BI 你了解多少？ * 关于BI 如何选型？

amywu

BI 的选型

      要选型，首先要了解目前市场上主流的BI产品：

　　数据库方面，有DB2、Oracle、SQL Server、Teradata，早先还有专门用于数据仓库的Redbrick（被IBM收编以后，退出历史舞台）。

　　ETL工具上，像Datastage、Powercenter都是比较主流的，此外，还有很多公司也有自己的ETL产品，例如SAS的ETL Server、BO的Data Integrator等。

　　OLAP工具上，则还可以细分为MOLAP（MuiltDimension OLAP，多维度型在线分析系统）和ROLAP（Relational OLAP，关系型在线分析系统），前者可以选择Hyperion、Cognos、Microsoft公司的产品，而后者可供选择的余地就不多，像Microstrategy可能是目前能够看得见市场份额比较大的，以前和Redbrick一起。此外，还有一个叫Metacube的ROLAP工具，早在2000年以后也退出市场。
　　数据挖掘产品领域，有SAS、SPSS等两大厂家，而像IBM、Teradata也都有自己的挖掘工具。除此之外，在报表服务器、前端工具上的选择可就多了，其中，Cognos、BO、Brio是比较主流的。

　　从这些主流产品来看，大多是舶来品。国内也有研发BI产品的，比较完整的BI解决方案不多，只针对于某个环节的产品倒是琳琅满目，且多限于ETL、前端以及数据挖掘产品。不过最近了解到一个还算比较完整的BI软件，ourway的Power-BI。它根据不同业务主题，预设了十多个基于Server Aanlysis Service 的OLAP多维数据集；有成熟的，非常实用的决策分析模型，而不仅仅是报表。
最大的特点就是安装即可使用，无需实施，省去了很多功夫。而且价格相对比较亲民，名气倒不是很响，但在业内口碑还不错，国内中小企业中已经有一定的市场占有率。

从目前各类用户的产品选型过程来看，问题多出在以下几个方面。

　　其一，只见树木不见森林，只顾得降低单个工具的成本，却忽视了总体成本。有些大企业在IT建设上一掷千金，从不在乎在购买产品上投入多少，每一块都是选用最好的。但是，更多的企业则不得不出于成本考虑，能省则省。除了数据库和OLAP工具两项之外，经常动心思的地方就是，设想如果把ETL和前端展现自己来开发是不是会省点资金出来。
　　然而问题是，如果仅仅从单个产品的成本考虑而忽视综合的项目成本，最后很可能会被难以维护的程序所困扰，甚至要完全推翻重来，这样的成本恐怕会更高。而对于那些财大气粗的大企业来说，即便选择了每个领域最好的产品，组合起来也不一定就是最好的。

　　其二，评估报告难以客观。企业负责产品选型的人，通常要求厂商提供一份评估报告，要列出几种方案选择，各自优劣何在，最后得出哪种方案是最适合自己的。

　　如果从字面上理解此报告，某种产品哪方面比较好，哪方面不好，这并不客观。对于厂商而言，这就是一笔单子，当然会尽量把自己产品的优势体现出来，而回避自己的弱势。同时对于选型负责人来说，也许其早就对某种工具有好感，或是跟某个厂家的关系不错，甚至有更进一步的交易。这样的情况，想客观一点不容易。

选型要点

　　其实，如果是选择这些主流的产品的话，大家知道一句话，“没有最好的，只有最合适的”。什么是最合适？抛开上面提到的幕后因素，其实也就是三点需要考虑——产品成本、开发人员对这个产品的熟悉程度、有没有类似案例。

　　首先看成本。NCR、IBM和Oracle的产品线完整，但却很贵。微软的产品便宜些，可如果数据量大，恐怕又不太敢用它，就更别谈那些不要钱的开源产品了。当然，成本不光是产品本身的价格决定的，后面人员学习、项目延期、客户满意度低都要作为成本考虑，这些隐型成本才是难以计算的。提到成本，就不能不提一下BI模型，因为BI产品中模型是最昂贵的一部分，在国内很大一部分企业采用的自主开发的方式，采用这种方式可以避免高额的费用，但却无法学习到国外先进的商业经验。

　　再看人员的经验。人的学习曲线是不可避免的，不要妄想人们接触一个新产品就能立马成为高手，能够基于陌生的产品做出良好架构。这方面，显然Oracle和微软有优势，因为在这两家产品上有经验的人多，好找。当然，如果你们原来的业务系统用的就是这几家产品之一，不妨仍然用它。
　　
其次案例比白皮书更重要。如今很多BI厂商可以提供全方位解决方案，提供一站式服务。像IBM、Oracle、SAS都称自己是这样的全方案提供商，也就是说它们的产品线已经包含了数据库、OLAP、ETL等各类工具。直接选用它们，就不用再为工具选型烦恼了，但企业有时由于各方面的原因，决定不使用一家产品时，要考虑他们之间是否兼容。但如果你要是从产品的白皮书里去寻找此类信息，会发现说得很美，互相之间会如何完美地“无缝”兼容，但实际上却不是那么回事。因此，不要去看这些文字的东西，要去寻找同行业类似的案例，如果同行业没有，就去寻找数据量类似、业务复杂度类似以及相似应用的其他行业案例。