大数据和商业智能BI的关系从应用上来讲，BI（BusinessIntelligence）即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。

商业智能BI处理的数据量是极大的，如 FineBI商业智能，自带ETL，可在短时间内响应数据处理的请求，并输出分析结果。

BI对稳定性以及易用性有一定要求，这是其他数据分析工具所不能比拟的。

大数据的应用的数据来源包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据。

简单来说，大数据可以更好的为商业智能服务，商业智能（BI）包括企业用于商业信息数据分析的策略和技术。商业智能技术提供业务运营的历史，当前和预测性视图。商业智能技术的常见功能包括报告，在线分析处理，分析，数据挖掘，流程挖掘，复杂事件处理，业务绩效管理，基准测试，文本挖掘，预测分析和规范分析。 商业智能技术可以处理大量的结构化数据，有时还可以处理非结构化数据，以帮助识别，开发和创造新的战略商业机会。他们的目标是让这些大数据的解释变得容易。发现新机遇并基于洞察力实施有效战略可以为企业提供有竞争力的市场优势和长期稳定性。

商业智能可以被企业用来支持范围广泛的业务决策，从业务到战略。基本的运营决策包括产品定位或定价。战略业务决策涉及最广泛的优先级，目标和方向。在所有情况下，商业智能在将来自公司运营市场的数据（外部数据）与企业内部的公司数据（例如财务和运营数据（内部数据））数据相结合时最为有效。如果将外部和内部数据结合起来，可以提供完整的图像，实际上可以创建无法从任何单数据集中导出的“智能”。在众多用途中，商业智能工具使组织能够深入了解新市场，评估不同细分市场对产品和服务的需求和适宜性，并评估营销工作的影响。

了解更多硅谷前沿深度讯息请看 硅发布 微信公众号。

我发现一个问题，当和一些不熟悉我们这个领域的朋友们来说，解释大数据的概念比起解释商业智能 BI 要容易的多。举个例子，我们问“你知道什么是商业智能 BI”吗？通常情况会一脸茫然的到：“不知道！”。但是当我们问：“你知道什么是大数据吗？”，通常情况下大部分人都会很直接的：“大数据，我知道啊！”.....“就是数据很大”（我问过我同学、朋友、家人，答案几乎一致，但是他们完全没有相关任何从业经验）。通常的还有数据分析、数据挖掘，这些名词本身就和大数据一样自带解释功能。对于一般非本行业的朋友们来说，看到这些词通过字面意思通常就能理解个大概，所以取一个好名字就显得有多么的重要。

站在一个比较专业的角度来看，这些解释肯定不太严谨或者本身的理解就是错误的，比如前面所提到“大数据就是数据大”的情况。但我个人认为这些并不是什么太大的问题，因为能理解个大概总比解释了半天还不能理解要好。那我现在要说的就是如何向身边的朋友或者客户解释什么是商业智能 BI。

不要试图用一句话解释什么是 BI

在看下面的文章之前，先停下来想一下，假设是由你来介绍，你会用什么样的方式向一个朋友或者你的客户来解释什么是商业智能（Business Intelligence） 呢？

商业智能(BI)

这个术语指在公司内部使用数据，帮助经理做出决策。

BI工具(报告、仪表板)告诉我们发生了什么，因此基于这些工具的决策将是被动的。

BI(BusinessIntelligence)即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

两者是不一样的概念，BI相对于大数据更倾向于决策，适合支持经营指标支撑类的问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

现今，大型互联网企业采用hadoop一类的大数据架构——数据仓库——自己研发的报表、OLAP分析等，或者前端选用成熟的商业智能报表和BI分析软件，像FineBI商业智能 之类的大数据BI都能对接大数据平台。传统企业，小型的公司没有那么多的业务分析的需求，大多寻求excel、业务系统的简单报表功能或者专业的报表工具来解决问题；一般中大型企业数据量大时会构建数据仓库，用BI在前端分析展现。当然很多传统企业针对特定业务（比如用户画像、风控分析）采用大数据技术。

整体来讲，选择大数据还是BI依据需求来定，大数据组件大多开源，需要大量的人力开发。BI大多商用，需要一定资金和一定时间的项目实施。