大數據與商業智能有什麼區別？
作者：Dan Kusnetzky
原文：http://www.dataversity.net/big-data-business-intelligence-whats-difference/
譯者：TalkingData架構師 曾曉春
本譯文禁止商用，轉載請註明來源！
大數據近來在媒體上頻繁的出現，但其定義和應用仍然被一些企業的決策者所迴避。這些企業在商業智能（BI）的流程和應用程序上投入了大量資金，並且希望將他們一直在做的事情冠以「大數據」的名義幸福地生存下去。可惜的是，BI與大數據所處理的事情確實是不同的。
概念戰正在進行
雖然大數據是一個相對較新的學科，但它已經集合了許多新的概念，用以解釋如何收集數據、如何分析數據以及如何使用數據。讓我們來看看其中的一些。
野生的大數據概念
當供應商構建產品並提供旨在處理大數據整體或領域中一些部分的服務，他們通常會提出自己的概念。希望他們的概念能夠影響到其他人。這樣他們可以聲稱他們創造了這個概念，並且所有其他供應商都在追隨他們。
在「機器智能」的旗幟下，業界已開始談論「人工智慧」、「深度學習」和「機器學習」，這些術語可用於描述產品如何處理數據從而讓企業從數據中獲取價值。它也可用於描述工具如何找到數據中的模式和異常情況，以幫助企業的數據科學家。
如果我們關注數據是如何被使用的，我們會聽到諸如「預測分析」、「智能風險評估」，甚至「大數據分析」等詞語。在大數據技術用於改進時，這些詞語已被大量使用在系統和應用操作、網路性能以及數據和應用安全中。
隨著行業的發展，新的概念會定期出現。通常這意味著一個供應商試圖以一種新的方式來定位他們的產品和服務，而不是在底層技術上提供明顯提升。
最後，當供應商揮舞大數據旗幟時，他們通常會談論企業如何審查從大量到海量的數據，以找出隱藏的規律，利用各種類型的數據的能力，並基於新的洞察來進行有意義的調整，使他們能夠快速採取行動。通常，其顯著的區別是在哪裡以及如何部署這些技術。
企業決策者需要問的關鍵問題是：「為企業或組織帶來的影響是什麼？」以及「我們是否應該了解更多並開始使用大數據？」
BI的重點在於檢查已知信息
作者Mary Pratt認為，BI利用軟體和服務將數據轉化為可操作的情報，從而告知組織的戰略和戰術業務決策。BI工具可訪問和分析數據集，並在報告、摘要、儀錶板、圖表和地圖中提供分析結果，為用戶提供關於業務狀態的詳細情報。換句話說，商務智能是企業提出問題，並從他們的信息系統獲得有用的回應。
最終，BI基於企業知識，即正在發生的事情以及需要被跟蹤和了解的已經發生的事情。為此，企業建立流程和系統來收集所需數據，分析數據，然後根據分析彙報結果。企業知道需要跟蹤什麼、如何分析這些數據以及如何報告分析結果以及應該彙報給誰。
BI成為許多供應商的盈利來源。他們開發了構建和利用「數據倉庫」的工具，並通過複雜的工具來為決策者提供有用的儀錶板和報告工具。
大數據在幾個重要方面與BI相關，但它們是不同的。
大數據
另一邊，大數據被認為是處理大量數據，但它的範圍更廣，尤其是在探索未知方面。通常，目標是通過篩選企業自己的操作和機器數據來了解要提出什麼問題。一旦這些問題被知曉，BI流程就可以用於額外的探索和報告。但大數據更有趣的用途之一是在業務活動發生時將分析集成到業務操作中。所以，大數據不僅僅是解釋已經發生的事情的更好方式，而是可以直接影響業務結果。
大數據面臨的挑戰
大數據希望解決的難點是：
如何有效地獲取和存儲如此大量的數據
如何分析這些數據，以便企業能夠更好地了解自己的業務或客戶需求，以及如何滿足這些需求
