建立数据模型，快速建立数据报表，协助业务分析。即使是过渡到如今新型 BI
的应用，很多企业也仍就是这么来做，只不过新工具的使用效率更高，分析更轻
便。但是，渐渐地我们发现，很多企业如银行业、零售业、互联网电商等以消费
者为主的行业，业务部门开始参与数据分析并逐渐接手全盘工作，他们有分析的
强烈需求，有向 IT 同事寻求分析工具的需求，很多公司甚至都设立了数据分析
部门或团队，这样一种以业务为驱动的趋势已经形成并蔓延，自助式的 BI 工具
更多成了人手一个的“标配”。

移动端分析成新趋势，应用也讲究个性
BI 的作用一方面是协助业务分析，另一方面提供管理者及时有效的数据支

撑，降低决策难度。伴随移动 OA，移动 CRM 的出现和流行，移动端的数据分析
也逐渐成为新趋势。据调研，67%的 CIO 以业务领导表示移动 BI 是一个不错的方
式并有意愿尝试。领导需要一个简单的入口，能够看到部门的关键维度汇总分析，
甚至对重要数据实时监控并消息推送，找出原因及导致结果的一系列相关因素，
以便在最佳时间做出快判断。这往往要求工具查询统计速度更快，响应更及时，
BI 在技术上迎合了这一点。

BI 对数据化管理存在一个反向推动作用
对于众多企业尤其是中小企业，通过基本的分析工具可以完成日常的数据分

析工作。但很多应用了 BI 系统的企业表示，由于 BI 分析对结果的响应更快，我
们发现分析过程中出现的结果偏差往往在于在于数据缺陷、偏差等质量，这是过
去所忽略的，背后更是反映了数据规范和管理问题。有这样一个有趣的例子，某
企业的销售部门在对某一地区的会员消费进行分析，发现 A 地区的会员消费率相
当得高，是某省会城市的 2 倍，但会员数量却是该城市的 60%（左右），并且这
一现象还存在一个上升趋势。后深入调查发现，由于会员消费模式刚推行，一线
人员的管理存在漏洞，导致了大量的代刷以及会员价代购现象。某企业 IT 管理
者也曾表示，对于一个认同数据化管理并希望长期致力于这一块发展的企业来
讲，BI 的应用可以推进企业数据架构的治理和数据质量的梳理工作。很多应用
BI 或者认同数据化管理的企业也意识到，即使数据展示再有条理再美观，如果
数据有缺陷，质量度不高，没有全面的数据集成和质量保障举措，BI 的实施都
不可能成功。