تفاوت بین هوش تجاری (BI) ، انبارداری داده و تجزیه و تحلیل داده ها چیست؟


پاسخ 1:

این سه اصطلاح به تجزیه و تحلیل داده ها اشاره دارد ، اما هرکدام جنبه های مختلفی را توصیف می کنند. هر دو روش ذخیره سازی داده ها و تجزیه و تحلیل داده ها می توانند به عنوان بخش یا مرحله هوش تجاری مورد بررسی قرار گیرند ، اگرچه BI و DA اغلب به صورت متقابل مورد استفاده قرار می گیرند.

بیایید تعاریف را یک به یک طی کنیم.

  1. انبار کردن داده ها - DW توسط ویکی پدیا به عنوان یک مخزن مرکزی برای داده های یکپارچه از یک یا چند منبع مختلف تعریف شده است. این اغلب به ETL (عصاره ، تبدیل ، بار) گفته می شود. سازمانهایی که مقادیر زیادی از داده ها را از منابع مختلف به دست می آورند ممکن است نیاز به ایجاد یک انبار داده برای انجام کلی تجزیه و تحلیل داده ها داشته باشند - مانند CRM ، ERP و داده های عملیاتی اکسل که قبل از پرس و جو باید جمع شوند ، پاکسازی شوند و فهرست بندی شوند. می تواند برخی از ابزارهای نرم افزاری به طور خاص برای اهداف انبار کردن داده ها در دسترس هستند و عموماً عملکردهای کمی و یا هیچ کاربردی اضافی در رابطه با تجزیه و تحلیل و تجسم ارائه می دهند. تجزیه و تحلیل داده ها - مجدداً توجه داشته باشید که این اصطلاح غالباً با تعامل با هوش "كسب و كار" (كه در ادامه آنها را پوشش خواهیم داد) استفاده می شود ، اما می توانید بین این دو تفاوت قائل شوید: به طور كلی می توانیم داده ها را از یك یا چند منبع دیگر پردازش كنیم. با استفاده از ابزارهای آماری و ریاضی برای به دست آوردن بینش تعریف کنید ، به عنوان مثال ، می توان از ابزار تجزیه و تحلیل داده ها برای شناسایی روند سوابق تجاری شرکت استفاده کرد (برای یک مورد استفاده ساده - یافتن ارتباط بین تلاشهای بازاریابی خاص و افزایش فروش) - مجموعه ای از ابزارها و روشهایی را توصیف می کند که از داده های خام استفاده می کنند و آنرا به فرم هایی تبدیل می کنند که شرکت ها می توانند از آنها برای بینش های عملی و بهبود فرآیندهای تجاری استفاده کنند ، معمولاً از جمله تهیه داده ها (ادغام منابع مختلف و غیره) ، تجزیه و تحلیل داده ها و تجسم داده ها. با این حال ، عملکرد ابزارهای BI بسیار متفاوت است ، و در حالی که راه حل های کامل پشته هدف ارائه هر سه عملکرد است ، بسیاری از ابزارهای BI فقط تجزیه و تحلیل و تجسم (اغلب محدود) را ارائه می دهند. به همین دلیل ، بسیاری از ابزارهای BI به یک انبار داده نیاز دارند تا بتواند با داده های بدون ساختار کار کند ، زیرا خود ابزارها فقط برای تهیه داده ها عملکردهای بسیار محدودی دارند. با این حال ، برخی از نرم افزارهای جامع تجزیه و تحلیل هوش تجاری و داشبورد مانند Sisense (افشای کامل - من در آنجا کار می کنم) می توانند یک راه حل پایان به پایان را به کاربران نهایی ارائه دهند که نیازی به سرمایه گذاری اضافی در انبار کردن داده ها نداشته باشد.

به طور خلاصه ، هوش تجاری یک اصطلاح گسترده است که می تواند با استفاده از آنالوگ با داده ها قابل تعویض باشد یا فرآیندی را توصیف می کند که شامل تهیه داده ، تجزیه و تحلیل و تجسم داده ها است. انبار کردن داده ها ابزارهایی را توصیف می کند که فقط مراحل اولیه را شامل می شوند: ادغام منابع داده های مختلف ، تمیز کردن داده ها و آماده سازی برای تجزیه و تحلیل.

امیدوارم این کمک کند!


