建模和一個事實點。然而，一個項目日常生活的具體愿景揭示了一個不同的形象。

人工智能(AI)、機器學習、實時、自助服務——這些只是目前數(shù)據(jù)分析中討論的一些術語。對新技術和新流程的大肆宣傳常常給人留下這樣的印象：“過時的”現(xiàn)在是多余的。因此，商業(yè)智能在很大程度上已經從關于趨勢和重要話題的討論中消失了。當我們討論這種經典的數(shù)據(jù)分析形式時，我們通常談論的是緩慢和昂貴的。

但這與事實相符嗎？偏見從何而來？公司的現(xiàn)狀如何？BI實際上是一個被拋棄的模型，與未來的數(shù)據(jù)分析無關嗎？基于具體的項目經驗，有必要更仔細地研究并質疑一些常見的斷言。然而首先，重要的是要簡要說明一些關鍵點，以便形成共識。

商業(yè)智能與商業(yè)智能探索性分析

首先，讓我們簡要解釋一下經典BI的含義。這些基本上是基于歷史數(shù)據(jù)的評估，其結果在報告和儀表板中可視化。為此目的，來自不同數(shù)據(jù)源的數(shù)據(jù)質量在一個中心位置(數(shù)據(jù)倉庫(DWH))得到保證，該位置集成并提供數(shù)據(jù)。

毫無疑問：考慮到數(shù)據(jù)量和數(shù)據(jù)源的增長，以及新的技術可能性，DWH非常具有競爭力。它將被現(xiàn)代分析平臺所取代，這些平臺通常由云服務支持構建。這些平臺還可以在所有級別集成非結構化數(shù)據(jù)。它們可以根據(jù)需要進行擴展，并將不同的主題或技術組合在一個屋檐下。然而，事實證明，典型的BI組件仍然是分析平臺不可或缺的一部分。目前的商業(yè)數(shù)字化舉措證實了這一點。同樣，BARC在更新后的圖表中強調了“舊的”和“新的”數(shù)據(jù)世界之間不可分割的聯(lián)系。

現(xiàn)代分析平臺的典型任務：來自各種來源的異構數(shù)據(jù)通過探索性分析提供新信息，最終在BI背景下進行操作。

現(xiàn)代分析平臺的典型任務：來自不同數(shù)據(jù)源的異構數(shù)據(jù)通過探索性分析提供新的信息，并最終在BI環(huán)境下運行。

用戶可能常常沒有意識到這一點，但是如果沒有保證質量的歷史數(shù)據(jù)，自助服務或AI應用程序不會提供可靠的分析結果。同樣，經典的業(yè)務報告系統(tǒng)也是必不可少的。與此同時，使用基于數(shù)據(jù)的結果的員工數(shù)量正在穩(wěn)步增加。那么BI的壞名聲從何而來？

誤解1：不再需要數(shù)據(jù)建模

為什么我們仍然需要數(shù)據(jù)建模？在創(chuàng)建或現(xiàn)代化分析解決方案時，越來越多地詢問關于BI的一個典型工作步驟的問題。在這背后，人們擔心產生的體系結構對于新需求的敏捷實現(xiàn)來說過于復雜和不靈活。此外，建模和數(shù)據(jù)集成是一項需要時間和金錢的工藝活動。

然而，這種觀點變得越來越普遍。模型能否在現(xiàn)代分析環(huán)境中工作取決于許多因素，即架構師和開發(fā)人員的專業(yè)知識。許多行動者并不知道他們滿足于錯誤的方法。例如，Bill Inmon認為，第三種正常形式的努力通常不再與收益成正比。相比之下，金博爾的維度建模在現(xiàn)代分析環(huán)境中可能被證明是有用的，因為它簡單、可重用和可擴展。同樣重要的是，根據(jù)不同的需求，確定正確的建模時機——也就是說，如果數(shù)據(jù)存儲前的建模、“寫模式”或讀取時的建模允許執(zhí)行“讀模式”。最后，技術錯誤可能導致正確的建模沒有預期的效果。

同時，如果你想要可靠的信息，就不能避免對數(shù)據(jù)建模。一個好的模型是高質量數(shù)據(jù)的基本基礎之一。這顯示了無數(shù)項目的經驗。沒有這一步，分析平臺將不會持續(xù)很長時間。在這方面，問題是哪種類型的建模適合于特定的應用程序，而不是是否應該對其建模。

誤解2：如果你有一個數(shù)據(jù)湖，就不再需要DWH

大數(shù)據(jù)也將數(shù)據(jù)湖轉變?yōu)楝F(xiàn)代分析環(huán)境。它是各種數(shù)據(jù)的儲存庫，因此是勘探分析的起點。為了讓Data Lake在這些分析中為用戶提供足夠的指導，創(chuàng)建了類似DWH的預結構化區(qū)域。這種方法常常使公司相信數(shù)據(jù)湖可以完全取代DWH。

然而，DWH和Data Lake是兩個基本不同的概念，每個概念都針對不同的用戶需求。DWH強調高處理效率，為用戶相對準確地處理信息。因此，結構化數(shù)據(jù)(例如來自ERP和CRM的數(shù)據(jù))進入分層體系結構。然而，大數(shù)據(jù)的異構性很難用這種方法建模。這就是數(shù)據(jù)湖概念的由來：來自非常不同來源的數(shù)據(jù)直接以原始形式存儲。與此同時，為了從研究數(shù)據(jù)的價值開始并能夠測試標準報告之外的新的、靈活的需求，故意省略了復雜的數(shù)據(jù)集成過程。從這個意義上說，數(shù)據(jù)湖的目的不能代替DWH。然而，DWH和數(shù)據(jù)湖可以成為現(xiàn)代分析平臺的兩個重要和互補的組成部分。

