當(dāng)大數(shù)據(jù)即Big Data與云計(jì)算、移動(dòng)應(yīng)用與社交網(wǎng)絡(luò)，風(fēng)靡一世，成為2012 年信息技術(shù)領(lǐng)域最時(shí)髦的詞匯。IBM 、Oracle、SAP、微軟等廠商，像尋找到了新的金礦，開始極力推崇大數(shù)據(jù)理念。于是，眾廠商蜂擁而至，搶奪大數(shù)據(jù)市場(chǎng)，尤其是SAP的HANA和Oracle的Exalytics，打得火熱。相比之下，部分推BI的廠商還達(dá)不到大數(shù)據(jù)的層次，固守在報(bào)表分析的陣地上。事實(shí)上，大數(shù)據(jù)真的有如我們想象中的那么強(qiáng)大嗎?BI為什么跑不出“最后一公里”?大數(shù)據(jù)與BI同時(shí)遭遇了被質(zhì)疑的尷尬。

BI為什么不能快速踏入大數(shù)據(jù)時(shí)代?

一個(gè)剛?cè)胄械腂I咨詢師的困惑，或具有一定的代表性，表達(dá)了BI當(dāng)前的狀態(tài)。

“今天跟客戶演示系統(tǒng)，演示完畢，客戶問我一個(gè)問題：商業(yè)智能到底智能在哪里?BI和報(bào)表工具做出來的東西有何不同?對(duì)于這個(gè)問題，我相信做BI的人都曾經(jīng)問過自己，也給過自己很多答案，但未必真的是100分的答案。就像今天，我雖然跟客戶舉了一些例子解釋和說明上述問題，但是自己還是覺得不夠透徹和有說服力。造成這個(gè)問題，我想重要的原因是BI本身范圍太廣，加之現(xiàn)在市場(chǎng)上的各種報(bào)表工具都自稱BI解決方案，各種項(xiàng)目都往BI上靠，使得BI的概念很模糊了。第二個(gè)原因，大部分BI項(xiàng)目其實(shí)本質(zhì)需求就是滿足數(shù)據(jù)的一個(gè)查詢和報(bào)表報(bào)告，到底是BI，還是其他什么概念都不重要。”

BI的概念過于泛泛，以至于在幾年前，很多企業(yè)認(rèn)為BI可有可無。近年來，大數(shù)據(jù)給BI帶來了極大的沖擊，加速了其發(fā)展的步伐，甚至有人大膽預(yù)測(cè)，未來十年，商務(wù)智能分析將引領(lǐng)管理信息化的發(fā)展。

BI與大數(shù)據(jù)的區(qū)別在于，大數(shù)據(jù)能夠基于BI工具進(jìn)行大容量數(shù)據(jù)和非機(jī)構(gòu)化數(shù)據(jù)進(jìn)行處理，與傳統(tǒng)基于事務(wù)的數(shù)據(jù)倉(cāng)庫系統(tǒng)相比較，大數(shù)據(jù)分析不僅關(guān)注結(jié)構(gòu)化的歷史數(shù)據(jù)，它們更傾向去對(duì)Web、社交網(wǎng)絡(luò)、RFID傳感器等非結(jié)構(gòu)化海量數(shù)據(jù)進(jìn)行分析，大數(shù)據(jù)無疑是對(duì)BI的一個(gè)完美補(bǔ)充。

為什么大部分BI廠商對(duì)于大數(shù)據(jù)表現(xiàn)出“冷處理”態(tài)度?

