河南建设168工程网官方网站,如何做网站宣传自己,wordpress seo知乎,怎么创建小程序卖东西浅谈对BI工具价值的看法
BI的定义看法
百度百科的定义#xff1a; 商业智能#xff08;Business Intelligence#xff0c;简称#xff1a;BI#xff09;#xff0c;又称商业智慧或商务智能#xff0c;指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术…浅谈对BI工具价值的看法
BI的定义看法
百度百科的定义 商业智能Business Intelligence简称BI又称商业智慧或商务智能指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。 总结是业务系统数据源-数据加工模型-数据可视化分析的过程
BI是否是个通过托拉拽实现数据可视化工具
最好是认为是。
尤其目前大多数厂商为了销售产品将BI吹嘘的各种全能、数据处理分析一体化自助分析很简单等等。
虽然商业BI具备了一定数据仓库、数据ETL、甚至整合数据指标、数据治理等功能但规模数据体量下将数据all in one还是不现实的。利用低上手难度特性
刻意绕开了项目建设过程中存在的挑战和风险。
所以认为BI就是分享数据成果的功能化板块同时降低个人数据应用门槛和节省前端开发的成本 另外补充一点随着商业经营玩法增多维度随着递增同时各类度量指标也是层出不穷。 一帮商业BI具备了一定的计算能力包括在创建数据集的时候新建模型指标或计算字段可节省大量数据加工的时间减少存储冗余提升数据模型的长期支撑能力与应变度 BI建设质量的问题和看法
据Gartner调研表明在过去十年间有85%以上的BI项目并不成功。
成功的项目都是相似的,失败的项目各有各的问题。例举几个常见的问题 数据质量问题 这几乎所有数据项目的痛点问题常见的场景各内容间指标不统一、数据冗余改了一份另一份却没改、数据生命周期低无法长期信任等。 通常是一开始就没有规划好数据标准和指标体系需求先行数据基建却没跟上就想盖房子没有扎实的地基塌方也只是早晚的事。 性能质量问题 在实际使用体验中性能体验也是常见的吐槽点但具体影响性能是哪个部分得根据数据上下游(数据读取、存储、处理、传输与呈现)去分析。 BI 与数据仓库技术、olap 引擎有着直接的上下游关系。其中数据仓库主要起到统一数据源、保证数据准确度的作用 而 OLAP 引擎则帮助 BI 加速查询。它们组合在一起发力方可获得一个好的体验。影响性能的实际常见的有以下几点 数据量大复杂的查询语句并发过多系统资源不足或加载性能 利用效率问题 人人都是分析师使用初期后往往会出现堆量的现象从而出现表达逻辑模糊价值不明确从而利用率不高、内容管理混乱等问题 数量多雷同多质量高的少表盘内容多价值清晰的少逻辑输出面向对象问题(受众对象表达逻辑表现方式)
反过来讲若想BI项目的成功应该做到以下几点
打造数仓确保信息化统一牢固拥有良好的数据质量深入了解数据传递上下游技术让各个环节不再有性能瓶颈数据价值表达根据受众对象选择表达方式有重点逻辑简明扼要精益求精
最终从质量、效率、价值的角度形成一个闭环来验证商业BI的项目成败
