什麼叫大數據和bi

A. 大數據bi是什麼

大數據BI是能夠處理和分析大數據的BI軟體，區別於傳統BI唻軟體垍頭，大條數據BI可以完成對TB級別數據的實時分析。大數據可以概括為4個V，數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值密度低(Veracity)。大數據作為時下最火熱的IT行業的詞彙，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據的商業價值的利用逐漸成為行業人士爭相追捧的利潤焦點。隨著大數據時代的來臨，大數據BI也應運而生。
主要功能

編輯

開源大數據生態圈
1.HadoopHDFS、HadoopMapRece,HBase、Hive漸次誕生，早期Hadoop生態圈逐步形成。
2.Hypertable是另類。它存在於Hadoop生態圈之外，但也曾經有一些用戶。
一體機資料庫/數據倉庫
IBMPureData(Netezza),OracleExadata,SAPHana等等。
數唻垍頭條據倉庫
TeradataAsterData,EMCGreenPlum,HPVertica等等。
數據集市
QlikView、Tableau、國內永洪科技YonghongDataMart等等。
YonghongDataMart是基於自有技術研發的一款數據存儲、數據處理的軟體。針對客戶需要處理需求數據的量級不同，IT系統架構的不同和存儲系統的不同，提供了兩種解決方案供客戶選擇一種本地模式，一種是MPP模式。當需要處理的數據量級別處於TB級以下，或者採用普通存儲結構，或者單機已經足夠滿足性能需求，建議用戶選擇本地模式。當面對異構資料庫存儲系統，需要處理的數量級別在TB級和PB級以上，或者IT系統和存儲系統採用分布式，或者需要MPP模式才能滿足性能需求，基於分布式架構的並行處理模式更適合客戶的需求。

B. 商業智能bi，大數據，傳統報表，數據分析有何區別

數據分析：是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便採取適當行動。
大數據（big data）：指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
傳統報表：向上級報告情況的表格。簡單的說：報表就是用表格、圖表等格式來動態顯示數據。
商業智能：BI（Business Intelligence）即商務智能，它是一套完整的解決方案，用來將企業中現有的數據進行有效的整合，快速准確地提供報表並提出決策依據，幫助企業做出明智的業務經營決策。
商業智能數據分析工具有Tableau、DataFocus等等

C. 大數據和BI商業智能有何區別有何相關_bi商業智能是做什麼的

之所以要區分大數據應用與BI(商業智能)，是因為大數據應用與BI、數據挖掘等，並沒有一個相對完整的認知。

BI（）即商務智能，它是一套完整的解決方案，用來將企業中現有的數據進行有效的整合，快速准確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。

伴隨著BI的發展，是ETL，數據集成平台等概念的提出。ETL，ExtractionLoading，數據提取、轉換和載入，數據集成平台主要功能對各種業務數據進行抽取和相關轉化，以此來滿足BI、數據倉庫對數據格式和內容挖掘的要求。

數據集成平台的基礎工作與ETL有很大的相似性，其主要功能是實祥兆現不同系統不同格式數據地抽取，並且按照目標需求轉化成為相應的格式。數據集成開始是點對點的，慢慢地發現這種模式對於系統之間，不同所有權的企業數據流向以及數據標准控制很難，為謹宴攔此，誕生了對統一企業數據平台的需求，來實現企業級之間的數據交互。

數據集成平台就像網路中Hub，可以連接所有應用系統，實現系統之間數據的互通有無。數據集成平台以BI、數據倉庫需求而產生，現在已經跨越了最初的需求，上升到祥胡了一個更高的階段。

如今大數據應用更多關注非結構化數據，更多談論互聯網，Twitter、Facebook、博客等非結構化數據，如此理解大數據應用，顯然就有些走偏了。結構化數據也屬於大數據，且呈現出相同的特點和特徵，如數據量大，增長越來越快，對數據處理要求高等。

結構化數據是廣義大數據中含金量或者價值密度最高的一部分數據，與之相比，非結構化數據含金量高但價值密度低。在Hadoop平台出現之前，沒有人談論大數據。數據應用主要是結構化數據，多採用IBM、HP等老牌廠商的小型機或伺服器設備。