如何收集如此大量的數據並直接支持處理和分析，特別是以一種安全的方式來滿足越來越多的隱私條例
企業如何篩選數據，提出重要問題，並將結果可視化
減少延遲和等待時間，以便將分析納入企業的運營中
另一種看待這個問題的方式是，企業並不完全理解正在發生的事情。它觀察到其業務運營或客戶需求的變化，但並未完全了解發生了什麼。它可能會看到收入突然增加或減少，客戶滿意度或競爭環境發生變化。實時應對這些變化的能力提供了顯著的競爭優勢。尤其是，相較之下，BI所主要提供的商業洞察無法全面自動化的發現洞察背後的那些變化。
意想不到的變化
當企業經歷意外的或突然的變化時，他們通常會開始思考為什麼會錯過以及是如何錯過的。
例如，競爭對手可能突然進入市場。老競爭對手可能會消失或被視為局外人的公司收購。還可能開始與其他緊密相關的市場發生合併或衝突，以導致意想不到和被認為是不受歡迎的變化。
海量數據可能提供線索
很多時候，這些企業擁有大量的數據，這些數據已經積累了很長時間，但企業根本不知道該如何處理它。這些數據可能包含運營數據，其中包括銷售數據、生產數據、研究數據和天氣數據。它也可能有大量來自銷售點設備或製造過程式控制制系統的數據。它也可能包含對監管變化或其他經濟變化的信息。
在了解了「大數據」的概念後，企業決策者被鼓勵系統地評估這些數據，並尋找模式和異常。這些有價值的信息可以為最近獲得的數據提供適當的背景信息。因此，在網頁載入時，就可以根據深層的歷史數據以及流式和實時操作對客戶體驗進行優化。
最後，他們發現了該去了解的新問題，以幫助他們了解所發生的事情並推動洞察力。這意味著他們開始明白，他們需要更智能的、由機器學習所驅動的自動化響應，來識別背景和意義，從而改善企業自身的實踐。他們的目標當然是增加收入，或降低成本，或兩者兼而有之。
企業將很快意識到需要新的工具和專業知識
一旦企業開始利用大數據，決策者很快就會認識到，它需要一套不同的工具和專門知識。首先，這個領域看起來需要企業「面面俱到」，才能通過整個過程獲得價值。當然，這可能是耗費時間的，並且可能最終不會獲得在流程開始時所期望的價值。
我們建議最好找一些更有可能產生新價值或容易學習的簡單東西。這種學習應該帶來新的機會和/或改變對當前業務、產品或服務的認識，而不是對已經顯而易見的事情進行痛苦的研究。
一旦踏上這段旅程，企業很快就會發現，亡羊補牢的寶貴見解並不那麼具備價值。企業很快就會發現，一遍又一遍地做同樣的事情而沒有實現流程的自動化，意味著任何好處都可能會在流程本身造成的時間和成本增加的情況下被淹沒。
通常，企業意識到它「知道」組織中的某個地方即將發生變化，甚至應該如何處理這些變化。有些時候企業會意識到利用了這些知識並獲得了一些重要的好處。其他時候，企業發現沒有利用上這些知識，而是被事件「蒙蔽」了。
現在是時候了
大數據工具和流程已經發展到足夠讓企業在學習如何利用它們時有安全感。他們很快就會了解到，這個領域已經迅速開發出新的工具、新的方法和新的思維方式。許多專家認為數據流（Data Logistics）是關鍵（可參考Ted Dunning和Ellen Friedman撰寫的關於「機器學習流（Machine Learning Logistics）」的文章了解更多信息）。
不要單幹
既然大數據的概念已經發展了一段時間，那麼企業決策者就不必再覺得需要自食其力，並且沒有路線圖、沒有既定的道路、也沒有指引。現在有許多供應商提供工具、現成的流程和專業服務，可以很好地利用。記得從小處著手，積累經驗，並在過程中逐步獲得實際價值。
TAG:TalkingData |