经常可以看到大数据、数据可视化、数据分析、数据仓库等词汇，但对他们的具体概念总是很模糊。那商业智能和它们又有什么关系呢？到底什么是商业智能（BI）呢？商业智能（BI）能给生活带来什么？又将如何解决用户的痛点？
永洪科技高级副总裁、研发部总经理邵文龙对《奇点学堂》表示，
以下为正文：
商业智能（Business Intelligence，简称：BI）,以十年为基准，可以分为四个阶段。第一阶段，传统 BI时期，时间上可以追溯到 2000年以前。主要是基于传统数仓去构建，包括查询报表、数据分析、数据挖掘、前端展示与分析工具，主要目的是帮助企业决策。
传统BI的特点是需要业务人员、技术人员一起来完成整个业务的定义，然后技术人员来完成整个BI平台的建立部署，最后能交给业务人员使用。但在这样的流程中往往会出现一个很大的问题，就是技术人员可能对业务理解不一定很深，做出来东西可能并不是业务人员想要，所以就会面临让技术人员进行再次的迭代更新的需求，这样就使得开发周期变长、变慢，让产品变的不够灵活，不够好用，使用范围也受到了局限。IBM的数据统计，称传统BI项目，失败率高达60%-70%，从而使得大量的BI系统没有得到有效的使用。
第二阶段，敏捷BI时期，时间大概起始于2000年到2010年。随着BI技术的不断进步，敏捷BI主打让业务员自助建模，从而能够快速部署，同时也方便了数据源的集成，让业务人员能够很好的进行探索式分析，制作可视化的产品，主要是降低了使用者的门槛。其特点是减少了技术人员的成本，同时也降低了业务人员的学习成本，具有很好的交互易用性，同时响应速度非常快，所以推出之后是深受业务员欢迎，从而使该技术变得非常的流行。
第三阶段，就是目前所处的时期，2010年以后的十年，可以称为进阶版敏捷BI时代。由于上个十年诞生的BI属于轻量级定位，比较缺乏复杂的数据建模能力，很多属于单机操作，从而存在计算高性能计算能力不足，数据管控能力差等弊端。但现在随着大数据技术、移动技术、云计算技术飞速的发展，对数据分析产生新要求。
在2010年之后，随着敏捷BI持续的演进，在针对海量数据高性能计算、内置集成MPP(大规模并行处理)高性能计算的提升、集中化数据处理和权限管控、移动和嵌入式分析能力等众多方面都取得了不错的发展。
第四阶段，全面智能BI时代，将始于2020年以后的十年。未来BI的发展将会经历以下几个特点：第一，分析能力增强，基于快速发展的AI技术，从而提升了增强分析的能力，未来在数据预测、数据挖掘方面将变得更加智能，自动化的数据准备基于模型的多角度深度分析、预测分析等增强型技术将成为主流，从而快速的降低数据分析的使用门槛。
第二，分析智能化，随着机器学习、算法的不断改进，BI跟算法的融合，将使得分析功能本身变得更快速、更丰富，更有价值。一方面由于机器学习算法能力不断的演进增强，使其更加智能，对预测更为精准；另外一方面高价值的行业数据不断的积累和规范化，促使数据模型的成熟和完善。这两者相结合最终将会产生具有自我进化能力的智能化的分析产品，也给业务员带来极大的价值。
随着这两点模式的发展新的高性能计算构架和模式也成为必须，因为智能化的基本前提是更高的算力，无论是做模型的训练、推理，还是智能化的分析，以及数据量不断增加，都要求有更好的算力作为保障。因为目前的计算能力还是没法满足要求，需要持续的演进，会更多的依赖更高性能计算硬件，例如GPU、NPU等。
而最近几年BI出现了一些新的发展趋势，首先是，一站式大数据分析平台即端到端，其主要包括业务咨询、数据管理、深度分析、数据可视化等流程，从而能够提升完整的BI解决方案的平台。在技术上，从提供数据管理到高性能计算到机器学习等完整的通用平台的能力。在业务上，负责提供专业的解决方案，也能为满足特定行业和企业的需求。除此之外，一站式大数据分析平台，也包括给用户提供专业的服务以及数据运营的最佳实践。总之，一站式大数据分析平台能够很好的帮助客户发挥数据价值，在大中型企业里面得到很好认可，有替代传统BI和敏捷BI的趋势。
其次是，基于SaaS的BI服务。随着云计算的发展而发展，会跟云计算产生更紧密结合。细分来看，面对的客户群体为是中小客户，主要因为中小客户对价格敏感、需求简单、数据安全重视程度低，所以普通的BI工具就能满足相关要求。但中小企业的内容比较容易部署到云端，而相对于大中型企业来说，中小客户的要求会高不少，可能会要求提供非常明确的业务场景，并且根据业务场景来选择相应的服务。
最后是，更好的5G和物联网的私配能力，随着5G时代的来临，物联网会产生大量实时数据，这些数据产生使得对实时性有更高的要求，主要包括实时数据采集、存储，更好的流计算能力、更实时分析能力等，这些都需要BI处理来满足类似的要求。
