敏捷BI和传统BI有什么不同？有哪些优势

2024-11-26 07:26:28

推荐回答（5个）

回答1：

先说说传统BI，其做法是IT人员事先根据分析需求来进行建模以及做二次表，提前汇总好数据，业务人员在前端查看分析结果报表，这带来的最大问题就是：
1.业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改，比如定好了是求和或求平均数，想改成求方差必须回去修改模型；
2.分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较久。
而敏捷BI是采取轻量建模、N个视图的方法，不建二次表，数据连进来直接可以进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大增加灵活性，真正做到和数据对话。技术上理解，就是采用了列存储，分布式计算，比如像FineBI，就是通过动态生成的位图索引技术来处理字符串等类型的数据，通过NIO内存映射文件技术来快速处理数字类型的数据，关键是自动建模，处理起来快。
敏捷BI，像国内的话，以FineBI为代表，自动建模，所有维度，所有指标，索引关联都在一开始就建立好，所以在做分析的时候可以方便创建维度，查看分析的时候也可以方便查看切换维度。

回答2：

传统BI

在对大数据进行分析的过程中，传统BI的做法是，IT人员事先根据分析需求来进行建模（以及做二次表或打Cube），提前汇总好数据，业务人员在前端查看分析结果报表。这种做法很成熟，持续了很多年，但是也存在着一些问题。

业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改，比如定好了是求和或求平均数，想改成求方差必须回去修改模型。2.分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较久。
造成这些的问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，需通过建模、二次表、Cube提前进行数据运算汇总。

敏捷BI

随着技术的发展和演进，BI领域已经迎来了新一代敏捷BI的革新。以BI工具FineBI为例：基于大数据的处理技术，其对TB-PB级的数据可实现秒级响应。敏捷BI的数据展现是起点，而不是终点。看到了数据，能交互式分析，能深入向下挖掘，能发现问题找到答案。敏捷BI的分析报告能让非IT部门的同事直接在分析平台上做出来。不能把所有的分析报告需求都提交到IT部门，这样会严重增加IT部门的工作负担。敏捷BI的实施和操作相比传统BI都要来得更为简单，可以说是以业务人员为使用对象的BI。分析报告需求经常需要数据层的改动，需要IT部门去改进数据层和业务层，传统BI平台需要一两个月去梳理模型。敏捷BI无需事先建模，可在分析过程中灵活调整分析维度和报表展现，需求变更可以在一天之内响应，提升企业的洞察力决策力。与传统BI的重量建模、统一视图不同，敏捷BI采取轻量建模、N个视图的方法，数据连进来直接可以进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大增加灵活性，真正做到和数据对话。想必大家会有一个疑问，既然有这么便捷的方式，为何传统BI不采用这种架构呢？正如上文所说，传统的技术架构没有引入现在的大数据技术，面对海量数据无法在用户点击的几秒内就展现结果，因此必须通过建模提前把数据汇总好，才能保证分析报表展现时的速度。实现敏捷BI的大前提是采用新架构处理数据的性能有了几十倍提升，涉及的技术包括分布式计算、内存计算、列存储、库内计算等。因此，敏捷BI可以通过更低的成本、更短的上线周期，快速让企业洞察到数据的含义和价值。所以，敏捷BI相比于传统BI功能强大在某些方面确实属实。

像国内FineBI和永洪敏捷BI也受到国内很多企业的青睐，可以去网上了解了解

回答3：

国外BI：SAS BI、IBM的cognos、Oracle BIEE、SAP BO、Power-BI、Informatica、Arcplan、QlikView、Tableau等等；

国内BI：BDP商业数据平台、smartbi、用友华表、帆软、润乾报表，永洪科技等。

国外BI

1、IBM Cognos

IBM提供了全面的商业智能解决方案，包括前端工具、在线分析处理工具、数据挖掘工具、企业数据仓库、数据仓库管理器和数据预处理工具等。结合行业用户的业务需要，IBM还向用户提供面向政府、电力、金融、电信、石油、医疗行业的商业智能解决方案。IBM Cognos商业智能解决方案基于已经验证的技术平台而构建的，旨在针对最广泛的部署进行无缝升级和经济有效的扩展，能满足各类型用户的不同信息需求。传统BI工具中最被广泛使用的，已被IBM收购。拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型，手工建模，一旦需求变化需要重新建模，学习要求较高。

（信息来自百度百科）

2、Qracle BIEE

BIEE 现在oracle下是最强力的bi分析工具，最早进入中国,支持简单方便的集群，前端及中后端设计功能强大，前端开发灵活易用，只要开发公司投入足够强力的技术人员，工程期规划合理，基本上可以实现从上层到中下层的所有的需求，界面还算美观，不过弱点就是说做一些中国式的报表工量较大，还有一些不足的地方，但是oracle不断的发展和升级，产品正在变得越来越好。其他方面是实施建议找一个真的很负责任的公司和实施团队实施。全看实施团队的技术能力。

