時下大數(shù)據大熱，而且這股熱潮可謂來勢洶洶。在相關廠商、投資方以及眾多第三方機構的鼓動下，越來越多的用戶摩拳擦掌、躍躍欲試。

雖然眼下各家關于大數(shù)據的宣傳重點各有不同，但描繪的前景基本相同，即通過數(shù)據探查、數(shù)據分析及數(shù)據展示等相關技術，讓我們可以從海量數(shù)據中很快找到新的商業(yè)機會，或者做出更正確的決策。

對IT業(yè)發(fā)展歷史有些了解者對這一情形并不陌生，當年商業(yè)智能也是同樣炙手可熱，而且商業(yè)智能也是以“打開智慧之門”的名義讓不少企業(yè)投入其中，而時至今日，很少有企業(yè)真正拿到了那把“金鑰匙”。

如今，當兩個同樣以“智能”或者“智慧”名義敲開用戶大門的技術來到我們面前的時候，我們該如何選擇?特別是對于傳統(tǒng)商業(yè)智能的用戶，我們該如何積極擁抱大數(shù)據?有了大數(shù)據我們還需要商業(yè)智能嗎?大數(shù)據將取代傳統(tǒng)商業(yè)智能嗎?

在大數(shù)據聲名鵲起而傳統(tǒng)商業(yè)智能聲音似乎逐漸式微的當下，我們提出這些問題并非毫無來由。盡管目前關于何謂大數(shù)據還沒有統(tǒng)一的說法，但是，大數(shù)據是以海量數(shù)據的處理和分析，發(fā)現(xiàn)數(shù)據背后的本質，增加企業(yè)洞察力為目的而誕生的，而這與商業(yè)智能的目的基本一致，從這個意義上說，兩者之間就存在著一定的競爭關系。當我們把“大數(shù)據是否將取代傳統(tǒng)商業(yè)智能”話題發(fā)布在《計算機世界》官方微博和計世網上的時候，的確引起了業(yè)界的廣泛探討(微博調查結果參見圖1)。這在一定程度上也反映了業(yè)界對大數(shù)據與商業(yè)智能之間關系的模糊認識。

#p#

草根與貴族之爭

盡管隨著技術的不斷進步，商業(yè)智能日益平民化，如今基于Excel表也能在一定程度上實現(xiàn)傳統(tǒng)商業(yè)智能的部分功能。但是，商業(yè)智能最精典的架構依然以數(shù)據倉庫為基礎，通過搭建數(shù)據倉庫(常常是專用設備)，利用ETL工具進行數(shù)據抽取、轉化，建模，然后通過報表和駕駛艙等形式進行結果展示，整個過程每個環(huán)節(jié)都投資不菲而且耗時。因此，很長時間以來，商業(yè)智能被認為大企業(yè)的專有，而被稱為是貴族。相對而言，大數(shù)據主要用于一些互聯(lián)網企業(yè)，采用通用硬件設備加上開源軟件實現(xiàn)，成本低而被一些人認為是草根。因此，這場大數(shù)據與商業(yè)智能之爭也被看成是“草根”與“貴族”之爭。那么，當“草根”出身的大數(shù)據遇到了“貴族”商業(yè)智能會發(fā)生什么變化?是否會搶占商業(yè)智能的市場?

“目前看來，大數(shù)據還搶不了商業(yè)智能的市場，無論從技術成熟度還是生態(tài)系統(tǒng)來說。”SAP亞太區(qū)數(shù)據庫解決方案技術總監(jiān)盧東明告訴計算機世界記者，商業(yè)智能這個概念自1992年興起后的20多年中，已經在IT界幾乎家喻戶曉、婦孺皆知了。這個概念的知名度是一個巨大的資產，顛覆一個已有20多年存在且仍有生命力的技術是非常不容易而緩慢的過程。

而就生態(tài)系統(tǒng)而言，歷經近20年的發(fā)展，商業(yè)智能從最初朦朧的概念到如今豐富的產品系列和解決方案組合，特別是數(shù)據庫、數(shù)據倉庫產品的組合在用戶中已經留下很深的烙印。此外，還有各種各樣圍繞商業(yè)智能產生的數(shù)據采集、數(shù)據處理、數(shù)據存儲、數(shù)據分析、數(shù)據可視化軟件，如此完善的生態(tài)系統(tǒng)是現(xiàn)階段大數(shù)據所無法媲美的。

基于上述原因，盧東明更愿意把大數(shù)據作為傳統(tǒng)數(shù)據庫、數(shù)據倉庫以及商業(yè)智能這些概念的外延和擴展，認為相互之間不存在取代的關系，也并不是互斥的關系，他傾向于把大數(shù)據歸為實現(xiàn)商業(yè)智能的一種技術手段。“打個比方吧：如果BI是個聽診器的話，你說X光、核磁共振和它啥關系?”

