我們在一些客戶現(xiàn)場和客戶溝通的時候，客戶經(jīng)常會提到一些場景和問題，問能不能在BI里面解決。

BI不擅長做什么

比如上了BI之后，所有的數(shù)據(jù)從數(shù)據(jù)源抽取到BI層面進行加工，數(shù)據(jù)都處理的很規(guī)范，但是業(yè)務系統(tǒng)中的數(shù)據(jù)仍然不規(guī)范，數(shù)據(jù)質量的問題并沒有得到真正的解決。還有就是上了BI之后，想利用一些數(shù)據(jù)對符合條件的用戶做一些信息推送、精準營銷，用戶收到信息之后的反饋也希望能夠沉淀到BI數(shù)據(jù)倉庫中，等等諸如此類的需求。

實際上嚴格來講，這些都不是BI所擅長的領域。BI 所擅長的仍然是打通各類數(shù)據(jù)系統(tǒng)，并通過BI數(shù)據(jù)倉庫建模構建各類合理的分析模型，對外以可視化報表的形式提供給管理層做決策支撐，或者通過深入的BI分析定位企業(yè)業(yè)務和管理中的問題，最終要不要做決策、做什么樣的決策還是由人來決定。

那么剛才講到的兩個場景實際上一個是位于BI的上游入口端，一個是位于BI的下游出口端。

BI上游數(shù)據(jù)問題

數(shù)據(jù)源頭的數(shù)據(jù)質量問題BI是無法解決的，BI能解決的只是將數(shù)據(jù)源頭的數(shù)據(jù)拉入到BI數(shù)據(jù)倉庫中，通過ETL完成數(shù)據(jù)的合并、清洗、治理工作，將不規(guī)范的、不可分析的數(shù)據(jù)變成規(guī)范的、可分析的數(shù)據(jù)形式支撐前端可視化分析。

?

比如我們經(jīng)常見到的在一些企業(yè)，信息化系統(tǒng)的規(guī)劃都是分階段進行的，不同的系統(tǒng)不同的部門在使用，由于缺乏一定的提前統(tǒng)一規(guī)范，再加上不同的業(yè)務部門使用不同的系統(tǒng)比如對產品編碼、供應商檔案信息的維護不一致，結果就造成在BI取數(shù)建模的時候就不知道到底以哪一套系統(tǒng)的維度檔案數(shù)據(jù)為主，就需要花費大量的時間、精力來處理這類數(shù)據(jù)的合并、臟數(shù)據(jù)的剔除等開發(fā)工作。

所以，對于這些數(shù)據(jù)質量的控制、臟數(shù)據(jù)的清洗都后置到BI層面來處理了。如果要前置處理的話，就需要依賴主數(shù)據(jù)系統(tǒng)、數(shù)據(jù)治理系統(tǒng)在數(shù)據(jù)源頭上做處理控制，建立統(tǒng)一的主數(shù)據(jù)檔案信息，所有的維度檔案都統(tǒng)一由主數(shù)據(jù)系統(tǒng)控制，再分發(fā)到各個業(yè)務系統(tǒng)建立統(tǒng)一的數(shù)據(jù)標準。

或者在規(guī)劃建設每一個業(yè)務信息化系統(tǒng)的時候建立數(shù)據(jù)檔案標準，遵循一定的數(shù)據(jù)規(guī)則，這也是數(shù)據(jù)質量、數(shù)據(jù)檔案信息、數(shù)據(jù)規(guī)范的前置。所以這一類的數(shù)據(jù)處理要么前置到上BI之前來解決，要么后置到BI層面來處理。但在BI層面來處理，BI 就只能對往外輸出的數(shù)據(jù)質量做控制，是無法逆向回溯到數(shù)據(jù)源頭解決數(shù)據(jù)源頭的數(shù)據(jù)質量、數(shù)據(jù)標準問題。

BI下游輸出問題

剛才講到的是BI的上游數(shù)據(jù)問題，再來談談BI的下游往外輸出的問題，比如最開始提到的要做一些用戶分群、做一些精準營銷，比如在市場營銷領域的 MarTech。實際上它的處理流程也是采集各類內部系統(tǒng)、外部環(huán)境的數(shù)據(jù)做加工處理，按照一定的邏輯計算規(guī)則構建一些模型，再根據(jù)一定的場景來使用這些數(shù)據(jù)做一些營銷工作，這部分目前也不是BI所擅長的。

BI 的定位剛才也已經(jīng)講過是在內部數(shù)據(jù)倉庫建完分析模型的時候，對前端可視化分析負責。也就是說到前端可視化這個層面就結束了，不會介入到后續(xù)的業(yè)務流程處理上，比如營銷推廣就是一種業(yè)務流程處理過程。但是實際上看看剛才的數(shù)據(jù)處理過程，和BI的ETL過程也都是非常類似的，都需要采集各類數(shù)據(jù)庫、接口的不管是外部的還內部的數(shù)據(jù)，也都需要進行非常復雜的數(shù)據(jù)處理，建立模型。

BI擴展能力

根據(jù)對BI問題的分析，我們會發(fā)現(xiàn)BI如果要往下走一步，實際上就是到了數(shù)據(jù)服務的環(huán)節(jié)了，通過對外提供數(shù)據(jù)服務介入到后續(xù)的業(yè)務環(huán)節(jié)，這樣就實現(xiàn)了BI和后續(xù)業(yè)務流程的對接和打通。這種場景的應用領域非常寬泛，像剛才提到的市場營銷、零售行業(yè)的智能補貨、庫存的智能預警等等。

?

所以，BI 領域的上下游擴展能力還是很強的，它的上下游兩端都是業(yè)務系統(tǒng)，一種是提供數(shù)據(jù)來源的業(yè)務系統(tǒng)，一種是通過規(guī)范性的數(shù)據(jù)打入到下游的業(yè)務系統(tǒng)，而中間就是BI的核心處理環(huán)節(jié)。

往上，BI 可以擴充到主數(shù)據(jù)、數(shù)據(jù)治理。往下，BI通過數(shù)據(jù)服務擴充到各個細分領域的數(shù)據(jù)應用場景，但它的行業(yè)性特征比較強。這些都是未來BI可以發(fā)展的一個方向。

實際上，再講到這里，大家是不是也感覺和現(xiàn)在的數(shù)據(jù)中臺是不是有些類似了，三大環(huán)節(jié)：數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)服務。所以，很多技術概念基本上都是大同小異的，只是他們的定位、偏向性、行業(yè)性、業(yè)務性的不同就形成了不同的解決方案來解決一些特定的場景問題。