3、SAP BO

SAP BO公司收购的一款BI工具，产品运作模式是结合SAP的ERP系统，所以整合其他数据库或系统并不占优势，属于重型BI，使用要求较高，升级困难。无功无过，在BI产品不具特色，同SAP一样，与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案。

4、Qlikview

Qlikview的主要特点是开发和使用简单，但是和Tableau 、FineBI相比，操作性能差一些，总的来说，它可以让自助数据分析和所有信息都有一个灵活的直观的展现。Qlikview通过AQL架构提供灵活、强大的分析能力时，AQL架构改变了需要OLAP立方体的需求。Qlikview的缺陷也很明显，受限于用户数（也就是说价格）和设计报表的复杂程度，只能用于少数几个管理层人员，广大的中层干部的报表问题其实没有解决。

5、Tableau

定位是一款数据可视化工具，可视化功能很强大，对计算机的硬件要求较高，部署较复杂，目前移动端只支持IOS系统。操作简单，用户只需要简单配置，拖拖拽拽，就可以做出数据分析。整体来看，工具挺不错的，成本低，可以快速上手；功能挺强大的，可视化效果真心不错，也有数据钻取、动态的功能效果，Tableau虽然具备强悍的分析功能，但是数据抓取功能很弱，数据处理能力差，需要实现准备好数据，所以可以认为是面向数据分析师的前端工具。另外Tabluea真心不便宜，最便宜的一年要999刀。

国内BI

1、BDP商业数据平台

BDP商业数据平台旨在帮助企业快速完成多数据整合，建立统一数据口径，支持自助式数据准备（ETL），并提供灵活、易用、高效可视化探索式分析能力，帮助企业构建贴合自身业务的企业洞察，并将数据决策快速覆盖各层员工及应用场景。

BDP可以灵活接入与同步多种数据源，包括各类数据库连接、OpenAPI以及各种SaaS平台API，满足企业多种多样的业务场景、亿行数据秒反应，快速实现数据清洗、整合、加载，通过拖拽即可可视化分析，支持近30种图表类型和12种自带配色方案，让数据更加直观、美观。

BDP商业数据平台为企业提供的核心价值在于用直观、多维、实时的方式展示和分析数据，并可在APP实时查看和分享，全面激活企业内部数据，用数据驱动业绩，适应快速变化的市场。海致帮助各类型企业迅速搭建贴合业务的数据分析平台，目前服务的客户涵盖互联网、零售快消、物流、O2O、医疗/教育SEM等多个行业。

（信息来自BDP官网）

2、FineBI

FineBI是几年前帆软公司推出的，在国内口碑和发展还行。通过傻瓜式操作，用户只需在Dashboard中简单拖拽操作，便能制作出丰富多样的数据可视化信息，进行数据钻取、联动和过滤等操作，自由分析数据。FineBI面向企业IT部门、业务人员，提供企业级管控下的业务人员自助式数据分析，向下帮助IT做好数据管控，向上充分利用底层数据，支撑前端业务数据应用。数据分析功能全面实用，但中规中矩，没有那么多突出亮点。帆软旗下的自助性BI产品，轻量化的BI工具，部署方便，走多维分析方向。后期采用jar包升级换代，维护方便，最具性价比。

3、永洪BI

敏捷BI软件，产品稳定性较高。利用sql处理数据，不支持程序接口，实施交由第三方外包。永洪的技术主要分为大数据和可视化两点。在大数据方面，通过列存储、分布式计算、内存计算、分布式通讯等技术，永洪自主研发了高性能的大数据计算引擎，作为分析用的数据集市，可实现百亿级数据在秒级时间内完成计算。在可视化方面，永洪将复杂的多维分析功能隐藏在背后，在前端通过点击和拖拽的简单可视化操作实现各种复杂的分析过程。

随着近几年大数据、数据分析技术越来越热门，Tableau、Qlikview包括国内的BDP商业数据平台等一些轻型敏捷BI，由于简单易用，可视化程度高、使用门槛低、使用成本低的优势（这就是敏捷BI对比传统BI的优势吧），逐渐被企业认可。

