商业智能、数据仓库和数据分析傻傻分不清？！

商业智能(BI)

商业智能与榜单上其他两个的不同之处在于展示的理念。商业智能主要是关于如何将你从使用分析中形成的洞察力产生行动。BI工具包括以下项目：

①图形和图表；

②书面报告；

③电子表格；

④仪表盘；

⑤演示文稿；

⑥会议上分享的见解。

简单地说，商业智能就是最终产品。

在事情的流程中，商业智能与数据仓库和分析系统有很大的互动。信息可以从仓库输入到分析软件包中。然后，它从分析软件中出来，又被路由到存储中，同时也进入BI中。一旦BI产品被创建，信息又可以再次反馈到数据存储和仓储中。

值得注意的是，商业智能不一定是传统意义上的成品。例如，一家服装零售商的BI仪表盘可能包括来自社交媒体、海外买家、库存、店铺销售、焦点小组访谈和时装秀的最新趋势分析数据。半小时后再来看仪表盘，你可能会看到不同的信息显示，因为趋势在这个时间段内发生了变化。

数据仓库

这有时与存储归为一类，但许多组织将两者区分开来。区别主要是关于存储时间非常长的数据，仓储和存储为立即使用的数据。不过有些组织并没有做出这种区分。

仓储可以发生在流程的任何一步。数据在获得后立即入库，以便为分析目的重新扫描原始资料。这是一个很好的保护措施，防止数据被流程篡改，导致原始信息可能无法恢复。

数据也会在项目中间进行仓储。例如，可能会在进行了几次分析程序运行后进行仓储。这样可以确保分析程序的结果被收纳起来，以备再次需要参考。同时也避免了商业智能包中可能出现的乱码问题。

最后，数据在进入被用作商业智能的承诺之地后，往往会被储存起来。报告、图表、仪表盘和电子表格的日常状态都可能进入仓库，用于永久记录保存、法律、历史和审计目的。

数据分析

对许多人来说，分析是这个行业的性感部分。这就是将统计方法和计算机编程技术结合起来研究数据并得出可能的见解。大部分工具集来自统计界，应用于数据的常用方法包括：

①线性回归；

②贝叶斯分析；

③频率研究；

④网络分析；

⑤假设检验；

⑥聚类；

⑦相关性。

进行分析往往涉及大量的准备工作。可能必须对数据进行适当的格式化，以便于机器阅读。还必须对数据进行过滤，以消除重复、错误和其他麻烦的缺陷。所有这些工作都必须进行，以尽可能地保持数据的完整性。

分析完成后，在将所有东西送入仓库和BI包之前，还有更多的工作需要处理，其中十分关键的步骤是进行进一步的分析来验证数据。数据科学家通常会保留一部分数据集用于比较。

如果分析结果与真实世界的数据之间存在根本性的偏差，可以将其作为回到实验室的线索，找出分析工作中的问题所在。在进入BI阶段之前，还可以考虑是否值得探索不同形式的分析。