پاسخ 2:
  1. انبار کردن داده - DW توسط ویکی پدیا به عنوان یک مخزن اصلی برای داده های یکپارچه از یک یا چند منبع مختلف تعریف شده است (http: //en.wikipedia.org/wiki/Dat ...). این اغلب به ETL (عصاره ، تبدیل ، بار) گفته می شود. سازمانهایی که مقادیر زیادی از داده ها را از منابع مختلف به دست می آورند ممکن است نیاز به ایجاد یک انبار داده برای انجام کلی تجزیه و تحلیل داده ها داشته باشند - مانند CRM ، ERP و داده های عملیاتی اکسل که قبل از پرس و جو باید جمع شوند ، پاکسازی شوند و فهرست بندی شوند. می تواند برخی از ابزارهای نرم افزاری به طور خاص برای اهداف انبار کردن داده ها در دسترس هستند و عموماً عملکردهای کمی و یا هیچ کاربردی اضافی در رابطه با تجزیه و تحلیل و تجسم ارائه می دهند. تجزیه و تحلیل داده ها - مجدداً توجه داشته باشید که این اصطلاح غالباً با تعامل با هوش "كسب و كار" (كه در ادامه آنها را پوشش خواهیم داد) استفاده می شود ، اما می توانید بین این دو تفاوت قائل شوید: به طور كلی می توانیم داده ها را از یك یا چند منبع دیگر پردازش كنیم. با استفاده از ابزارهای آماری و ریاضی برای به دست آوردن بینش تعریف کنید ، به عنوان مثال ، می توان از ابزار تجزیه و تحلیل داده ها برای شناسایی روند سوابق تجاری شرکت استفاده کرد (برای یک مورد استفاده ساده - یافتن ارتباط بین تلاشهای بازاریابی خاص و افزایش فروش) - مجموعه ای از ابزارها و روشهایی را توصیف می کند که از داده های خام استفاده می کنند و آنرا به فرم هایی تبدیل می کنند که شرکت ها می توانند از آنها برای بینش های عملی و بهبود فرآیندهای تجاری استفاده کنند ، معمولاً از جمله تهیه داده ها (ادغام منابع مختلف و غیره) ، تجزیه و تحلیل داده ها و تجسم داده ها. با این حال ، عملکرد ابزارهای BI بسیار متفاوت است ، و در حالی که راه حل های کامل پشته هدف ارائه هر سه عملکرد است ، بسیاری از ابزارهای BI فقط تجزیه و تحلیل و تجسم (اغلب محدود) را ارائه می دهند. به همین دلیل ، بسیاری از ابزارهای BI به یک انبار داده نیاز دارند تا بتواند با داده های بدون ساختار کار کند ، زیرا خود ابزارها فقط برای تهیه داده ها عملکردهای بسیار محدودی دارند. با این حال ، برخی از نرم افزارهای جامع تجزیه و تحلیل هوش تجاری و داشبورد مانند Sisense (افشای کامل - من در آنجا کار می کنم) می توانند یک راه حل پایان به پایان را به کاربران نهایی ارائه دهند که نیازی به سرمایه گذاری اضافی در انبار کردن داده ها نداشته باشد.

پاسخ 3:

با تشکر از A2A ...

پاسخ از: دیکشنری داده و تحلیلی

هوش تجاری

تعریف ایزو وجود ندارد ، اما من از این اصطلاح به عنوان یک اصطلاح جمعی برای توصیف تبدیل داده های خام به اطلاعاتی استفاده می شود که می تواند برای کمک به تصمیم گیری به افراد تجاری منتقل شود.

همچنین ببینید: مقاله اصلی بخش 1.

انبار داده

بانک اطلاعاتی که شامل داده هایی از منابع مختلف در یک قالب مشترک است که امکان مقایسه سیب و پرتقال را فراهم می کند. یک انبار معمولی یک ساختمان بزرگ است که می تواند چیزهای زیادی را در خود جای دهد ، اما دارای یک سیستم نمایه سازی است که پیدا کردن و دستیابی آن را آسان می کند. یک انبار داده در واقع همان مفهوم است. انبارهای داده خوب دارای معنای تجاری هستند که به معنای "مارک" است. انبارهای داده معمولاً از یک الگوی چند بعدی (مربوط به OLAP) پیروی می کنند که در آن داده ها در واقع جداول هستند (جداول که شامل اعدادی مانند فروش یا هزینه) و ابعاد (عناصری هستند که حقایق برای آنها نمایش داده می شود ، به عنوان مثال منطقه ، دفتر یا هفته). ،

