一、BI分析系统的背景

BI，是Business Intelligence的简称，也叫商业智能；主要是利用一些数据技术，从数据中挖掘背后隐藏的规律、总结现象背后的原因，用以指导业务的发展；目前很多的公司，都会设立BI分析师的角色，就是专职来做这个事情的。

通常BI分析师的主要工作，就是通过SQL等数据库语言取数据、然后利用一些模型或者分析框架，结合了业务进行各种分析；最终将有价值的一些建议做成报告或者报表等形式，给到业务进行参考。

但逐渐的，业务也有了自己分析、自己总结的需求，而不是完全依赖BI分析师。

一方面，随着时代的发展，各类工具的使用门槛不断降低，例如Excel，二十年前会用的人屈指可数，会用Excel的人就是数据领域比较牛的数据人了，但如今基本是人人必会的技能之一。

其他的一些工具，比如SQL、甚至最近几年连Python都开始很多人开始学习，连房产大佬潘石屹都在学……可见普通的业务人员对自己动手分析业务、有着多么强大的需求。

除了门槛降低导致业务人员可以自己分析，另外BI分析师的能力参差不齐、对业务的理解肯定是不能和专门做业务的同学相提并论的；因此，很多数据分析师给出的所谓分析报告，都是纸上谈兵，并不能切实命中业务要害，更别谈有什么价值了。

再一个就是，业务现在的发展速度都是日新月异的，很多业务场景都要求要实时分析，这更是对传统的数据分析提出了很多挑战：传统的分析，往往需要几天甚至几周，才能完成从数据收集到结论给出这个全流程。

综上几个原因，就有了BI分析系统这个诞生的背景。

二、BI分析系统的作用和价值

一方面，分析系统可以将大量的数据处理过程流程化，这就大大提升了数据分析效率；做过分析师的同学都知道，其实工作的一大半时间都“浪费”在了数据处理过程。有了这个系统，可以节省业务和分析人员的数据处理过程；若技术支持的好，数据甚至可以做到实时分析，比如你这边刚做了一个页面上线，在分析系统上立刻就能看到最新的访问数据——这无疑是有重要的业务意义。

另一方面，分析系统可以极大地降低数据分析的门槛；可以通过很多交互化的方式、让业务自己进行各类的分析，也不需要写SQL，直接拖曳式分析即可；对于一些常用的监控项目或者指标，可以在系统中搭建好，后续自动化更新即可。

由于门槛的降低，分析系统可以让很多业务自己就用起来；这无疑降低了业务和分析之间的巨大沟通成本，业务创建的分析报告也就更有针对性、更有业务价值；而对分析师而言，减少了大量的无效时间，可以将更多的精力放在一些“高精尖”的项目上，集中精力攻克更难的分析。

三、到底是自研还是采购

到底是自研还是采购，这是个问题。
首先说一下目前市面上的BI工具都有哪些吧。
总体上，其实分为免费和付费两大阵营——免费阵营里，为首的当然是GA（也就是谷歌分析）、PowerBI，但是由于有墙的限制，很多公司没法使用前者；付费阵营里，近两年比较火的主要就是神策数据了，传统的就是Tableau。
其实，关于自研还是采购这个问题，这比较看公司业务的发展阶段的。
如果是初创型公司，业务还在发展阶段，甚至都没啥数据，其实没有必要投入过多的人力和资金成本，产品经理甚至可以充当半个分析师的角色。
如果是中型公司（1000人以内），自研也基本是没有必要的；可以用一些免费的工具，如果在某个具体场景上有需求，可以定向采购；尽量不要贸然自研，因为一套BI系统的搭建还是相当消耗人力的，需要长时间的打磨，不如采购；省下的人力招聘1-2个专门负责的数据产品经理，协助乙方进行应用的落地，是性价比比较高的。
如果是中大型公司（1000-2000），可以考虑自研+采购，要给自研预留一定的时间，逐步过渡到自己的系统上。
而大型公司，例如阿里这种体量的，那就不用纠结了，肯定自研好了；毕竟有钱、有人，说不定做好了还能对外赋能，进行SaaS服务。

四、优秀的BI系统是啥样

无论是自研还是采购，对于数据科学家、或者是数据产品经理来说，都要知道，一套优秀的BI系统应该是怎样的。
虽然不是所有的数据产品都有机会参与到BI系统的搭建上（正如前文提及的，中大型公司才会自研）；但了解BI系统却是所有公司必须的，不然你做采购的时候，也容易被忽悠。
正所谓，“心中有丘壑”。
其实在我心里，Tableau是很优秀的BI系统了。
优秀的BI系统，首先性能要好。很多软件或者平台，做一个数据的处理，要消耗比较久的时间；这无疑带来了效率的下降。性能好的背后代表了强大的技术支撑。
其次，在可视化上要丰富，操作上要便捷。目前绝大部分的BI系统其实操作的交互差不多，但细微处还是能见到功夫的。
最后，就是在数据的处理环节上，要做到有层次。BI系统中的数据处理无疑是比较重的环节了，要对主干的流程进行突出；而一些细节的数据处理功能要支持，但不能喧宾夺主；不然面对一堆复杂的操作选项，用户是无法进行上手的。