淘SAAS

数据中台的数据仓库和商业智能BI的数据仓库本质上没有任何区别，都是在底层业务系统数据源和上层应用之间做了一个隔离层，进行上下两层的解耦合。

大数据、数据中台都是商业智能BI发展到一定阶段的产物，核心都是围绕数据，数据采集、数据处理能力、算力的提升催生了大数据，数据资产和数据服务催生了数据中台，核心的数仓建模自商业智能BI一脉相承未曾改变，最终出口还是商业智能BI可视化。

越来越多的企业会选择一些SaaS的服务应用例如：OA、CRM、HR，这些应用极大的降低了企业的采购成本和运维成本。

商业智能BI直连业务数据库做数据可视化分析、做报表到底行不行，从技术的角度没有问题，从架构的角度不可行。

前置思想我认为是所有CIO、数据架构师、解决方案顾问在涉及到数据类项目时必须要懂得的一个思想，这也是我们在和客户沟通的时候判断对方能力、水平层次的一个非常关键的点。

在之前的文章视频中讲到了BI自助分析和建模的关系，我们介绍到了建模在BI分析中本身就是维度和指标的组合，这个过程没有什么很特殊的。

数据孤岛一定要通过商业智能BI来解决，但没有数据孤岛就不可以用商业智能BI了吗？商业智能BI到底解决了什么问题？这几个问题背后藏着什么逻辑，我来为大家解读一下。

指标爆炸这个词大家可能都是第一次听说，指标怎么会爆炸呢？其实这个是我们很多年前在一些商业智能BI项目上总结出来的一种场景或者现象，就是过于的开放给业务人员在BI自助分析过程中创造了很多衍生性的分析指标，结果就造成了前端指标过于臃肿的局面。

有朋友私信我怎么样才能提升自己的数据分析思维、分析能力呢？这个问题比较难回答，是一个很系统性的问题。

汽车行业和其他行业有很大不同，我们在做这个行业的商业智能BI项目、数据分析、数据可视化的时候就会发现，汽车行业不像其他的零售行业，你可以讲下人货场、讲下供应链、讲下RFM模型，还可以讲热门的信息化建设、数字化转型，网上有很多相关的信息化、数字化资料，用心查查资料准备准备就可以出去聊这个行业了。

随着数字化深入社会底层，数据成为继土地、劳动力、资本、技术之后的第五大生产要素，标志着数据时代的正式开启。

随着互联网、物联网、云计算、人工智能、大数据等新一代信息技术的普及，众多企业开始进行转型，把信息化建设放在企业发展的首要位置。

前段时间我们和一位客户沟通商业智能BI项目合作的时候，他们提到了他们所在的省会城市头两年做了一个有关智慧城市、智慧大脑的项目，正好他也是项目参与人之一。

今天来讲下有关城市经济大脑分析指标体系如何规划的问题。

我们在一些客户那里经常听到的一种关于商业智能BI的说法就是，BI建模很重、数据仓库建模很重，我们希望业务人员不需要专业的建模自己可以通过拖拉拽的方式完成BI数据分析工作，想怎么分析就能怎么分析，完全自由。

随着互联网、物联网、人工智能、云计算、大数据等新一代信息化技术开始大规模应用，社会数字化程度不断加深，数字经济成为国民经济重要组成部分。

如今，在信息化、数字化的加持下，社会的各个领域都充满了数据。

新一代数字化、信息化技术的成熟，加速了信息化的普及速度，让信息成为决定企业能否健康发展的关键。

企业的经营说简单一点就是企业投入生产要素，最终形成产品或者服务对外销售，实现资金回流的过程。