همچنین ببینید: استفاده از ابزارهای اطلاعاتی چندگانه تجاری در یک اجرای - قسمت اول و قسمت دوم

تحلیلی

اطلاعاتی را از داده هایی بدست آورید که عموماً فراتر از هدفی است که در ابتدا داده ها جمع آوری شده است ، بر خلاف اطلاعاتی که به معنی داده ها مربوط می شوند (یعنی دلیل جمع آوری آنها). تکنیک های آماری پیشرفته (رگرسیون لجستیک ، رگرسیون چند متغیره ، تجزیه و تحلیل سری های زمانی و غیره) اغلب در آنالیزها برای استخراج معنی از داده ها استفاده می شوند.

گارتنر به چهار نوع تجزیه و تحلیل مربوط می شود: تجزیه و تحلیل توصیفی ، تشخیصی ، پیش بینی کننده و تجویز. در مقاله ای به این موضوع اشاره کردم:

  1. چه اتفاقی افتاده است؟ چرا این اتفاق افتاد چه اتفاقی خواهد افتاد؟ چه باید بکنیم

یک بخش تجزیه و تحلیل ، به همراه یک بخش مدیریت داده ، می تواند بخشی از یک عملکرد داده گسترده تر باشد که بعضی مواقع به CDO گزارش می دهد. از طرف دیگر ، ممکن است مستقل تر باشد و توسط یک رئیس ارشد تحلیلی (CAO) هدایت شود.

همچنین ببینید: مصاحبه مفصل با آلن انگگلارت در مورد Analytics


پاسخ 4:

Intelligence Business (BI) فرایندی برای تجزیه و تحلیل داده ها و به دست آوردن دانش برای کمک به شرکت ها در تصمیم گیری است. این می تواند مترادف با تجزیه و تحلیل داده ها برای داده های تجاری باشد - در یک فرایند مؤثر BI ، تحلیلگران و دانشمندان داده ها فرضیه های معناداری را کشف می کنند و می توانند بر اساس داده های موجود به آنها پاسخ دهند.

یک انبار داده ، داده های ساختاری شده از یک سازمان را جمع می کند. این داده ها را از چندین منبع جمع می کند ، داده ها را برای مقایسه و تحلیل کارآمد انتخاب ، سازماندهی و جمع می کند:

BI و انبار کردن داده ها: آیا شما هنوز به انبار داده نیاز دارید؟


پاسخ 5:

Intelligence Business (BI) فرایندی برای تجزیه و تحلیل داده ها و به دست آوردن دانش برای کمک به شرکت ها در تصمیم گیری است. این می تواند مترادف با تجزیه و تحلیل داده ها برای داده های تجاری باشد - در یک فرایند مؤثر BI ، تحلیلگران و دانشمندان داده ها فرضیه های معناداری را کشف می کنند و می توانند بر اساس داده های موجود به آنها پاسخ دهند.

یک انبار داده ، داده های ساختاری شده از یک سازمان را جمع می کند. این داده ها را از چندین منبع جمع می کند ، داده ها را برای مقایسه و تحلیل کارآمد انتخاب ، سازماندهی و جمع می کند:

BI و انبار کردن داده ها: آیا شما هنوز به انبار داده نیاز دارید؟


پاسخ 6:

Intelligence Business (BI) فرایندی برای تجزیه و تحلیل داده ها و به دست آوردن دانش برای کمک به شرکت ها در تصمیم گیری است. این می تواند مترادف با تجزیه و تحلیل داده ها برای داده های تجاری باشد - در یک فرایند مؤثر BI ، تحلیلگران و دانشمندان داده ها فرضیه های معناداری را کشف می کنند و می توانند بر اساس داده های موجود به آنها پاسخ دهند.

یک انبار داده ، داده های ساختاری شده از یک سازمان را جمع می کند. این داده ها را از چندین منبع جمع می کند ، داده ها را برای مقایسه و تحلیل کارآمد انتخاب ، سازماندهی و جمع می کند:

BI و انبار کردن داده ها: آیا شما هنوز به انبار داده نیاز دارید؟