大数据时代商业智能(bi)展望

《大数据时代商业智能(bi)展望》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据时代商业智能(BI)展望摘要：在信息爆炸时代的背景下，兴起大数据概念对于各种传统IT行业产生了巨大的冲击。本文研究大数据对于商业智能（BI）行业的影响，新的挑战促进了BI（商业模式）的发展。关键词：大数据；BI；发展中图分类号：TP311.13文献标识码：A文章编号：1674-7712（2014）12-0000-01近些年大数据（bigdata）一词被提及的频率越来越高。原本只是用来形容海量信息的含义，在信息时代又赋予了它新的含义-新信息时代的风向标。如今是信息爆炸的时代，数据正在迅速膨胀变大，原本传统电信金融行业是信息产生的大户，随着互联网行

2、业的异军突起，立刻成为了大数据军团中的绝对主力。互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。5随着越来越多的行业对数据越来越重视，带来了BI的巨大市场商机和快速发展。随着大数据的兴起，IBM、Oracle、SAP、微软等厂商像是寻到了新的金矿，开始极力推崇大数据理念。于是众厂商蜂拥而至，抢夺大数据市场，以SAP的HANA和ORACLE的Exalytitcs为代表。也有部分推BI的厂商还达不到大数据的层次，固守在报表分析的阵地上。大数据具有4个特征（4V）：（一）数据量大（Volume）第一个

3、特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。（二）类型繁多（Variety）第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。（三）价值密度低（Value）第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。（四）速度快时效高（Velocity）第四个特征是处理速度快，时效性要求高。这是大数据区

4、分于传统数据挖掘最显著的特征。基于大数据以上特性，对于传统BI来说是一个重大的挑战和冲击。5以RTB（实时竞价广告）模式为例，这种面向网民的广告实时推送方式需呀以毫秒级的速度分析海量数据，进而实现互联网广告的精准推送。RTB模式主要需解决“人的认知”和“价值几何”，前者需要对每个用户实施消费行为进行分析，意味着需要解读万亿量级的数据；后者则需依托复杂算法计算ROI（投资回报率），告诉决策并显现交易结果，而每笔竞价只有50毫秒乃至更少的决策时间。收纳并瞬间解构如此庞大的数据，也只有大数据工具才能做到。传统BI采集的数据主要来自于ERP、CRM等，具有格

5、式化的数据，而大数据采集的数据种类则多种多样，既有结构化的数据，更多的是非结构化的数据。这就要求数据处理技术在分析、算法上相对传统BI来说有极大的改变，已经无法依赖传统的BI工具。类似RTB这类新兴商业模式不断涌现，对于营销反应速度提出极高的要求，传统BI能支持小时级的决策已经很了不起了，无法应对如此几乎是实时决策分析的要求，处理如此海量的数据分析及计算。数量和速度就是大数据带给传统BI的挑战。大数据和BI都需要构建数据仓库、分析系统，再进行数据挖掘、实现数据呈现，运用机理和技术结构其实是一致的。与BI不同，大数据处理的数据是杂乱的、非结构化的数据，

6、因此大数据有它独特的数据分析工具，其建模也要比BI5复杂得多，数据呈现方式也不仅仅是报表方式。从这方面来看大数据能力要比传统BI强大得多。几年前还只有大型网络公司应用大数据技术，而如今，零售业、银行业、公共事业、智能社区等领域，几乎所有拥有海量数据的企业都在使用或开始尝试使用大数据技术，这些技术在部分项目中也起到了关键的作用，这些将挤压传统BI工具的生存空间。大数据的出现对BI行业来说是一个挑战也是巨大的商机。也正是大数据的出现促进了BI加速发展，不断升级。大数据分析缺乏成熟的实践经验，其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据

7、分析项目之前，企业不仅应该知道使用何种技术，还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性？哪个数据是可信的？如何从海量的数据中挖掘出有价值的、易用的客户信息？要回答这些问题，企业需要一个单一、完整、可信的客户数据视图，而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。在大数据概念面世之前，商业智能（BI）几乎是我们进入‘智慧世界’的不二选择，然而，价格不菲的数据库、数据仓库、ETL等工具共同

8、构筑的高门槛挡住了很多企业一探究竟的脚步，而数据规模爆炸式的增长更是加高了这个门槛，让很多企业对于获取‘智慧