BI的能力边界：能解决的企业问题和不擅长的领域

数字化转型本就需要借助信息化相关技术、思想来完成，所以说信息化建设同样是数字化转型过程中非常重要的一环，而这就是商业智能BI和数字化转型的关系

BI 能解决的企业问题

数据是企业的重要资产，也是企业商业智能BI的核心要求。通常，企业的数据存在于各部门的业务信息系统数据库中，这些数据库相互隔离，难以互通，并且因为业务流程的复杂性、员工的差异性等，如果没有形成规范的数据培养机制，其本身数据质量也很一般。

数据可视化 - 派可数据商业智能BI可视化分析平台

商业智能BI作为数据类技术解决方案，数据管理、数据治理、数据优化培养的功能模块自然存在。通过商业智能BI数据仓库，企业可以将打通各部门系统数据库，经过ETL处理数据后，建立分类分级制度，并通过指标、标签划分数据属性，建立数据字典，让企业拥有高质量的数据，高价值的数据资产。

此外，想要让企业的数据真正流通起来，持续进行优化，保持高质量的数据基础，需要商业智能BI通过闭环的业务流程进行数据的培养。这个过程就是增强的商业智能BI数据可视化分析，通过数据可视化分析，企业可以为企业不同层级员工提供销售分析、市场分析、核心KPI分析等，让数据才业务层面发挥作用，为业务发展、管理决策提供信息支撑，并通过数据流通持续提高数据质量和数据资产的价值化。

数据可视化 - 派可数据商业智能BI可视化分析平台

在众多报表业务分析中，商业智能BI之所以能脱颖而出，其中一个原因就是商业智能BI拥有全方位的业务分析，可以全面展现企业的整体的发展状况，并根据这些数据、信息制作可视化报表，例如管理驾驶舱、KPI核心指标、企业关键信息看板等，帮助企业管理人员获得更高层次的洞察力，提高企业业务决策的实时性和准确性。

BI 不擅长领域

1、数据源头的数据质量问题

数据源头的数据质量问题BI是无法解决的，BI能解决的只是将数据源头的数据拉入到BI数据仓库中，通过ETL完成数据的合并、清洗、治理工作，将不规范的、不可分析的数据变成规范的、可分析的数据形式支撑前端可视化分析。

        BI数据仓库 - 派可数据BI可视化分析平台

比如我们经常见到的在一些企业，信息化系统的规划都是分阶段进行的，不同的系统不同的部门在使用，由于缺乏一定的提前统一规范，再加上不同的业务部门使用不同的系统比如对产品编码、供应商档案信息的维护不一致，结果就造成在BI取数建模的时候就不知道到底以哪一套系统的维度档案数据为主，就需要花费大量的时间、精力来处理这类数据的合并、脏数据的剔除等开发工作。

所以，对于这些数据质量的控制、脏数据的清洗都后置到BI层面来处理了。如果要前置处理的话，就需要依赖主数据系统、数据治理系统在数据源头上做处理控制，建立统一的主数据档案信息，所有的维度档案都统一由主数据系统控制，再分发到各个业务系统建立统一的数据标准。

或者在规划建设每一个业务信息化系统的时候建立数据档案标准，遵循一定的数据规则，这也是数据质量、数据档案信息、数据规范的前置。所以这一类的数据处理要么前置到上BI之前来解决，要么后置到BI层面来处理。但在BI层面来处理，BI 就只能对往外输出的数据质量做控制，是无法逆向回溯到数据源头解决数据源头的数据质量、数据标准问题。

2、BI下游输出问题

刚才讲到的是BI的上游数据问题，再来谈谈BI的下游往外输出的问题，比如最开始提到的要做一些用户分群、做一些精准营销，比如在市场营销领域的 MarTech。实际上它的处理流程也是采集各类内部系统、外部环境的数据做加工处理，按照一定的逻辑计算规则构建一些模型，再根据一定的场景来使用这些数据做一些营销工作，这部分目前也不是BI所擅长的。

可视化大屏 - 派可数据BI可视化分析平台

BI 的定位刚才也已经讲过是在内部数据仓库建完分析模型的时候，对前端可视化分析负责。也就是说到前端可视化这个层面就结束了，不会介入到后续的业务流程处理上，比如营销推广就是一种业务流程处理过程。但是实际上看看刚才的数据处理过程，和BI的ETL过程也都是非常类似的，都需要采集各类数据库、接口的不管是外部的还内部的数据，也都需要进行非常复杂的数据处理，建立模型。