BI 和 AI 都有 I，是一回事嗎？

BI 和 AI 雖然長得挺像，但實際卻沒什麼關係，完全不是一回事。

BI 的主要工作是查詢統計，根據企業生產經營過程中產生的資料按照業務部門的查詢需求進行統計分析，比如查詢 2019 年各地區銷售情況，今年和去年的銷售額同期比，資產負債表等。

BI 主要是由資料倉儲技術、報表技術、多維分析技術以及相當一部分視覺化技術組成和實現的，其中資料倉儲承擔了大部分的計算工作，而資料庫體系內並不涉及過於複雜的數學運算，因而在 BI 中的計算也很簡單，對數學的要求也不高。

那 BI 到底智慧在哪呢？

BI 的 I（Intelligence）主要表現在兩個方面：
1.DashBoard
DashBoard（BI 儀表盤）可以將多項關鍵統計結果呈現在一個看板中，這樣使用者就可以快速的獲取關心的各項資料，從而進行企業經營決策。DashBoard 這樣“智慧”的組織形式的確可以幫助使用者，但這個特性是由其視覺化能力帶來的，本質還是業務可預見的查詢統計。

2. 資料鑽取
在 BI 系統中，當使用者查詢的某項彙總指標出現異常，或者不僅關心彙總結果還關心明細資料時，就會使用鑽取來進行資料探查。實現彙總表（圖）時在彙總結果上預置超連結，點選時將彙總值對應的維度傳遞給下級圖表，直至最終的明細資料。這樣我們就可以“智慧”地從不同粒度來觀察資料。雖然這仍然是查詢統計的範疇，但已經具備一定的智慧特點了，雖然很有限。

BI 的查詢統計都是有明確需求驅動的，查詢 / 鑽取的結果也都是業務可理解的。換句話說，使用 BI 前要查什麼使用者是明確的，只是資料還不知道，那麼就要有個系統來提供資料支援，不管查出來的資料長什麼樣（圖 / 表 /DashBoard）使用者關心的是自己“想看”的資料。所以我們說 BI 中 I（智慧）的程度是有限的，甚至可以說並不很 I（智慧）。

AI
AI 就完全不同了，相比 BI 對已知事物的查詢，AI 要做的是對未知事物的探索，是預測。我們要透過 AI 尋找以往沒有發現的事物之間的規律，相對 BI 來說 AI 就要 I（智慧）得多得多了。AI 在實現過程中會應用大量高深的數學、統計學知識，分類、聚類、離群點分析等等這些演算法是 AI 的核心，至於結果如何呈現倒是沒那麼重要（反正也不難）。如果不具備相應的統計學基礎，沒有實現、使用、最佳化這些複雜演算法的能力，AI 是做不好的。

我們有時會聽到 BI 產品宣傳自己有 AI 的能力，通常會覺得高大上。不過細心一點會發現，這些基本都是噱頭。主要因為現在 AI 比較熱，又有很多開源包，這樣把一些開源包整合到自己的產品裡就可以宣稱自己支援 AI 了，BI+AI 看起來似乎很美好。

不過，我們剛剛也討論過，如果不具備相應的能力（統計學知識、演算法）是搞不好 AI 的，可能訓練出來的結果與真實情況相差十萬八千里，如果根據這樣的訓練結果去做決策，風險可想而知。

當然，如果企業具備了相應條件（業務的迫切需要、資料的積累、資料質量的控制、人力財力、人員配置）嘗試 AI 也無可厚非，但一定要集中精力去做，妄圖在 BI 中捎帶著實現 AI 的想法都是耍流氓。

如果有興趣瞭解更多 BI 和 AI 的內容，可以參考下面這兩門免費課程：

《商業智慧》

《資料探勘》