回答4：

传统BI的做法是IT人员事先根据分析需求来进行建模（以及做二次表或打Cube），提前汇总好数据，业务人员在前端查看分析结果报表。这种做法很成熟，持续了很多年，但是也存在着一些问题。业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改，比如定好了是求和或求平均数，想改成求方差必须回去修改模型。分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较久。造成这些的问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，需通过建模、二次表、Cube提前进行数据运算汇总。
随着技术发展，敏捷BI的革新出现了，以国内的最新敏捷BI工具DataFocus为例，
首先是基于大数据前提的数据处理技术，可以对TB级的数据实现秒级响应，能交互式分析，上钻下钻挖掘数据；
然后是以无IT背景业务人员为目标用户，当然数据分析师也一样能用，而且可以更关注于问题本身，略去以前繁重的编程过程。
再者不需要IT人员进行事先建模，可在分析过程中灵活调整以及自动建模，提升分析的效率从而提升企业决策的洞察力和及时性。
最后，DataFocus采用自然语言分析处理，运用搜索问答式的交互方式，更贴合用户使用习惯，并在使用中运用AI智能去辅助用户对数据进行探索。轻量建模、数据直连、灵活交互，相比传统BI成本更低、上线更快、使用更方便、价值更大。

回答5：

所谓工欲善其事，必先利其器。在国外，如Tableau、Qlik等敏捷BI工具已经获得了众多企业的认可，而在国内，也有像DataHunter这样的轻量级自助式BI服务商涌现。那么，在数据分析层面，以DataHunter为代表的敏捷BI产品与传统BI相比到底有何优势呢？

数据建模

通常，使用传统BI进行数据分析，IT人员需要先根据分析需求进行数据建模，这其中涉及到很多复杂流程，包括确认客户需求、汇总数据、对数据进行ETL处理、定义数据间的关联模型等，之后业务人员会根据输出的数据报表进行查看。

这种方式带来的直接问题就是，一旦客户的分析需求发生变化，那么业务或分析人员无法自行修改数据报表，只能依靠IT部门。此时，IT人员需要重新建模或修改已有的分析模型，再进行报表输出。毫无疑问，这种方式效率低下，而且耗时很久。

另外，静态的数据报表也让业务人员无法进行有效的数据分析。因为所有的维度和度量都是已经预设好的，输出的可视化图表也是固定且无法修改的，例如，想要对已经设定好求和的数值进行求平均值，那需要重新进行建模。

使用敏捷BI产品进行数据分析，则无需进行复杂的数据建模。通过DataHunter自主研发的轻量级BI产品，数据建模过程相当简单。业务人员只需要将长传后的数据表进行拖动关联，就可以完成建模过程。

实时交互分析

由于传统BI基本以提供报表服务为主，虽然功能比较全面，但受限于产品技术架构和复杂且固定的分析流程，一方面，传统BI无法实现实时的数据采集、处理和分析，另一方面，业务人员也无法随时调整数据报表，更多则是以固定时间为周期输出监控类或固定格式报表。

DataHunter的基于自主研发的DH Data Connector Framework（数据连接器框架），支持用户实时对接企业内的各种业务系统数据，并通过内存分析引擎进行实时的处理和分析。

探索式分析

传统BI产品基本是采用验证式分析模式，其是一种自上而下的模式。即企业决策者设定好业务指标，提出分析需求，分析人员再根据相关需求进行报表定制。这种模式必须先有想法，之后再通过业务数据进行验证。所以验证式分析对数据质量要求很高，如果数据本身出现问题，那么即便通过科学的数据建模进行分析，结果也肯定是错误的。

相比于验证式分析，探索式分析对数据质量要求相对较低，同时也不需要复杂的数据建模，这也是Data Analytics的核心理念。探索式分析的意义在于，它允许分析人员或决策者在不清楚数据规律、不知道如何进行数据建模的情况下，通过数据本身所呈现出的可视化图表进行查看和分析。

目前，基于探索式分析的数据可视化产品并不多见，国外产品包括Tableau、Qlik、Power BI等，而国内最具代表性的则是DataHunter自主研发的自助式BI产品。基于探索式分析，DataHunter支持智能推荐图形、图表协同过滤、全维度数据钻取，可以帮助用户快速定位并发现问题。

操作简单

传统BI的设计理念在于帮助企业构建大而全的报表平台，功能虽多但非常复杂。一方面，传统BI需要进行手动建模，操作复杂且学习难度极大；另一方面，在整个数据处理环节中，也需要大量的代码指令，这是业务人员无法完成的。

相比于传统BI，自助式BI产品更加轻量级，由于产品本身主要面向业务人员使用，所以自助式BI更加简单易用，使用门槛也非常低，即便没有任何操作经验的小白用户，也能轻松上手。

以DataHunter产品为例，不管是数据处理还是分析过程，全程通过拖拽操作即可完成。同时，从教学视频到帮助文档，DataHunter为用户提供了完善的学习资料，用户通过学习，几分钟就可以完成从数据整合、数据关联、可视化分析、建立业务看板所有流程。