新型BI和传统BI有什么区别？

您想问的是自助式BI与传统BI的区别吧？

自助式BI或者自助式数据分析是最近几年兴起的一个概念。根据Gartner发布的信息，Self Service Business Intelligence(SSBI)被定义为“终端用户在被批准和支持的平台或工具组合中设计和部署自己的报告和分析。

很多业内人士都表示未来的BI或者数据分析的趋势就是要实现去中心化。以前有三类人需要牵涉到整个BI系统的环境或者是业务的搭建过程中（ETL, 数据分析及可视化，业务人员）。去中心化就是企业不再需要有一个专门的BI部门去完成整个业务的需求，而是业务部门的人员需要参与到数据分析及可视化的日常工作中间去，利用一个平台或者工具能够实时地满足自己的分析需求。也早已有很多自助式分析的工具已经发展起来。使用方便、界面分析DIY、学习成本低是它区别于传统工具的特性，像我们常见的Tableau、QlikSense、PowerBI、Wyn Enterprise 等数据分析软件。来自GrapeCity（Wyn Enterprise的开发商）的预测未来的几年之内这种模式的工具和概念将会覆盖大多数的数据分析应用场景，自助式数据分析时代正在来临。

不过有一些行业专家却对此表示不一样的看法。Rob Wunderlich是Qlik的产品应用大师，他有很多开创性的技术文章为广大的Qlik开发人员解决了大量难题。他曾就到底什么是自助式BI提出过一些观点。他认为，BI的目标是为业务提供答案和见解并支持决策, 这些答案来自于与内容的交互，而不是创建内容。我不认为一个“权力用户（管理者和决策者）”是一个创建图表的人，而是一个知道如何在平台或者系统上搜索、选择和联想的人。一个权力用户不会去处理基础数据和修改模型。他们只需要做一系列的选择，并将其存储在书签中。的确，作为决策和管理者们需要一个稳定的系统和仪表盘界面帮助他们监控企业整体状况，支持他们即时发现状况并制定策略和采取措施。自助式对他们来说就是选择，点击然后显示结果。自助式分析工具的学习成本其实也并不一定低。目前很多商业性的分析工具都设有证书考试，对于使用者虽然不是必须的，但间接性的印证了工具本身想要用好并不是真的那么的容易。而且考试内容并不只限于工具本身的使用和功能，像数据模型、分析界面设计、分析方法、数据库操作语言和结构这些都是其考试范围。

拖拽式的自助式BI工具的出现帮助没有IT背景的人有了自己创建分析界面的能力，不过要实现大数据量高复杂度的BI需求暂时还离不开专业人员。不同的观点代表了不同的应用场景和用户角度，小编觉得无论什么样的方式和什么样的工具，目的在于实现分析、发现问题并获得答案。

BI是工具与技术的结合，各种数据分析工具和技术不停在跟新，除了功能、操作、界面友好等等之外，面向使用对象的扩展也是其中之一。随着人工智能的发展会有越来越多的技术应用于数据分析领域，不管是数据处理、数据分析还是可视化，都将又是一翻新的局面，加上大数据资源也许那时一个智能的分析系统将替代所有传统的BI过程直接告诉你答案并提出建议，甚至给出应对策略和措施。

原文地址：

       华联商超数据中心总监付立虎曾经讲过这样一个故事：北京华联作为国内大型商业超市，每天来自全国门店的交易数据有千万条，每年仅用户购买的数据累计就超2TB，对于数据分析应用的需求非常强烈。为此，华联在2008年专门引入SAP的BW系统用于数据分析，随后于2012年又引入SAP的BO产品，做更高级的数据分析，为业务做指导。

　　但令付立虎无奈的是，用SAP的BO进行亿行报表查询时，需要20分钟左右，同时在线4人系统就会崩溃……使用昂贵的国外软件解决不了问题，付立虎开始在国内寻找解决办法，于是有了海致BDP和华联的结缘。