採用傳統方法處理這些價值密度低的非結構化數據，被認為是不值得的，因為其產出實在是有限。Hadoop平台出現之後，提供了一種開放的、廉價的、基於普通商業硬體的平台，其核心是分布式大規模並行處理，從而為非結構化數據處理創造條件。

大數據應用的數據來源應該包括結構化數據，如各種資料庫、各種結構化文件、消息隊列和應用系統數據等，其次才是非結構化數據，又可以進一步細分為兩部分，一是社交媒體，如Twitter、Facebook、博客等產生的數據，包括用戶點擊的習慣/特點，發表的評論，評論的特點，網民之間的關系等，這些都構成了大數據來源。另外一部分數據，也是數據量比較大的數據，就是機器設備以及感測器所產生的數據。以電信行業為例，CDR、呼叫記錄，這些數據都屬於原始感測器數據，主要來自路由器或者基站。此外，手機的置感測器，各種手持設備、門禁系統，攝像頭、ATM機等，其數據量也非常巨大。

對於分析大數據的工具，目前所有的分析工具都側重於結構化分析，例如針對社交媒體評論方向的分析，根據特定的詞頻或者語義，通過統計正面/負面評論的比例，來確定評論性質。如果有一個應用系統是接收結構化數據的，例如一個分析系統，接收這些語義就可以便於分析。（速鴻科技-BI商業智能大數據分析工具與服務提供商）

D. 大數據 BI兩者什麼關系企業用BI嗎

在商務領域，應用大數據和應用BI到底有什麼區別，好像都是和數據分析、數據挖掘到最後的數據結果有關系，隨著大數據和BI的發展，又有聲音說BI將會替代大數據，到底BI和大數據兩者什麼關系。

第三、發展方向不同

BI的發展要從傳統的商務智能模式開始轉換，對於企業來說，BI不僅僅是一個IT項目，更是一種管理和思維的方式，從技術的部署到業務的流程規劃，BI迎來新的發展。對於大數據來說，現階段更多的大數據關注在非結構化數據，不同的數據分析工具的出現和行內的應用范圍不斷的加大，對於大數據應用來說，怎麼與應用的行業進行一個深層次的結合才是最重要的。

