关于BI（商业智能）的几点感想

Posted 2021-04-02 python爬虫人工智能大数据

到底什么是BI

商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

对于一个业务分析师，BI一定不是一个陌生的词。

我印象中的很多人，包括我自己最初的认知，都局限于BI就是指那些BI软件，例如鼎鼎大名的Tableau、微软家的PowerBI、国产的FineBI等等。

现在来说，我更认为BI是一个非常宽泛的概念，它可以理解为通过某种工具将数据、信息进行组织，并实现输出到企业需要的各处，实现业务、商业决策速度提升的效率工具。

一个邮件发送的自动报表，算BI么，我认为是算的；

用excel建一个报表模板，实现报表的快速实现，算BI么，我也认为是的；

更多的，用BI软件搭建Dashboard，做数据可视化，供业务部分看数，是主流的认知；

在此之上，我认为很重要的一点，是在报表中体现业务分析思路，进而沉淀为数据分析的SOP供业务部门自助使用。

BI应该是分析思路的沉淀固化，而不是简单的数据可视化和查询报表。

刚才举得几个例子，虽然我说都算是BI，但应该算为BI中不同的层级：

数据层——数据的收集、清洗，数据仓库的搭建，形成利于后续BI报表搭建的表体系；

报表层——excel、数据自动报表、BI工具等构建的数据报表，支持业务部门完成数据的快速获取、查看；

分析层——一方面在报表结构中体现分析思路，将相关数据按照分析方便的方式进行组织，

另一方面可以使用流程图、文档等方式沉淀数据分析的标准思路（IF - THEN形式），既能赋能业务部门，提高数据分析能力，也能减少分析师重复劳动，分析数据异动的时间成本。

搭建一个BI报表

1 明确维度与指标

指标体系一定是BI的基础，在这里简单进行说明，后续会专门对指标体系的建设进行介绍。

搭建指标体系，首先要明确指标与维度，指标包括基本指标和衍生指标：

基本指标例如日活用户数、阅读用户数，衍生指标如阅读用户占比（阅读用户数/活跃用户数）。

维度是对指标进行拆解或聚合的不同视角，

例如日活用户可以从来源渠道（应用商店、官网等）、启动方式（APP主动启动、PUSH、唤醒等）等方面进行拆分，

多维数据分析也是定位数据变动时最常用的方法之一。

2 结合报表作用进行设计

确认报表是作为快速了解数据概况、变化，还是用于不同场景下的数据分析。

对于概况类报表，一方面需要能够直观迅速的看到主要指标的水平和变动，另一方面可以在需要时下载细粒度数据进行手动处理。

通常的结构是KPI指标卡（指标值、同环比）+核心指标的时序变化图表+多维度大而全的指标宽表，

对于转化链条非常明确的业务场景，也可以添加漏斗图用于观察各环节指标和转化率。

对于分析类报表，按照总结的分析SOP顺序搭建，简单来说就是从各个维度不断拆分的过程。

例如用于分析DAU变动的报表，头部放置DAU的时序变化，进一步从不同维度对DAU进行拆解，例如新增、留存、回流，例如渠道、机型、系统、App版本等。

新增、留存等也可以进一步拆解为不同的新增渠道、版本、机型、系统。

我感觉值得一说的是，在BI报表中不需要担心不同页面间指标或数据有重叠。从数据查询的角度，重叠的数据是冗余的，

但从分析来说，不同的分析场景，同样的数据可能处于不同的位置，起着不同的作用。

此外，分析型报表中避免使用Tab、筛选框等形式将数据进行重叠，尽量平铺各项数据，通过鼠标滑动就可以迅速查看上下相关的数据变动，而不必来回点选。