bi是什么意思（bi系统是什么意思啊）
互联网时代信息技术的飞速发展使得企业的信息化程度不断提高，企业数据呈现出爆发式增长的态势。相应地，企业数据量越大，数据问题就暴露得越明显，数据驱动决策的需求也愈发强烈。
在这样的时代背景下，商业智能（Business Intelligence，简称BI）成为了信息化热词，我们经常能听到企业说“上BI”、“建设BI系统”、“构建BI决策平台”等内容。那么BI到底是什么呢？
相信除了相关的研究学者，绝大部分的人很难给出一个确定的答案。其实早在1958年，IBM的研究员Hans Peter Luhn就将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。”
在1996年，加特纳（Gartner）集团一锤定音，正式将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。而我们之所以无法给出准确的商业智能定义，主要有两个方面的原因：
-
一方面，随着信息技术的发展，20多年来商业智能的内容也发生了一些变化，但是商业智能的定义仍然停留在上个世纪；
-
另一方面，与欧美发达国家相比，我国的信息化水平较为落后，除去互联网和各行业龙头企业，国内真正兴起BI热潮也是在近几年。
因此，业内对BI没有统一的定义认知也在情理之中。那么对于今天的商业智能，大众有着怎样的理解和认知呢。围绕这一疑问，帆软数据应用研究院对770多家企业的1400多名从业人员进行了调研。通过对调研数据的整理、清洗和分析，我们发现了一些有价值的结论，下面将对分析过程和结论进行详细的介绍。
首先我们利用python对调研得到的数据进行了整理和清洗，去除掉脏数据后，最终得到了890条数据。接着，我们根据被调研人员职位的不同，将被调研人员分为IT部门从业人员和业务部门从业人员两类，并打上数据标签。
最后，我们通过python的分词库jieba和词云库wordloud生成了三幅被调研者对BI定义认知的词云图，即整体认知、IT部门从业人员认知和业务部门从业人员认知，分别如图1、图2和图3所示。
（1）整体认知
图1 整体认知
在图1中可以看到，被调研人员对BI定义的整体认知可以理解为“数据”、“分析”、“数据分析”、“报表”、“业务”、“企业”、“决策”、“智能”、“工具”、“展示”、“可视化”等关键词。
首先，关键词“企业”、“决策”和“工具”说明大众对于BI的作用和目的有着比较准确的理解，就是辅助企业决策的工具。
其次，“数据”、“分析”、“数据分析”等关键词则体现了大众对BI认知的侧重点在于数据分析这一功能上，甚至将BI等同于数据分析工具。其实BI还包含了数据仓库、数据ETL等功能，覆盖了数据处理到展示的整个流程。而且底层的数据仓库建设也非常重要，能为后续的数据分析提供强有力的支持，能让数据分析结果更为准确。
另外，关键词“展示”和“可视化”也揭示了BI的另一项重要功能，即数据可视化。通过数据可视化将数据分析结果以更直观明了的方式进行展示，能为决策者提供更清晰更深入的见解。
最后，一个比较独特的关键词“报表”也从某种程度上反映了我国的BI建设现状。按照BI的定义，报表工具也是BI的一部分，不过并不能完全代表BI。但是我国企业信息化水平整体偏低，很多企业的决策支撑仍然以报表为主，所以报表也是BI在我国企业内的一个主要表现形式。
（2）IT部门&业务部门从业人员认知
图2 IT部门从业人员认知
图3 业务部门从业人员认知
被调研人员中，IT部门和业务部门从业人员对BI定义认知的关键词与整体认知类似，核心都是“数据”、“决策”和“数据分析”，这里我们主要来看这二者之间的差异。
第一，从词云图中关键词的大小来看，IT部门从业人员对BI的认知更为统一，业务部门从业人员则较为分散。这一结果也和业务部门的多样性有关，不同业务部门的人员有着不同的理解。
第二，IT部门重技术，业务部门重价值。IT部门从业人员认知词云图中，出现了“技术”、“挖掘”、“应用”等词，并且“智能”一词并没有和“商业智能”捆绑在一起，而是作为单独的关键词出现的。在业务部门从业人员认知词云图中，“价值”、“可视化”、“整合”等关键词是IT部门从业人员认知图中出现较少的。所以说IT部门更倾向于将BI定义为技术，而业务部门则更注重商业价值。
第三，IT部门从业人员认知词云图中出现了关键词“暂无”，这说明有一小部分的IT从业人员对BI的定义没有明确的理解和认知，或者企业并没有进入BI系统建设阶段，因此IT人员没有深入接触过BI。
第四，IT部门和业务部门从业人员认知词云图中都提到了“数据挖掘”，不过出现的次数都非常少。数据挖掘作为更深入的数据分析方法，在面对大量数据时，能提供更具洞察力的见解，也是BI的一项重要功能。然而就当前国内情况来看，数据挖掘仍处于泡沫和技术炒作阶段，并没有得到实质的应用。但是不可否认，数据挖掘是未来的一个主要趋势。