伴隨BI的發展，BI的應用范圍越來越廣，對於大數據來說，一些傳統的BI工具實現不了的數據結果分析，往往也會給大數據帶來意想不到的發展空間。

如果是企業，考慮實用性的話，BI工具在企業的信息化建設方面更具有優勢，而且是個大趨勢，國內很多商業智能軟體比如FineBI會更貼近國內企業的情況，可以了解一下。

E. 什麼叫大數據

大數據概述
專業解釋：大數據英文名叫big data，是一種IT行業術語，是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
通俗解釋：大數據通俗的解釋就是海量的數據，顧名思義，大就是多、廣的意思，而數據就是信息、技術以及數據資料，合起來就是多而廣的信息、技術、以及數據資料。
大數據提出時間
「大數據」這個詞是由維克托·邁爾-舍恩伯格及肯尼斯·庫克耶於2008年8月中旬共同提出。
大數據的特點
Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）-由IBM提出。
大數據存在的意義和用途是什麼？
看似大數據是一個很高大上的感覺，和我們普通人的生活相差甚遠，但是其實不然！大數據目前已經存在我們生活中的各種角落裡了，舉個例子，我們現在目前最關心的疫情情況數據，用的就是大數據的技術，可以實時查看確診人數以及各種疫情數據。
大數據存在的意義是什麼？
從剛才的舉例中我們基本可以了解，大數據是很重要的，其存在的意義簡單來說也是為了幫助人們更直觀更方便的去了解數據。而通過了解這些數據後又可以更深一步的去挖掘其他有價值的數據，例如今日頭條/抖音等產品，通過對用戶進行整理和分析，然後根據用戶的各種數據來判斷用戶的喜愛，進而推薦用戶喜歡看的東西，這樣做不僅提升了自身產品的體驗度，也為用戶提供了他們需要的內容。
大數據的用途有哪些？
要說大數據的用途，那可就相當廣泛了，基本各行各業都可以運用到大數據的知識。如果簡單理解的話，可分為以下四類：
用途一：業務流程優化
大數據更多的是協助業務流程效率的提升。能夠根據並運用社交網路數據信息 、網站搜索及其天氣預告找出有使用價值的數據信息，這其中大數據的運用普遍的便是供應鏈管理及其派送線路的提升。在這兩個層面，自然地理精準定位和無線通信頻率的鑒別跟蹤貨物和送大貨車，運用交通實時路況線路數據信息來選擇更好的線路。人力資源管理業務流程也根據大數據的剖析來開展改善，這這其中就包含了職位招聘的調整。
用途二：提高醫療和研發
大型數據分析應用程序的計算能力允許我們在幾分鍾內解碼整個dna。可以創造新的治療方法。它還能更好地掌握和預測疾病。如同大家配戴智能手錶和別的能夠轉化成的數據信息一樣，互聯網大數據還可以協助病人盡快醫治疾患。現在大數據技術已經被用於醫院監測早產兒和生病嬰兒的狀況。通過記錄和分析嬰兒的心跳，醫生預測可能的不適症狀。這有助於醫生更好地幫助寶寶。
用途三：改善我們的城市
大數據也被用於改進我們在城市的生活起居。比如，依據城市的交通實時路況信息，運用社交媒體季節變化數據信息，增加新的交通線路。現階段，很多城市已經開展數據分析和示範點新項目。
用途四：理解客戶、滿足客戶服務需求
互聯網大數據的運用在這個行業早已廣為人知。重點是如何使用大數據來更好地掌握客戶及其興趣和行為。企業非常喜歡收集社交數據、瀏覽器日誌、分析文本和感測器數據，以更全面地掌握客戶。一般來說，建立數據模型是為了預測。
如何利用大數據？
那我們了解了這么多關於大數據的知識，既然大數據這么好，我們怎麼去利用大數據呢？那這個就要說到大數據的工具BI了，BI簡單理解就是用來分析大數據的工具，從數據的採集到數據的分析以及挖掘等都需要用到BI，BI興起於國外，比較知名的BI工具有Tableau、Power BI等；而國內比較典型的廠家就是億信華辰了。雖然BI興起於國外，但是這些年隨著國內科技的進步以及不斷的創新，目前國內BI在技術上也不比國外的差，而且因為國內外的差異化，在BI的使用邏輯上，國內BI更符合國內用戶的需求。
希望對您有所幫助！~

F. 什麼是bi大數據，對企業有什麼幫助

大數據BI是主要體現在數據處理量大方面脊指，可以完成TB級別數據的實時分析。
因此其在數據倉庫構建方面的要求較高。現在很多數據軟體要不側重於數據處理，這一定有點像大數據靠攏，要不側重於可視化分析。
其實對於企業來講，他們所需要的是數據落地，數據分析工作與行業和業務的深度融合，將企業中現有的數據進行有效的整櫻昌配合，建成一個全面而穩固的數據信息化網路，而後為管理者提供報表並提出決策依據，幫助企業做出明智的業務經營決策。
從技術角度來講，BI得具有深度的應用性，兼顧數據處迅碼理分析和可視化展示，這一方面帆軟公司的FineBI發展趨勢是比較不錯的。

G. 大數據、BI、AI，三者之間的關系是什麼

BI目前實現的是收集數據，提供反饋，輔助決策的能力，以數據為基礎的，面向數據管理和分析，屬被動角色。而AI則輔以大數據，演算法等得到更有價值的信息，實現收集+預測的能力，更多的是主動角色。

雖然AI的應用范圍非常廣，但結合BI現仍是處理結構化的數據。而此處二者的交集在於機器學習和數據挖掘，但又略有不同。AI的機器學習強調演算法，BI的數據挖掘還包括對數據的管理，演算法選擇上也較為簡單，沒有神經網路和深度學習等復雜AI演算法。

未來,AI與BI的區別在於BI負責梳理生產關系，AI是先進生產力。那麼AI+BI模式通過將AI嵌入BI，構建基於AI的BI平台，利用AI的智能讓BI系統能夠解決更復雜的業務場景，產出更精準的分析結果，從而使決策更為科學和准確。

對於結構化的數據，BI系統可應用機器學習演算法，得到更精確的分析結果。例如上文提到的總結用戶畫像，分析人群行為數據，得到千人千面，實現精準營銷的結果。還有金融領域的風險監測，AI+BI的模式可以分析出金融風險和其他指標、行為之間的內在聯系，預測更為准確。

