数据分析可视化工具面临业务技术双挑战（上）

amywu

随着大数据、商业智能、移动互联网等概念在国内被炒得沸沸扬扬，加上“人人都是分析师”这种自助式的概念传开后，人们对数据分析可视化工具的要求越来越多，甚至希望在技术上，BI产品可以增添智能属性和大数据属性。可以说，当下的数据分析可视化工具很火热，但同时也面临越来越多的挑战，随着BI产品在企业间的普及，其自助性和智能性等多方面都需要随之更新，以适应这个快速的市场变化。 数据可视化工具 　　关于数据分析可视化工具需要更新技术的言论出自国外。10月初，世界领先的研究公司Forrester发布了2017年第3季度商业智能报告，商业智能技术再一次被推上风口浪尖。报告指出，未来的商业智能将朝着快速、通用、自助和易操作的方向发展。老一代商业智能(BI)应用成本太高，开发和部署时间过长。在接下来的两到五年内，只有能快速响应客户需求、具有商业洞察力的企业，才能成功并生存下来。 　　与此同时，在国内，随着投资热带来的一波2B产业潮， 各类自助型的BI产品层出不穷。互联网+、人工智能、大数据概念被炒得飞起，BI在技术上也逐渐被要求赋予智能和大数据的属性。关于商业智能和大数据的争议再被推上台面。 　　在这些争议中有人不少认为部署BI是大势所趋，在数据量足够大的情况下，我们当然希望BI能带来大数据般的处理效率和挖掘效果;但一方面又深知与国外形势的不同，国内企业的底层基础较弱，信息技术和数据都还未跟上，大数据or商业智能，还得静观其变。 　　也有人持反对意见，认为大数据还没有这么神奇，大数据的鼓吹更多是因为政策影响，IT项目要与大数据相关才高大上，才能被批准。面对大数据，我们需要反思这样几个问题。我们已经有了那么大的数据量了吗？我们有那么多的非结构化的数据要处理吗？我们有成熟的业务算法来满足业务需求吗？ 　　这些关于商业智能和大数据的争议都值得我们反思和研究。唯有解决这些问题，才能更好地制造出适合国内企业的数据分析可视化工具。大数据与商业智能是相辅相成的，大数据技术甚至可以为商业智能提供土壤，让应用场景多元化。下一篇将为大家详细讲解大数据与商业智能的新关系，如何帮助BI产品攻破业务与技术的双挑战。

lyzjf2008

数据分析可视化工具面临业务技术双挑战