BI工具与数据仓库是什么关系？引入BI前一定要建设数仓吗？

在帮助企业推进数仓建设与BI引入的过程中，经常有相关部门的员工向我们咨询，透露道他们对这两者之间的协同细节其实尚不明确，希望帆软能详细解释一下。今日便借此机会，与大家探讨一下商业智能（BI）和数据仓库（Data Warehouse）这两个概念之间的密切关系，这两者在组织中的数据管理和分析方面发挥着关键作用，都是企业数字化转型的重点项目，了解了二者之间的关系，才能更好地推进进程，将“数字化”概念完整落地。

 

一、BI和数仓的关系

在谈及两者关系之前，我们先来明确一下BI和数据仓库的定义：

BI（商业智能）：BI 是一种技术驱动的决策支持系统，它利用数据分析、数据可视化和业务数据共享来支持企业的决策制定过程。BI 的目标是帮助企业管理层和决策者更好地了解业务状况、趋势和关键绩效指标，并通过这些信息做出明智的决策。

数据仓库：数据仓库是一个集成的、主题导向的、时间变化的数据存储，它汇总来自不同来源的数据，经过清理、转换和加载（ETL）处理，以提供高质量、一致性和可信赖的数据，供决策者使用。

 

定义记住了？那接下来用一个简单易懂的对照，来理解一下二者的关系。

在餐馆用餐的过程中，厨师不会直接将从菜市场购回的食材摆到食客面前。食客吃到的都是厨师经过精心加工处理后的美味佳肴，这个过程与企业数据呈现过程有着惊人的相似之处，从业务系统的繁杂数据到最终整洁易懂的可视化报表，数据的转化可以概括为三个主要步骤：

 

首先，类似于菜品的原材料在不同的菜市场采购，企业数据需要从各个业务系统数据库中提取。比如，要制作西红柿炒蛋，需要在A菜市场购买鸡蛋，在B市场购买西红柿。制作一张复杂报表所需的数据也只有在相应的业务数据库中才能找到，所以在数据领域，菜市场可以视为业务系统数据库，而食材则对应于数据。

 

其次，食材需要在厨房中进行备菜，为后续的炒菜做好准备。这个过程类比于将数据通过ETL（提取、转换、加载）过程导入数据仓库，进行清洗和转换工作。在这个数据仓库即厨房的环境中，数据从不同的业务数据库中被提取、集中处理，以生成可供展现和分析的数据。

 

最后，就如同炒菜过程中选择合适的食材一样，BI工具用于选择和呈现合适的数据，最终呈现为清晰直观的可视化报表。在这个比喻中，炒菜工具即为BI工具，而最终的可视化报表则类似于餐厅中美味可口的菜品。对于不同的餐点需求，就如同在数据领域中的各类复杂的报表需求，需要到不同的数据库中获取相应的数据。

 

我们用一张图来回顾上面三步，左右对应来理解做菜&企业数据处理间的巧妙对照关系：

到此，不难看出BI与数据仓库的关系为：

BI将来自不同业务系统数据库中的数据进行提取，取出有分析价值的数据做清洗、转换和加载（ETL过程），再合并到数据仓库中进行建模，最终在这个基础上形成可视化分析报表，从而为企业的管理决策层提供数据决策支撑。

也就是说，虽然最终领导只看到了他们想要的分析报表，但这一套系统是需要数据仓库和ETL在背后做数据支撑。

 

总而言之：数据仓库是BI运行的基础，BI需依赖数据仓库去做数据分析。

示例中提到的数据分析模板分享给大家——
https://s.fanruan.com/7lh3w
零基础快速上手，还能根据需求进行个性化修改哦

 

二、引入BI前一定要建设数据仓库吗？

读到这大家肯定会问：既然都得出上述结论，说数仓是BI的基础了，这答案还能有二吗？没有数据仓库就开始谈BI，简直是空中楼阁！

 

可从帆软对国内近万家企业的数据基础调研结果来看，会发现纵使答案再统一明朗，企业在数据化的转型上依旧举棋不定。

站在企业角度出发，数据仓库从规划到落地通常需要花费高昂的经济成本和时间成本，但其创造的价值较难提前量化。所以许多有BI需求的企业找到帆软后会表示，他们在数仓巨大的投入成本以及未知的投入产出比的风险面前，没法下定决心去建数仓，也导致其不敢上BI来满足自身的数据需求。

 

因此，当客户带着这个“先后难题”来找到我们时，也倒逼着我们不断去思考：在国内数仓建设高成本现状下，先数仓后BI还是唯一出路吗？帆软是否能给这些企业其他的解决方法？

先给结论，帆软认为：

数仓是BI的数据来源，因此先数仓后BI仍是唯一出路。但企业可根据自身数据情况建设适合自己的数仓，并非要建设完“完整数仓”，才能上BI。

 

此处，我们分情况来说明：

1、企业BI建设建立在完整的数据仓库基础上为最佳。

BI可直接连接数据仓库梳理好的DWS层，将其作为公共数据集，即可以让业务同事基于相对规范的公共数据，无需代码，自己可通过拖拉拽的方式进行自助数据分析/简单报表的制作，从而通过数据去发现问题，解决问题。

 

2、若企业并未建有完整数仓，帆软建议这些想上BI、但无数仓基础的公司，可借助帆软帮其快速建设轻量级的数仓，分阶段完成BI与数仓的建设。

具体来说，即在企业数仓尚未搭建或分析思路尚未成型时，可先在帆软BI平台内抽取业务系统数据库表，做轻量级的数据处理当中间数据库，快速构建当下企业里最紧急且重要的分析需求应用。在分析结果得到业务部门的初步认可验证后，再拉通各部门认知，统一数据维度事实。最后将数据和复杂分析逻辑逐步沉淀固化到数据仓库/BI平台内，分层建模开发项目。

 

三、结语

总的来说，BI和数据仓库是相辅相成的概念，共同支持组织对数据的管理、分析和利用。BI工具依赖于数据仓库提供的数据，而数据仓库则通过整合、存储和管理数据，为BI提供可靠的基础。

 

一个长远优秀的BI项目建设一定离不开数据仓库，但企业可根据自己的实际数据及预算情况来综合考虑。

在完善的数仓基础上建设BI是锦上添花，但如果没有数仓，也可通过“倒推”的方式，从前端最紧急的数据报表需求/自助分析数据需求来倒推中间数据库的建设，等到后续企业数据及业务体系化上来，再将数据量扩容，搭建标准化数仓。

这种“MVP”方法，能最大程度上确保企业分析决策的建设方向正确，实现真正有利于公司的商业价值，将试错成本最小化。