　　华联商超的故事并非个案。最近风头正劲、主打“快时尚”的零售新锐名创优品之所以和海致BDP达成合作，也是因为使用SAP的BI系统，数据聚合、抽取以及展现时间都以数小时计，效率非常低下。比如，导出一张报表需要6-8个小时，而在数据导出过程中还经常出现中断，这对数据分析员的实时分析造成了巨大不便……

　　商业智能，英文为Business Intelligence，简写为BI。这一概念最早于1996年由Gartner 提出，随SAP、Oracle等一众海外软件巨头漂洋过海来到国内，曾一度被认为是继ERP之后，企业管理软件领域新的增长蓝海。

　　不过，残酷的现实是，软件巨头们鼓吹的那套传统BI实施失败率一直居高不下。据不完全统计，在企业实际的应用中，商业智能的失败率达到70%，令人瞠目。

　　传统BI已死并非危言耸听。居高不下的实施失败率，背后折射出的是传统BI的多重困境。

　　首先是技术困境。华联商超和名创优品的案例，其实反映了传统BI的ETL、数据仓库、OLAP等技术，都处于淘汰边缘，因为它解决不了海量数据（包括结构化与非结构化）的处理问题。

　　有工程师在网上吐槽：“原来的BI挖掘人员，抽取一些样本在单机上运行个R就很欢乐，但现在不行了，针对5000万用户搞个三度交往圈试试?”

　　“小数据”时代的计算性能，在互联网时代让传统BI举步维艰。因此只有更新方法，才能带来新的机会。基本上，传统BI所有的功能，都可以被对应的大数据组件所替代，且大数据技术具有成本优势，技术的汰换是大势所趋。 其次是商务困境。众所周知，无论是高富帅的大企业，还是中国2000万中小企业，采购SAP、Oracle的软件服务对企业而言都是一笔昂贵的IT成本，中国企业信息化的任务不可能指望它们来完成。如果技术无法普惠，技术就永远是少数人的游戏。 除了高成本之外，传统软件按照项目周期运转的交付方式也无法适应企业快速变化的需求。在传统BI的实施过程中，常常出现一期项目看起来效果不错，但企业后续的新需求、新项目就变得遥遥无期，或者烂尾。

　　幸好出现了云计算。软件即服务（SaaS）的理念彻底颠覆了传统的软件生意——按需求付费，在线获取资源，快速迭代构成了互联网时代企业对软件服务新的标准认知。

　　传统BI厂家喊了多少年的“帮助企业做出明智的业务经营决策”，现在除了一堆报表系统，一些决策树等统计算法，还剩下什么？传统企业引入了那么多的BI咨询，写了那么多报告，真正发生过价值的有多少? 究其根本，在传统BI厂商那里，目标受众只有老板，决策与执行脱节，无法下沉到一线，最终沦为面子工程，根本产生不了实际价值。 传统BI的失败，是技术主导驱动业务导致技术空心化的结果。这种以报表呈现为目的的开发，不上不下的价值定位，被历史淘汰实属必然。

　　企业的大数据要发挥价值，目标受众应该瞄准那些真正在业务一线做运营、做分析、看数据的人——为什么xxx APP注册会员今天的活跃度下降了？xxx商品为什么上午卖得比下午多？为什么xxx渠道广告投放一周都没效果？……这些每时每刻都在上演的真实商业场景，不可能都一一等待老板来回答。 而要真正做到员工脑子里有想法就能实时得到结果，就要求数据分析工具尽可能降低技术门槛，大幅提升技术性能，简单拖拽就能展现精美的数据图表，最好还能兼顾PC端和移动端，只有业务部门用好数据分析，数据价值才能得到最大发挥。

　　数据驱动的不仅是老板，数据更应该溶进企业每一个普通员工的血液里，数据驱动才不会沦为一句空谈。

谢谢亲哈，这里写的很明白：《传统商业智能和未来商业智能的区别》