宝石流云|终于有人把AI、BI、大数据、数据科学讲明白了( 三 ) 导读：本文概述数据、分析、商业智能、

大多数商业智能应用的局限性并不在于技术的限制，而在于分析的深度和为行动提供依据的真正洞察力。例如，告诉我已经发生了什么事情并不能帮助我决定如何行动以改变未来，这样的结果往往是通过离线分析（offline analysis）得到的。
分析的真正责任是形成可行动的、可操作的洞察力，从而能够帮助我们了解已经发生的事情（在什么地点发生，为什么会发生，在什么条件下发生），预测出未来可能发生什么，以及我们可以做什么来影响和优化未来的结果。
【宝石流云|终于有人把AI、BI、大数据、数据科学讲明白了】请注意，图1-1中描述的BI仪表盘描述了有关过去的事实，如销售、呼叫量、产品和账户，使你很容易获得组织当前销售状态或活动情况的快照。
▲图1-1 商业智能仪表盘，来源：QlikTech International AB
商业智能和它的近邻“报表” ，都是用来描述有关现象的信息展示技术，通常位于数据传递管道的尾部，在那里可以直观地访问数据和结果。而另一方面，分析则超越了对数据的描述，它真正理解了这个现象的内在规律，从而来预测、优化和预判未来应采取的适当行动。
从传统上看，商业智能一直存在两个缺点，这源于它们与这样的事实有关：

BI通常专注于建立对过去已经发生事实的认识，因为它侧重于度量和监视，而不是预测和优化；
其计量分析往往不够复杂，无法建立足以产生精确洞察力的有意义的改变（虽然正确的报表或可视化展现也可以对改变产生影响，但还不够精确）。

如果把商业智能与深入的“分析”恰当地结合在一起，而不仅仅停留在对事实的认识，它就更接近分析，但它又往往缺乏高级分析解决方案中经常用到的复杂统计、数学或者“机器学习”方法。
因此，我认为分析是商业智能总体框架内所包含的概念的一种自然演变。它更加强调充分开展必要的各种活动，以形成能促进行动的真知灼见。分析远远不止于在自助操作仪表盘或报表界面中所使用的、预先定义的可视化元素。
04 大数据大数据（big data）是一种描述不和谐信息的方法，在将数据转化为洞察力的过程中，组织必须处理这些难以处理的信息。 1997年， Michael Cox和David Ellsworth首次使用了大数据这一表述，他们当时提到的“问题”如下：
可视化为计算机系统提供了一个有趣的挑战：数据集通常相当大，占用了大量主内存、本地磁盘甚至远程磁盘的容量。我们称之为大数据问题。当数据集大到无法存放在主内存（核心存储器），或者甚至无法存储在本地磁盘上时，最常见的解决方案是扩充并获取更多的资源。
将大数据视为一个概念，它突出了这样一种挑战：数据的规模和复杂性超出了传统数据分析方法能够处理的范围。我们将大数据与传统的“小”数据进行对比，包括其容量（我们拥有多少数据）、速度（产生与获得数据的快慢）和多样性（包括数字、文本、图像、视频等多种数据形态）。
如果大数据是用来描述当今信息复杂性的概念，那么分析就可以帮助我们以主动的方式（预测性和规范性）来分析复杂性，而不是以被动的方式（即商业智能的范畴）来应对。