综上所述，不管BI怎么演进和发展，主要功能没变，即帮助企业决策为目的，制定一整套的技术应用。随着企业数字化转型的加速，BI对企业的重要性还是会不断的增加。
以下是互动：
提问：市场上大家对BI和大数据的存在一些疑问，想问一下BI 是不是大数据？它和大数据的区别和关联在哪？
邵文龙：现在BI处理数据已经不限于传统的结构化数据，也拓展到非结构化的语言、图像、文字分析，也能更好地处理结构化、非结构化，多源异构的数据源的处理和融合，因此从数据意义的角度来讲，二者没有什么本质的不同。
但BI和大数据的侧重点不太一样。大数据更强调对大量的内外部的结构化、非结构化数据采集，存储、自理、分析，涉及到数据处理的整个过程，并且由于非结构化海量实时数据流的引入需要创立一系列大数据的平台工具来支撑其运营。
BI更多是强调明确的层次化分析，对商业决策提供辅导和指导，以帮助企业决策为目的的一整套技术，侧重点更多是针对企业的决策。BI通常来说还是以内部数据为主，辅助以外部数据，并且把分析数据通过ETL过程或者导入数仓或者数据集市，再根据需要进行不同维度，不同层次的分析，是数据化管理的一整套的方案，帮助企业做出明确的业务决策，解决企业管理战略的问题。
提问： BI目前在国内的发展如何？永洪作为国内一流的BI公司和国外的类似公司相比如何有哪些优势？又该如何在外国企业手上抢夺市场份额？
邵文龙
：这些年企业数字化转型的意识不断提升，BI得到客户越来越多的重视，目前来看，BI市场教育阶段已经完成，成为企业的刚需。尽管如此，我国相对于西方的成熟市场来说还是要落后几年，主要体现在市场普及度上，虽然现在追赶速度比较快，但相对来说还是比较低的。还有就是国内的客户发展层次参差不齐，有些头部客户数字化转型进度会非常快，但很多的企业数字化转型还是相对较慢。在产品和技术层面，除了用户体验方面，国内外的产品不相上下，且在性能上可以做到持续的领先，而国内产品迭代速度非常快。
提问：最近永洪新发布了桌面智能分析产品Yonghong Desktop，开发该产品的背景是什么？应用场景是有哪些?其与市场上同类型的产品存在哪些优势和挑战？
邵文龙
：随着对客户需求了解的逐渐深入，对客户使用场景不断进行分类和分析，发现两类场景通过桌面板产品能更方便、更快捷、更好的去满足使用者的需求。一类是数据分析师制作分析报告，并且分享给业务员使用的场景。永洪的桌面板产品的灵活性以及服务器版本的物理上的隔离，避免相互干扰。另外一类是业务人员自助式分析，有一些客户因为各种原因，数据仍然保存在业务员本机上，Excel分析已经无法支撑的使用需求，因此需要特别的一款桌面版产品来满足需求。
Yonghong Desktop
拥有以下的几下特点，第一，拥有非常强大的中国式复杂报表能力，符合中国本土厂家的需求；第二，能够无缝集成AI深度分析，内置多种的模型算法进行深度分析，可以使用产品中定义好的算法模型进行深度数据挖掘和探索。第三，高性能计算能力。对于百万级数据分析可以做到秒级响应，具有很好的用户体验。这些特点使得
Yonghong Desktop更好的去满足目标场景的客户需求，跟竞品相比上市的时间比较短，功能上还需要持续加强、完善。
在产品打磨上，针对业务员只服务分析的场景，考虑业务人员实际数据分析能力，所以
Yonghong Desktop重点不断改进产品的易用性，降低业务人员学习成本，目标就是让业务人员能够直接根据业务常识制作报告，不需要太多的了解技术算法，细节和配置。对分析师场景来说，要不断的增强高级分析师使用能力。
提问：永洪发布了数据分析桌面版Desktop，对于永洪老客户来说，如果在个人电脑中安装了这个桌面版，是否可以和原有永洪BI打通?
邵文龙
：这是没问题的，因为这个场景其实就考虑了用户自助分析，用户用自己的中文版的去制作分析报告之后能够上传到服务器版，然后分享给其他的人，对于这个场景打通已经做的非常好。
备注：
SaaS
平台：Software-as-a-Service的缩写名称，即软件即服务，即通过网络提供软件服务。
ETL
：Extract-Transform-Load的缩写名称，即数据仓库技术。用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。
AI：Artificial Intelligence的缩写名称，即人工智能。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
