【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 
商业智能（BI）是Gartner与1996年提出的，他描述了一些了的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。无数历史经验表明，充分利用现有的新知识、新技术，需要耗费几十年甚至一代人的时间。所以直到现在，大多数企业仍然缺乏数据化管理与决策所必须的信息化设施、配套制度和文化。但所幸的是，当前人们的观念认识、相关技术已经十分成熟，企业可以很容易的取得BI应用方面的进展，利用BI增加竞争优势并促进创新。
美国Randy Bartlett将商业智能提炼成一个公式，十分美妙：商业智能＝信息技术＋商业分析。
信息技术（IT）用于收集和管理数据，为数据拖拽、报表、BI分析服务，核心目标是将数据应用于业务中。商业分析（BA）则是利用数据分析、经验和商业智慧，作出基于分析的业务决策，其核心则是将商业问题带回数据中。
Gartner在《2016年的商业智能和数据分析平台魔力象限报告》中对商业智能技术做了归纳，这也是最先进、最时髦的信息技术。
1、支持快速且中心化的IT驱动的交付。基于平台自由的数据处理能力，IT部门能实现从数据到内容的交付，整个工作流程处于良好的企业级管控之下。
2、支持去中心化的分析。可以让业务人员实现从数据到自助分析的工作流程。
3、支持良好管控下的探索式分析。在良好的管控之下，支持业务人员基于数据进行自服务分析，再生成可服用的内容，提升系统级可服用的内容。
4、支持嵌入式，支持将数据转化为可嵌入到其他流程或应用中的BI内容。
5、支持公网部署，这类似第1个使用场景，但企业用户变成了外部客户、公众部门或者普通公民。
有句话讲：凡事用钱能解决的问题，都不是问题。同样，凡事能用技术解决的问题，也都不是问题。在商业智能中，商业分析就显得格外重要了，因为他无关乎技术，更注重积累和策略。
无论是传统的报表数据展示，还是最近流行的自助式分析，即便引用了最好的分析方法，我们也难以测算某些决策和数据分析的质量，也难以避免陷入数据分析陷阱，如平均数陷阱。所以，有时候为决策获得正确的数据分析与实际的决策之间有较大的差距，大量的数据分析被误导且无法推动业务的发展。
以下建议有助于企业解决问题，把不良影响降低到极限。
1、拒绝不专业，建立一个完整的商业分析团队。我们需要富有经验的分析型决策者，有定量分析训练经验的业务人员。
2、吸取同行经验，让其他企业的探索成功和经验为己所用，积极参与行业间的交流沙龙、会议，多取经多交流。
3、反思自己，做商业分析到底是为了什么，自己的分析需求是否合理，是否为了验证“成见“，千万不要为了分析而分析。
商业智能是企业门前的“风口“，企业能不能成为自由翱翔的“猪“，还要看是不是真将数据转化为了生产力。
来源：oschina
链接：https://my.oschina.net/u/2419567/blog/3144810