誤解3：自助服務的成本總是低于BI

自助服務工具無疑是企業(yè)級別數(shù)據(jù)分析的福音。用戶友好的界面允許業(yè)務用戶獨立集成數(shù)據(jù)、創(chuàng)建報告和儀表板，甚至配置自己的分析解決方案。這常常導致這樣的結論：企業(yè)的自助服務方法總是最便宜的選擇。畢竟，不再需要將數(shù)據(jù)引入更高級別的結構。首先，消除了與IT或業(yè)務智能之間冗長的溝通和協(xié)調過程。

然而，這種做法描繪了一幅不同的圖景。沒有任何計劃或戰(zhàn)略來解決這一問題的公司，將在不遲于一至兩年內抱怨報告和指示板、相互矛盾的數(shù)據(jù)和不一致的聲明。這意味著，要使自助服務方法在中長期發(fā)揮作用，將繼續(xù)需要標準結構和一組規(guī)則(稱為自助服務治理)。不斷地合并數(shù)據(jù)和監(jiān)視或調整解決方案也很重要。

因此，一個有效的自助服務方法會產生超出軟件許可之外的相當大的成本，因此不存在更便宜的替代方案的問題。它還表明，典型的BI組件和過程繼續(xù)對成功做出重要貢獻。

誤解4：我們不再需要一個事實

獨特的事實點(SPOT)是傳統(tǒng)BI的一個真正優(yōu)勢——BI是進入企業(yè)的一個中心點，在這里，用戶無論來自哪里，都可以完美地集成數(shù)據(jù)，并且始終保持高質量。這樣，SPOT就有可能在公司層面獲得一致的分析結果。但是，這種好處現(xiàn)在基本上受到了質疑，其原因與數(shù)據(jù)建模的方式類似：讓SPOT保持最新是一項痛苦的工作。如果需要遷移源系統(tǒng)，或者需要將新的數(shù)據(jù)源集成為業(yè)務收購的一部分，那么SPOT需要進行持續(xù)的維護。因此，在許多涉眾看來，這樣的概念已經過時了。

值得注意的是，實踐表明，如果那些負責任的人長期忽視這一方面，那么對制度真相的呼吁總是更強烈。在最新的情況下，當關于重要業(yè)務問題的聲明發(fā)生沖突或數(shù)據(jù)不能反映整個業(yè)務時，就會認識到這種需求。因此，目前觀察到，在現(xiàn)代分析平臺中，單點真理性總是與探索性數(shù)據(jù)湖或數(shù)據(jù)流的實時處理一起找到自己的位置。目前沒有其他選擇。

誤解5：BI基本上很老、很慢而且很貴

BI被認為是老的、慢的和昂貴的，原因有很多。最重要的是與敏捷分析的新世界進行直接比較，敏捷分析允許專門部門通過云服務和自助服務工具快速響應最復雜的問題。當然，它不可能與為質量、穩(wěn)定性和可重用性而設計的“企業(yè)BI”競爭。但這應該是目標嗎？我們已經確定，可靠的中央系統(tǒng)對數(shù)據(jù)使用的現(xiàn)代方法至關重要，并最終對長期保存分析平臺至關重要。在這方面，比較是不準確的。這不是其中之一。這兩個世界都是合理的，以各自的速度。然而，它們必須有效地相互關聯(lián)，例如在雙模式BI的上下文中。

與此同時，很明顯，許多公司都存在過時的商業(yè)智能系統(tǒng)。參與者經常意識到這一點。然而，缺乏推動現(xiàn)代化的資源、思想和最終的勇氣。例如，在體系結構、使用的技術或底層流程和過程方面，有各種各樣的起點。結果導致了或多或少的廣泛需求的阻塞。難怪最終用戶會覺得BI基本上很慢。

結論

來自不同公司和行業(yè)的項目的當前經驗表明，BI在這個國家繼續(xù)保持一貫的代表性，而不僅僅是在財務控制等“明顯”的領域。它也是一個重要的工具，以獲得360度的客戶或分析零售業(yè)績。最后，所有的新趨勢和時尚話題都是基于保證質量的BI數(shù)據(jù)。因此，參與者通過探索性分析獲得了公司最大的關注。然而，BI對于現(xiàn)代分析平臺的開發(fā)是必不可少的，例如作為全球數(shù)字化計劃的一部分。然而，用戶有時并不認為相應的組件是BIs。可能是所謂的絕唱的原因之一。

此外，BI組織的一些問題也不容否認。事實上，許多公司都有過時的制度和做法，往往在面對現(xiàn)代化時感到無助。這就是為什么在傳統(tǒng)的BI環(huán)境中，不滿是最大的——這是有道理的。再加上用戶的期望。例如，任何需要像Amazon這樣的用戶體驗的人都會對BI感到失望。BI需要遵從性——這需要時間。即使面向未來的數(shù)字化項目提供了新的敏捷性和原型的可能性，也很難避免BI被認為是“舊的”甚至“死的”。

BI不再是惟一的企業(yè)級數(shù)據(jù)分析中心。相反，相應的程序和技術越來越多地用于現(xiàn)代概念，使它們能夠對傳統(tǒng)分析和趨勢確定主題作出重大貢獻。這樣做的先決條件是認識到商業(yè)智能的重要性，并作出必要的投資。在這方面，這個詞本身可能已被目前的論述所取代。底層架構、技術和流程當然不是。