實際上，在我們的微博調查中，持類似觀點的基本占絕大多數(shù)，特別是業(yè)內人士。北京殷塞信息技術有限公司執(zhí)行董事兼***架構師朱東也是其中之一，在朱東看來，大數(shù)據就是一種分布式存儲和處理技術，用來處理那些“分散”和“難處理的數(shù)據”，和商業(yè)智能不在一個層面上，本質上大數(shù)據只是商業(yè)智能的一個新數(shù)據源。從這一點上也反映出業(yè)界對大數(shù)據的概念至今還缺乏統(tǒng)一的認識。(本文所說的大數(shù)據是廣義的大數(shù)據，涵蓋對海量數(shù)據特別是非結構化數(shù)據從數(shù)據采集、存儲、分析到最終結果呈現(xiàn)的整個過程中涉及的所有技術。正是基于此，這兩個概念才有可比性。)

當然，也有人不這么看。特別是在一些用戶看來，兩者的關系可能就簡單得多了。

“從用戶觀點看，只有草根打法和貴族打法的差別，沒有大數(shù)據和BI的差別。”中文信息處理及金融IT知名專家、上海證券交易所白碩在其微博中也對我們提出的“大數(shù)據將取代傳統(tǒng)商業(yè)智能”的話題發(fā)表了自己的意見。#p#

跑在不同軌道上的列車

拋開商業(yè)智能與大數(shù)據之間的爭論不談，目前這兩者各自都有其擅長的領域則是不爭的事實，而且看起來區(qū)別實在太大，更像是偶有交叉但行駛在不同軌道上的兩輛列車。

眾所周知，當今的數(shù)據資產基本可以歸為三類，即企業(yè)內部的業(yè)務數(shù)據、公共服務機構的數(shù)據(如物聯(lián)網相關數(shù)據)，以及與互聯(lián)網相關的數(shù)據(如網絡日志、微博等)。

“在這三類數(shù)據中，企業(yè)內部業(yè)務數(shù)據和部分公共服務器的分析和處理基本是傳統(tǒng)商業(yè)智能的天下，而互聯(lián)網數(shù)據的處理則是大數(shù)據技術的天下。兩者的重合度并不大。”Informatica中國區(qū)***產品顧問介紹說。

南大通用數(shù)據技術有限公司董事長助理李航表達了同樣的觀點。他認為，大數(shù)據和傳統(tǒng)數(shù)據到目前為止還是涇渭分明的兩個不同陣營，現(xiàn)實中絕大部分企業(yè)的商業(yè)分析都基于傳統(tǒng)的商業(yè)智能來進行，還不會因為大數(shù)據而摒棄原來的傳統(tǒng)分析方法。因此，不存在所謂的市場沖擊。

“大數(shù)據相關技術(如Hadoop)主要用來存儲和處理非結構化數(shù)據，但是非結構化的數(shù)據想要被充分認知和分析，轉化為結構化數(shù)據之后處理不失為一種有效方法。比如，將大數(shù)據以及聚合數(shù)據輸入傳統(tǒng)商業(yè)智能系統(tǒng)中去做分析與展現(xiàn)，最終形成報告，出分析結果。”李航說。

李航的觀點在傳統(tǒng)數(shù)據庫和數(shù)據倉庫廠商從業(yè)人士中很典型，基本代表了大多數(shù)傳統(tǒng)傳統(tǒng)數(shù)據庫、數(shù)據倉庫廠商的觀點?；谶@樣的認識，它們最常推薦的一個應用場景是，將大數(shù)據存儲在Hadoop，利用Hadoop來初步處理，然后將其轉化為結構化數(shù)據存儲數(shù)據倉庫中，再利用現(xiàn)有的傳統(tǒng)商業(yè)智能平臺進行數(shù)據分析和預測，提供報表，或者成為企業(yè)駕駛艙中的一部分。而那些率先引入大數(shù)據技術的互聯(lián)網企業(yè)卻很少使用這些方法，這些缺乏傳統(tǒng)商業(yè)智能基礎的企業(yè)從一開始就將自己的解決方案完全架構在Hadoop等大數(shù)據技術上，直接從Hadoop中提出數(shù)據，利用自己定制的MapReduce，完成數(shù)據的分析和展現(xiàn)。比如，提供網站精準推薦服務的百分點就是這樣使用Hadoop挖掘訪客點擊數(shù)據的。