原因一，處理并分析非結(jié)構(gòu)化數(shù)據(jù)是難點(diǎn)：不論是大交互數(shù)據(jù)還是大交易數(shù)據(jù)，處理并分析非結(jié)構(gòu)化數(shù)據(jù)，是BI業(yè)內(nèi)，甚至是大數(shù)據(jù)處理，一直面臨的難點(diǎn)。很多推BI產(chǎn)品的廠商，其技術(shù)能力達(dá)不到大數(shù)據(jù)所要求的高度。

原因二，企業(yè)意愿不強(qiáng)：現(xiàn)在很多的企業(yè)做的BI，并沒有完全體現(xiàn)智能，最多只是將已有的數(shù)據(jù)使用報(bào)表進(jìn)行呈現(xiàn)，開發(fā)的報(bào)表也很簡(jiǎn)單，大部分用戶還沒有希望從開發(fā)的BI系統(tǒng)中，發(fā)掘更多價(jià)值的意識(shí)。

原因三，BI的價(jià)值度無法衡量：大數(shù)據(jù)的確會(huì)有價(jià)值，但這個(gè)價(jià)值有多大，沒辦法準(zhǔn)確衡量。從某些大數(shù)據(jù)中會(huì)挖掘出新的價(jià)值，但這個(gè)價(jià)值只是附加價(jià)值，是一個(gè)想象的空間。就比如沙漠里可能有金子，但并不是說沙漠中一定就能挖出金子。

大數(shù)據(jù)如何摘下“新瓶舊酒”標(biāo)簽?

有人評(píng)價(jià)“大數(shù)據(jù)是個(gè)相對(duì)的概念，是新瓶裝舊酒。”認(rèn)為，傳說的大數(shù)據(jù)處理方式，只不過是為趕時(shí)髦，在既有的方案上包裝了一下，新瓶裝舊酒。海量數(shù)據(jù)時(shí)代并沒有給多少企業(yè)帶來革命性的變化，在 MapReduce 以及 Hadoop 出現(xiàn)之前，也有企業(yè)能夠輕松的對(duì)數(shù)據(jù)進(jìn)行大規(guī)模并行計(jì)算，而 NoSQL 的出現(xiàn)也只是為處理數(shù)據(jù)的方式帶來了更多可能性。

所以，從結(jié)果來看，對(duì)于大數(shù)據(jù)的質(zhì)疑并沒有比BI少，同樣遭遇了“還差一公里”的尷尬。

大數(shù)據(jù)分析缺乏成熟的實(shí)踐經(jīng)驗(yàn)，其方式方法與傳統(tǒng)的數(shù)據(jù)倉(cāng)庫與BI系統(tǒng)有著一定的區(qū)別。在實(shí)施大數(shù)據(jù)分析項(xiàng)目之前，企業(yè)不僅應(yīng)該知道使用何種技術(shù)，還應(yīng)該知道在什么時(shí)候、什么地方使用。各數(shù)據(jù)之間有哪些關(guān)聯(lián)性?哪個(gè)數(shù)據(jù)是可信的?如何從海量的數(shù)據(jù)中挖掘出有價(jià)值的、易用的客戶信息?

要回答這些問題，企業(yè)需要一個(gè)單一、完整、可信的客戶數(shù)據(jù)視圖，而創(chuàng)建一個(gè)單一、完整、可信的客戶數(shù)據(jù)視圖，數(shù)據(jù)集成是關(guān)鍵。沒有集成的數(shù)據(jù)，其商業(yè)價(jià)值為零。數(shù)據(jù)集成讓組織機(jī)構(gòu)能夠?qū)鹘y(tǒng)的交易數(shù)據(jù)與全新的交互數(shù)據(jù)組合起來，從而獲得在其他情況下無法達(dá)成的洞察力和價(jià)值。

可以確定的是，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，未來的大數(shù)據(jù)時(shí)代，一定是各種信息呈現(xiàn)規(guī)?？焖僭鲩L(zhǎng)的狀態(tài)，如何更快獲取有用的信息是關(guān)鍵，智能分析工具會(huì)變得越來越重要，可以凌駕于多個(gè)管理系統(tǒng)、數(shù)據(jù)庫之上，如何通過更靈活、可控的BI工具，真正挖掘出大數(shù)據(jù)時(shí)代的價(jià)值，是大數(shù)據(jù)和BI面臨的共同挑戰(zhàn)。