商业分析和商业智能非常相似，很多业内专家都容易混淆，但了解这两者的应用和最佳做法至关重要，以从数据中获得最佳见解。
企业在收集大量数据，他们管理和分析这些数据的方式将决定能否取得成功。掌握数据意味着了解业务分析(BA)与业务智能(BI)之间的差异、它们之间的交互方式以及最佳做法。
商业智能及其应用
商业智能是技术驱动流程，用于分析数据以及向企业呈现可操作的信息。商业智能可以帮助你了解企业的现状、哪些事件导致这种情况以及你所处的位置。
项目管理工具供应商BigBrain at Monday.com公司工程总监Boaz Jan表示：“商业智能旨在通过不同的数据流程总结预定义的历史数据和当前数据点。BI主要用于生成有关业务(每个国家的收入)或产品指标的详细概述。”。
BI依靠数据和描述性分析来描绘你的当前状况。当市场分析师分析你最近的市场营销活动的结果时，他们就在执行BI流程。BI通过回顾来告诉你该活动有效的原因、不足之处以及背后的原因。
描述性分析会获取数据，并为管理人员和用户提供有关历史绩效的见解。带有描述性分析的报告通常可用于回答有关性能不佳的问题或解释成功的原因。
据Monday.com集团产品经理Shalev Barel称，商业智能的形式是在企业数据库运行的每个仪表板、自定义数据报告和数据查询流程。
当企业想更好地了解自己到目前为止所做的事情时，BI成为企业的必要组成部分。这就是商业智能和商业分析的不同之处。
商业分析及其在企业中的作用
BI和商业分析都依赖于相同的数据点以正常运行。你试图寻找见解是这两者的主要区分因素。描述性分析位于BI的底层，但预测性分析为BA提供支持。
Jan说：“BA更加注重为决策者提供可行的见解。BA不仅在BI流程中对历史数据点进行汇总，还尝试预测趋势。”
商业分析利用BI，并尝试提供见解来预测未来成功和失败。预测分析应该突出显示不同客户群之间的相关性，并指导未来的业务计划。当企业在规划未来时，应将转向预测分析而不是描述性分析。
商业分析的预测性气氛在所使用的工具中显示出来。商业分析中非常依赖数据挖掘、统计分析和预测建模，这意味着需要拥有强大的数据科学团队。
Barel说：“BI中使用的工具主要是简单的描述性统计信息-例如，电子商务转化率的移动平均值-BA可以在其中利用机器学习和其他复杂的统计模型。”
BI和BA的层级结构
商业智能和商业分析都依赖于相同的数据，并且都分析数据集以帮助提供见解，但是传统上，企业通常从商业智能开始，然后才利用商业分析。
Barel说：“BA高度依赖BI作为起点。BI可以指引并指导你应该在哪些领域花时间进行‘更深入’的工作，并分配BA资源以解锁有趣的预测并得出有意义的见解。”
这种传统方法需要大量的承诺和资源，更不用说费时。
劳动力分析和计划供应商Visier公司首席执行官兼联合创始人Ryan Wong说：“传统的方法是企业从对商业智能的大量投资中构建商业分析。他们雇用很多分析人员、数据管理人员、报告撰写人、数据科学家、开发人员和测试人员来建立BA。”
Wong说，企业可以避免现在构建BI基础架构，从而节省时间和金钱。现在技术已经发展到让企业可以根据需要直接进行业务分析的阶段。
工具
对于这两者都使用的工具而言，商业智能与商业分析的重叠依然存在。这两者的数据呈现包括Tableau、AWS QuickSight、Microsoft Power BI和Qlik等工具。
ERP服务提供商Syntax公司分析副总裁Craig Kelly说，这两者的区别在于转换和存储工具，而不是辅助数据表示的工具。
Kelly说：“对于BI而言，数据通常会转换为优化的架构结构，并传统上存储在数据仓库中以进行KPI报告。而商业分析将把数据存储在数据湖中，其中，来自多个源的数据的集中存储，使分析师和数据科学家更轻松地处理他们所需的数据。”
数据湖为企业提供了灵活性，可使他们使元数据保持未定义状态，并使分析师和科学家更容易挖掘数据或使其可用于机器学习。
Kelly说：“Azure和AWS都有很多工具，这些工具提供必要的基础架构来存储、转换和分析数据湖中的数据。”