顯然，用戶不同的技術儲備決定了技術方案的不同選擇，而廠商不同的出身也決定了其不同技術發(fā)展路線。在傳統(tǒng)商業(yè)智能廠商看來，商業(yè)智能和大數(shù)據都不可偏廢。IBM新興市場部大數(shù)據中心總監(jiān)王曉梅就多次強調，在IBM大數(shù)據的戰(zhàn)略中，傳統(tǒng)的關系型數(shù)據、結構化的數(shù)據仍舊是IBM大數(shù)據中非常重要的一部分，其數(shù)據倉庫也仍舊是整個大數(shù)據平臺不可或缺的重要一部分。#p#

技術上的融合

盡管在大多數(shù)業(yè)內人士看來，在數(shù)據分析市場上大數(shù)據與商業(yè)智能更像兩個行駛在不同軌道上的列車，并肩前行同時偶有交叉，但是在技術上，同為數(shù)據分析、提高洞察力而存在的兩種技術之間早就開始了交流和互動。比如，為應對海量數(shù)據帶來的挑戰(zhàn)，商業(yè)智能相關產品紛紛在性能方面做文章。內存計算、列式存儲等技術就被廣泛應用到傳統(tǒng)的數(shù)據處理相關產品和技術中，今天我們在IBM、Oracle、SAP等相關產品上都可以看到它們的蹤跡。比如，SAP正在大力推廣的HANA就是典型代表。同樣，專注在數(shù)據分析層面的SAS也在其新一代數(shù)據分析工具中引入名為HPA的高性能分析引擎，主打的同樣也是高性能。

除此之外，那些提供傳統(tǒng)數(shù)據庫和數(shù)據倉庫的主流供應商，包括甲骨文、IBM、SAP(收購了Sybase)、微軟等都在其數(shù)據庫和數(shù)據倉庫提供各種連接器，支持對Hadoop數(shù)據進行分析。比如，甲骨文推出了軟硬一體的大數(shù)據庫機，其中內置了與Oracle數(shù)據庫的連接器來與Hadoop進行數(shù)據通信。在SAP Sybase***一代數(shù)據倉庫Sybase IQ 15.4中也同樣配備了很多接口。通過這些接口可以同時訪問Sybase IQ和Hadoop，或者用一個標準的SQL來訪問Hadoop的數(shù)據。

“適者生存，從結構化為主的‘小數(shù)據’到非結構化為主的‘大數(shù)據’，大量連接器的出現(xiàn)其實已經表明了數(shù)據庫廠商的姿態(tài)，大數(shù)據擴充了數(shù)據的外延，也擴大了數(shù)據庫的應用空間。目前還沒有一個數(shù)據庫***地解決‘小數(shù)據’和‘大數(shù)據’的混用問題，接口就是目前***的階段性技術。”SAP盧東明告訴計算機世界記者，而從技術發(fā)展的角度看，數(shù)據庫、數(shù)據倉庫產品必須自我發(fā)展，以適應大數(shù)據帶來的挑戰(zhàn)，一如商業(yè)智能的過去一樣。

眾多周知，在過去的20多年，傳統(tǒng)商業(yè)智能從行式存儲數(shù)據庫轉為列式存儲數(shù)據庫，磁盤數(shù)據庫轉向內存數(shù)據庫，軟件架構也從SMP轉為MPP，數(shù)據倉庫實施從延時多維變?yōu)閷崟r抽取等。這些轉變的背后，其推動力就是用戶對數(shù)據處理和分析日益增加的需求。

相對于比較成熟的傳統(tǒng)商業(yè)智能，出現(xiàn)不久的大數(shù)據其需要成長和完善的地方更多。“效率、可靠性和安全性是一個成熟的數(shù)據處理平臺所必須具備的，對于大數(shù)據而言，這也是它首先需要解決的。”Informatica大中國區(qū)***產品顧問但斌告訴計算機世界記者，而在這些方面?zhèn)鹘y(tǒng)BI已經走過了近20年的發(fā)展歷程，可以提供很多值得借鑒的技術和方法論。

