國內BI廠商消極對待大資料的三大原因

當大資料即Big Data與雲計算、移動應用與社交網路，風靡一世，成為2012 年資訊技術領域最時髦的詞彙。 IBM 、Oracle、SAP、微軟等廠商，像尋找到了新的金礦，開始極力推崇大資料理念。 於是，眾廠商蜂擁而至，搶奪大資料超市，尤其是SAP的HANA和Oracle的Exalytics，打得火熱。 相比之下，部分推BI的廠商還達不到大資料的層次，固守在報表分析的陣地上。 事實上，大資料真的有如我們想像中的那麼強大嗎? BI為什麼跑不出「最後一公里」?大資料與BI同時遭遇了被質疑的尷尬。

BI為什麼不能快速踏入大資料時代?

一個剛入行的BI諮詢師的困惑，或具有一定的代表性，表達了BI當前的狀態。

「今天跟客戶演示系統，演示完畢，客戶問我一個問題：商業智慧到底智慧在哪裡? BI和報表工具做出來的東西有何不同?對於這個問題，我相信做BI的人都曾經問過自己，也給過自己很多答案，但未必真的是100分的答案。 就像今天，我雖然跟客戶舉了一些例子解釋和說明上述問題，但是自己還是覺得不夠透徹和有說服力。 造成這個問題，我想重要的原因是BI本身範圍太廣，加之現在市場上的各種報表工具都自稱BI解決方案，各種專案都往BI上靠，使得BI的概念很模糊了。 第二個原因，大部分BI專案其實本質需求就是滿足資料的一個查詢和報表報告，到底是BI，還是其他什麼概念都不重要。 」

BI的概念過於泛泛，以至於在幾年前，很多企業認為BI可有可無。 近年來，大資料給BI帶來了極大的衝擊，加速了其發展的步伐，甚至有人大膽預測，未來十年，商務智慧分析將引領管理資訊化的發展。

BI與大資料的區別在於，大資料能夠基於BI工具進行大容量資料和非機構化資料進行處理，與傳統基於事務的資料倉儲系統相比較，大資料分析不僅關注結構化的歷史資料，它們更傾向去對Web、社交網路、 RFID感應器等非結構化海量資料進行分析，大資料無疑是對BI的一個完美補充。

為什麼大部分BI廠商對於大資料表現出「冷處理」態度?

原因一，處理並分析非結構化資料是難點：不論是大交互資料還是大交易資料，處理並分析非結構化資料，是BI業內，甚至是大資料處理，一直面臨的難點。 很多推BI產品的廠商，其技術能力達不到大資料所要求的高度。

原因二，企業意願不強：現在很多的企業做的BI，並沒有完全體現智慧，最多隻是將已有的資料使用報表進行呈現，開發的報表也很簡單，大部分使用者還沒有希望從開發的BI系統中，發掘更多價值的意識。

原因三，BI的價值度無法衡量：大資料的確會有價值，但這個價值有多大，沒辦法準確衡量。 從某些大資料中會挖掘出新的價值，但這個價值只是附加價值，是一個想像的空間。 就比如沙漠裡可能有金子，但並不是說沙漠中一定就能挖出金子。

大資料如何摘下「新瓶舊酒」標籤?

有人評價「大資料是個相對的概念，是新瓶裝舊酒。 」認為，傳說的大資料處理方式，只不過是為趕時髦，在既有的方案上包裝了一下，新瓶裝舊酒。 海量資料時代並沒有給多少企業帶來革命性的變化，在 MapReduce 以及 Hadoop 出現之前，也有企業能夠輕鬆的對資料進行大規模平行計算，而 NoSQL 的出現也只是為處理資料的方式帶來了更多可能性。

所以，從結果來看，對於大資料的質疑並沒有比BI少，同樣遭遇了「還差一公里」的尷尬。

大資料分析缺乏成熟的實踐經驗，其方式方法與傳統的資料倉儲與BI系統有著一定的區別。 在實施大資料分析專案之前，企業不僅應該知道使用何種技術，還應該知道在什麼時候、什麼地方使用。 各資料之間有哪些關聯性?哪個資料是可信的?如何從海量的資料中挖掘出有價值的、易用的客戶資訊?

要回答這些問題，企業需要一個單一、完整、可信的客戶資料檢視，而創建一個單一、完整、可信的客戶資料檢視，資料整合是關鍵。 沒有集成的資料，其商業價值為零。 資料整合讓組織機構能夠將傳統的交易資料與全新的交互資料組合起來，從而獲得在其他情況下無法達成的洞察力和價值。

可以確定的是，隨著互聯網技術的發展，未來的大資料時代，一定是各種資訊呈現規模快速增長的狀態，如何更快獲取有用的資訊是關鍵，智慧分析工具會變得越來越重要，可以淩駕于多個管理系統、資料庫之上，如何通過更靈活、可控的BI工具， 真正挖掘出大資料時代的價值，是大資料和BI面臨的共同挑戰。

(責任編輯：fumingli)