現在百度一搜商業智能或者BI，基本上都是鋪天蓋地的軟文。一味的誇讚自家工具多麼好用、可視化多麼炫、某某BI是數據分析師必備。
而且最近好多人私信我，有哪些好用的免費BI工具？莫不是快到年底了IT部門都想搞點業績，瘋狂沖沖KPI？其實我只想說，幫企業做數據分析，大家都搞錯了重點，BI不是最重要的。
接下來隨便扯扯。
BI全稱商業智能，但商業智能個人覺得是個很虛的名詞，在目前的大環境下，BI在做的事情，更多是為幫企業做數據分析的平臺，搭建一個數據中臺。真正所謂“智能”，我現在只看到互聯網行業圍繞業務做的大數據分析平臺算是成功的嘗試。
BI的需求目前更多還是取數和簡單分析
我是做BI項目的，經歷過的絕大多數項目BI都是用來應對取數需求，還有一些大數據量的簡單分析。
數據開發人員經常會收到來自各個部門的報表或者取數需求，為了能夠方便快速的提供報表，就需要讓一些常規的報表由用戶部門自己去提取。
什麼工具能很快實現自動取數？顯然是BI。
企業可以將數據通過數據倉庫來集中規整，然後用BI來對接數據倉庫，實現數據的打通和整合。不同業務的數據可以用幾張明細寬表來覆蓋，每次業務要某某數據，就把這張寬表導出給他，在Excel或是別的工具裡面做報表做分析。
至於做分析，BI無論說多麼簡單，多麼好用，業務都不太想學不太想用，這是本質問題。所以BI是否免費並不重要。只有互聯網電商以及一些金融行業的業務人員有數據分析的意識。但我相信數據分析是未來敘事，但就像企業推廣信息化一樣，需要很久。
企業究竟是怎麼用BI的，下面站在IT的視角來總結一下（基於FineBI）：
- IT以項目的形式按需求來做。企業的數據分析報表工作由IT全面掌握，IT將BI視為自己的工具，通過BI來快速實現業務提出的取數、做報表以及分析需求。
- IT做基礎表，做核心模版，業務在核心模版的基礎上做簡單分析。IT為業務搭建大部分分析基礎模塊，包括基礎表、數據業務包以及分析模版基礎，業務只是在IT做好的FineBI模版基礎上進行調整、分析，執行個性化的字段選擇、切換指標、排序、過濾等操作。
- IT做業務包，讓業務不用準備數據，只通過儀表板分析 。IT提供基礎數據以及業務分析所需要的絕大部分合成數據和指標，業務基本不需要做數據處理工作，僅通過儀表板中、組件內的簡單分析功能(字段選擇、彙總、佔比、指標加減、過濾等)來實現自己的分析。
- IT做基礎表，其他不管，業務自己處理數據，自己分析。具體為IT只提供基礎數據或帶有少量的業務指標數據基礎，業務分析所需要的大部分業務指標數據、合成數據都由業務自己處理完成，並在業務自身處理數據的基礎上進行分析或報表的開發。
所以到這，BI在企業的使用，是否是免費BI工具並不重要，而是企業IT與業務的配合，並且由此引發的數據安全問題，BI的易用性，平臺的穩定性才是重要所在。
另一個重要因素是人
BI工具要想發揮最大價值，最好是給業務部門裡那些負責報表開發和數據分析的人來使用。但很多傳統企業就沒有這樣的人，所以就會很尷尬：
IT尷尬：IT只管數據，用BI也是看中其數據整合能力和快速出報表，但讓IT來幫業務做分析就很不現實，理解業務的成本很高
數據分析師的尷尬：數據分析師做深度的挖掘分析又不屑於BI，用Python豈不是更專業
業務的尷尬：我只會Excel，我還沒數據，做分析這個不應該給IT提需求嗎？
一個業務分析師能力的要求，無非有以下幾種：數據提取，數據分析，決策。
最基礎的當然是數據提取。這沒什麼好說的，一般來說，要完成按照業務方的需求取數工作必備的知識就是SQL取數語言，其次是要有快速熟悉公司的數據表結構和數據口徑的能力
其次就是通過各類可視化工具對數據進行可視化分析。在每個公司的情況不同，用到的工具可能也有不同。較為主流的可視化工具是tableau以及更基礎的Excel。當然編程語言也是數據可視化的重要一環（不過還是較少用到的）比如，Python和R語言。可視化的目的不在於炫技，而是在於對既定現實的分析，輔助我們更直觀地瞭解數據背後代表的意義。
所以，扯回來，企業要想做好數據分析，免費BI工具是無用的，人這一環必須做好，培養致力於解決業務分析問題的人才。
閱讀更多 數據分析不是個事兒 的文章