另一方面，大數(shù)據在技術上也有待突破，特別是在微博、微信等語義分析方面，只有這些技術實現(xiàn)了突破，大數(shù)據的市場才會真正從互聯(lián)網領域走向傳統(tǒng)領域。

其實，以Hadoop為代表的大數(shù)據相關技術也在做出一些適應性變化。比如，Hive的出現(xiàn)，就是為了方便人們像使用SQL數(shù)據庫一樣，來直接調用Hadoop中的數(shù)據;而NoSQL的出現(xiàn)本質上也是借鑒傳統(tǒng)SQL數(shù)據庫來解決非結構化數(shù)據的管理問題。#p#

商業(yè)智能3.0

實際上，當我們還在探討大數(shù)據與傳統(tǒng)商業(yè)智能之間的關系時候，國外已經有人提出了BI 3.0的概念(參見圖2), 將大數(shù)據也作為商業(yè)智能的一個部分。在這一概念體系中，傳統(tǒng)商業(yè)智能被稱為BI 1.0，其與大數(shù)據結合后稱為BI 2.0，而在結合移動數(shù)據后就成為了BI 3.0。與之相似，在國內也有人提出類似的觀點，頗為有趣的是，這種觀點將商業(yè)智能歸到了大數(shù)據之下，稱大數(shù)據 3.0。

比如，天云科技***數(shù)據科學家鄭毅就將傳統(tǒng)商業(yè)智能稱做大數(shù)據的1.0，此時處理的主要是企業(yè)內部流轉的業(yè)務數(shù)據，服務的也是企業(yè)內部;下一階段將是大數(shù)據2.0，此時數(shù)據不只在企業(yè)內部發(fā)揮價值，還會用這些數(shù)據向外去創(chuàng)造價值;大數(shù)據最終會走向3.0，那時數(shù)據能夠對內、對外產生價值，同時還能在不同組織間自由流動，形成整個社會的數(shù)據基礎設施。

顯然，出身的不同決定了其對兩個概念的不同理解：來自傳統(tǒng)商業(yè)智能領域者將大數(shù)據當成一個新增的數(shù)據源;而大數(shù)據一方則認為傳統(tǒng)商業(yè)智能只是其領域中處理少量數(shù)據時的一種方法。不過，對于用戶而言更希望能獲得一種整體的解決方案，即不僅要能收集、處理和分析企業(yè)內部的業(yè)務數(shù)據，還希望能引入互聯(lián)網上的網絡瀏覽、微博、微信等非結構化數(shù)據。除此之外，還希望能結合移動設備的位置信息，這樣企業(yè)就可以形成一個全面、完整的數(shù)據價值發(fā)展平臺。畢竟，無論是大數(shù)據還是商業(yè)智能，目的都是為分析服務的，數(shù)據全面整合起來，更有利于發(fā)現(xiàn)新的商業(yè)機會。這也正是“BI 3.0”或者“Big Data 3.0”的最終目的。

實際上，用戶對數(shù)據分析相關工具和界面的融合需求也已經開始出現(xiàn)，比如，在商業(yè)智能應用最為普及的銀行中，就希望在原來僅僅為客戶提供支付服務之外，還能知道更多客戶的購買信息(比如，物品清單)，從而可以更為充分地了解客戶，為其下一步的精準營銷奠定基礎。

過往的歷史表明，技術的活力在于不斷創(chuàng)新。對于已經存在了20多年的相對比較成熟的商業(yè)智能而言，早就形成了一個相對完善的生態(tài)系統(tǒng)。更為重要的是，大量企業(yè)在傳統(tǒng)商業(yè)智能方面已經進行了大量投資，特別是企業(yè)里很多業(yè)務其實已是圍繞這樣的系統(tǒng)來開展的時候，即使真有一種可替代的技術出現(xiàn)，這種替換也不會很快發(fā)生，更何況從目前來看大數(shù)據也不是這樣一種技術。基于這樣一個認識，我們認為，在未來相當長一段時間，大數(shù)據和傳統(tǒng)商業(yè)智能將在相互促進中競爭，在競爭中共同進步，最終走向“BI 3.0”或者“Big Data 3.0”。