對於非結構化的數據，BI可以應用圖像處理、語音工程和文本分析等AI技術，智能化地處理復雜業務場景。如語音轉文字，錄入數據及產出想要的報表等。

業務場景除了在 IT 信息化基礎比較扎實的行業，也會在深度場景化的細分領域，且這些領域不具備通用性。也可理解為解決方案不具備復用性。這個時候通過AI完成一些演算法匹配，根據匹配的結果來驅動業務執行。

H. 什麼是bi，bi在大數據中的地位

BI是商務智能，（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

其實算早期的數據分析工業化產物，說白了就是做報表的技術，現在流行做數據挖掘，機器學習
但報表還是要看的，

I. 大數據與BI都有哪些區別

1、從思維方式角度
大數據對於傳統BI，既有繼承，也有發展，從」道」的角度講，BI與大數據區別在於前者更傾向於決策，對事實描述更多是基於群體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題，大數據則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。
2、從工具的角度
傳統BI使用的是ETL、數據倉庫、OLAP、可視化報表技術，屬於應用和展示層技術，目前都處於淘汰的邊緣，因為它解決不了海量數據(包括結構化與非結構化)的處理問題。而大數據應用的是一個完整的技術體系，包括用Hadoop、流處理等技術解決海量的結構化、非結構化數據的ETL問題，用Hadoop、MPP等技術計算海量數據的計算問題，用redis、HBASE等方式解決高效讀的問題，用Impala等技術實現在線分析等問題。因此是個全新的行業。
3、從數據來御蠢老源角度
大數據應用的數據來源，不僅僅包括非結構化的數據，還有各種系統數據，資料庫數據。其中非結構化數據主要是集中在互聯網以及一些社交網站上的數據以及一些機器設備的數據，這些都構成了大數據應用的數據來源。對於大數據的分析工具來說，現階段也是對於非結構化的數據分析的比較多。
BI系統則是在數據集成方面的技術越來越成熟，對於數據的提取，一個各種數據挖掘的要求來說，數據集成平台會幫助企業實現數據的流通和交互使用，在企業內部實施BI應用就是為了可以更好的對數據進行分享和使用。
4、從發展方向角度
BI的發展要從傳統的商務智檔冊能模式開始轉換，對於企業來說，BI不僅僅是一個IT項目，更是一種管理和思維的方式，從技術的部署到業務的流程規劃，BI迎來新的發展。對於大數據來說，現階段更多的大數據關注在非結構化數據，不同的數據分鎮升析工具的出現和行內的應用范圍不斷的加大，對於大數據應用來說，怎麼與應用的行業進行一個深層次的結合才是最重要的。

J. 大數據，數據挖掘，BI，ERP之間的聯系，主要圍繞ERP，簡明扼要一點

大數據：顧名思義，數據量大，會對後面的分析和挖掘造成一定的難度。
數據挖掘：在數據基礎上繼續挖掘和分析，挖掘更多的是做分析和預測。
BI：一般是指商業智能工具，可進行數據分析與展示，BI工具可做一定的挖掘工作。
ERP：是指建立在信息技術基礎上，通過先進管理思想和方法，對企業內部資源和外部資源進行整合，通過標准化的數據和業務操作流程，把企業的人、財、物等進行緊密集成，最後實現資源優化配置和業務流程優化目的的方法。

大數據如果要進行BI分析，有一定難度，因為BI分析對實時性要求高，最好選擇好的BI工具，然後再結合ERP產品，ERP產品選擇面相對寬鬆些，可根據自身情況決定。在當今社會，是依靠數據競爭的社會，考一門具有公立性、權威性、前沿性的證書是很有必要的。

想要了解更多有關數據的分析，CDA數據分析師就是非常不錯的選擇。課程以項目調動學員數據挖掘實用能力的場景式教學為主，在講師設計的業務場景下由講師不斷提出業務問題，再由學員循序漸進思考並操作解決問題的過程中，幫助學員掌握真正過硬的解決業務問題的數據挖掘能力。這種教學方式能夠引發學員的獨立思考及主觀能動性，學員掌握的技能知識可以快速轉化為自身能夠靈活應用的技能，在面對不同場景時能夠自由發揮。點擊預約免費試聽課。