本文探讨了传统BI系统的局限性，如依赖于完善的IT系统和数据仓库，受众有限，研发过程冗长。随着互联网和SaaS模式的发展，BI系统变得更加轻量、易用和快速响应。Google的三篇论文推动了大数据处理技术，Hadoop生态提供了多样化的数据分析解决方案，但也存在复杂性和效率问题。探索式BI系统强调统一、易用、实时和专业，对OLAP技术提出了更高要求。
尚学堂给同学们带来全新的Java300集课程啦!java零基础小白自学Java必备优质教程_手把手图解学习Java，让学习成为一种享受_哔哩哔哩_bilibili
1. BI系统的沉浮
1.1 传统BI之死
为了解决传统早期IT系统在建设过程中“烟囱式”的发展模式，打通相互割裂的“数据孤岛”，让用户拥有站在企业全局鸟瞰一切数据的视角，BI(商业智能)系统的概念在20世纪90年代被提出，即一种统一面向数据仓库，专注于提供数据分析、决策类功能的系统与解决方案。人们通常用BI一词指代这类分析系统。相对于联机事务处理系统(OLTP)，我们把这类BI系统称为联机分析(OLAP)系统。
image-20210727183612222
但是传统BI系统的实际的应用效果一直是差强人意。其原因至少有一下几点。
- 对企业的信息化和数据化水平要求较高。需要企业有完善的信息化系统和统一的数据化仓库来作为技术支持，否者难以实现“站在企业视角通盘分析并辅助决策"的定位。
- 狭小的受众制约了传统BI系统发展的生命力。如果主要受众是企业中的管理和决策层，这些人虽然有较高的话语权于系统的参与度和使用度不高，久而久之BI系统就沦为了领导视察、演示的“特供玩具”。
- 冗长的研发过程滞后了需求的响应时效。传统BI系统多为定制开发，需要大量IT人员的参与。一个分析
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
