ITPub博客

数据分析是一个被广泛使用的技能标签。在真实工作环境下，至少有三个类型的职位可以算作和数据分析师相关，分别是：BI (Business Intelligence), QA (Quantitative Analyst / Data Scientist), 以及BA (Business Analyst)。

Hadoop是个很流行的分布式计算解决方案，是Apache的一个开源项目名称，核心部分包括HDFS及MapReduce。其中，HDFS是分布式文件系统，MapReduce是分布式计算引擎。时至今日，Hadoop在技术上已经得到验证、认可甚至到了成熟期，同时也衍生出了一个庞大的生态圈，比较知名的包括HBase、Hive、Spark等。HBase是基于HDFS的分布式列式数据库，HIVE是一个基于HBase数据仓库系统。Impala为存储在HDFS和HBase中的数据提供了实时SQL查询功能，基于HIVE服务，并可共享HIVE的元数据。Spark是一个类似MapReduce的并行计算框架，也提供了类似的HIVE的Spark SQL查询接口，Hive是基于hadoop的数据分析工具。

一个报表平台的项目开始，客户会常常希望我们能够以我们专业的角度，针对他们公司的实际情况，来规划一下他们的报表平台。这个我也是理解的，毕竟谁都不想最终实施完成的报表平台乱糟糟的，不成体系。自己也做过一些，但没有花时间对自己的方法进行整理。这里我介绍下自己的思路

数据是日积月累的，一个有点规模的企业，都有大量的报表在excel中，时间长了，感觉到excel制作报表的各种痛点：什么数据收集麻烦啊、各个系统中数据不能打通啊等等，也就想到了通过一个报表平台或者bi平台来把数据分析给统一管理起来，一方面减轻下各个业务人员的压力，毕竟是谁都不想在做报表上花太多的时间，很多情况下，报表做完了，自己已经没有心情去看其中的数据了，我就那么点精力，你居然让我来做报表。

本文主要介绍了实现数据可视化的工具，其中包括编程类的以及非编程类的供读者选择。

近几年是数据应用快速增长而又动荡的一年。由于投资热带来的一波2B产业高潮，围绕数据业务的产品层出不穷，无论是通用型的可视化工具，还是带有业务属性的分析产品。

2017年2月16日，Gartner发布了2017年BI商业智能和分析平台魔力象限报告，本文主要对此进行一些解读，帮助大家更好了解市场状况和趋势。

无论是商业智能时代的应用建设，还是当下大数据时代的数据应用/数据产品建设，行业化、角色化与场景化，均是一个重要的趋势。本文主要以服装行业为例，介绍了日常运营管理数据分析场景的规划。

供应链管理，阿米巴管理，能源化工行业四大业务特点，六大管理现状，管理经营数据化五大问题，能源化工行业数据四大特点，基于能源行业业务、管理、数据特点的数据决策管理支持方案（PC端集成、移动办公、微信集成、可视化大屏）

新飞电器BI系统将各个系统的多数据源进行整合，将各个分系统的数据集中在一个平台展示，为企业信息化带来方便。同时图形化数据展示、简单易用的olap分析也为决策层带来更良好的查看体验。分析制作简单，提高了工作效率。

报表工具是一类报表制作工具和数据展示工具，用于制作各类数据报表、图形报表。或者制作特定格式的电子发票联、流程单、收据等等。商业智能的重点在于商业数据的分析，集成了数据统计、数据展示、数据分析和挖掘的解决方案。

在企业经营的过程中，诸如财务、销售、市场等业务自身就带有强烈的数据分析需求。如果说运用到个人或是某一个问题的叫数据分析，那么投入到企业的业务层面用于辅助管理产生效益的则可称为数据化管理。其实，数据化管理的苗头早已出现，与KPI结合投入量化管理就是一个很好的例子。

本文主要讲述了三个核心要点：1.P2P金融虽处寒冬，但互联网金融前景仍大好，2017再崛起；2.建设重点抓好用户分析、风险分析、产品分析、营销效果分析、管理分析；3.建设步骤四步走合理规划、业务梳理、迭代开发、收集反馈。

从技术的角度来看，BI的技术正在走向成熟，处于一个发展的阶段，但它促使了BI的应用在成本方面开始逐步的降低，越来越多的企业在BI应用方面取得了成功。从实施的角度来出发，实施商业智能系统是一项复杂的系统工程，整个项目涉及企业管理，运作管理，信息系统，数据仓库，数据挖掘，统计分析等众多门类的知识. 因此用户除了管理咨询要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功。

对于目前市面上所提供的商业智能解决方案，传统BI、大数据BI以及自助型敏捷BI保持着并行发展的趋势。对于信息化发展相对成熟逐渐转向数据化运营的企业，商业智能主要用于打通系统间的数据壁垒，给日益增长的企业数据提供平台型服务，并联通外部数据，基于数据挖掘，机器学习提供多维度的数据分析服务。对于刚起步或尚未部署信息化的企业，商业智能更多地用于管理数据信息，利用数据分析的手段快速辅助业务。

近几年来“大数据”可谓蓬勃发展。NewVantage Partners在2016年的大数据管理调查结果中表明，62.5％的公司现在至少有一个数据项目投入生产，只有5.4％的公司没有数据应用计划，或者是没有正在进行的数据项目。

未来的BI市场是巨大的，涉及的触角也会越来越多。就我观察到的企业应用以及数据类产品中发现，很多企业通过数据接口引入了更多外部的数据来完善分析，也有部分企业私有化部署的BI产品在往云BI方向发展。与R语言、数据挖掘类技术的集成，也将进一步提高数据分析的深度。

如今的IT面临着内忧外患的挑战。一方面，企业多多少少都建立了信息化，有些企业或集团甚至会有数几十个分公司，包含直销、代理、零售以及第三方物流等多种业态。越是复杂的业务，信息化建设越困难，比如运用大量的业务系统，但人力资源有限，大量的数据需要自动对接。IT人员每天忙于处理各种数据需求。因为权限的问题，各个平台需要登录不同的账号去查询。同一类数据每个部门需要查看明细不同，导致IT部门一团糟，非常头疼。另一方面，互联网技术的日益发达，市面上出现了很多轻量化的业务系统，比如协同办公管理的钉钉、企业微信，甚至可以直接让部门使用，无需经过IT部门。为了适应企业发展的变动，很多技术很多业务模式需要改变，技术是实现需求的关键节点，但业务绩效却无法量化到IT部门头上。长期以来，技术人员迷惑未来的出路，IT部门迷茫未来的走向。

BI不同于一般的企业管理软件，不能简单归类为类似用于提高管理的ERP和WMS，或用于提高企业效率的OA、BPM。BI的本质应该是通过展现数据，用于加强企业各环节的管控，帮助快速制定科学的决策。

如今的企业经营方式，业务对于数据分析有极大的需求，但却苦于没有数据以及工具的有效支持，业务分析仍就依赖于IT报表制作。而IT方不断地按业务需求去调研、确认业务逻辑，然后取数做报表，其中还要忍受业务的需求变更。