什麼是商業智慧？

商業智慧 (BI) 是指一套程序和技術，可從資料存取、分析和開發可行的洞察，進而做出商業決策。通常，BI 工具會在便捷易用的儀表板，以及以資料視覺化效果呈現資訊，其中包含圖形和圖表關鍵指標。透過商業智慧工具，決策者可以檢視報告並從資料中獲取特定商業洞察，而無需要求分析師產生報告。傳統上，商業智慧一直專注於歷史和目前商業活動的描述性和診斷性報告。現代商業智慧可以結合即時預測分析、AI 輔助查詢和案例規劃等技術。

透過商業智慧，您將能夠根據資料了解您的業務營運、人員配置、客戶以及更廣泛的市場趨勢。如果您可以收集資料，就能利用 BI 對該資料執行商業分析。

加快資料驅動型決策

BI 可為複雜的商業問題提供資料導向解答。BI 能夠快速從業務資料中獲取答案，從而讓組織能夠更快、更有信心地做出決策。而這也可以為您的業務策略帶來競爭優勢。例如，如果能夠看到近乎即時的供應鏈各組成部分的成本，從而得出產品的總成本，那麼公司就可以動態地調整銷售價格。

改善可存取性

BI 以根據多個資料來源和資料倉儲的易於理解的儀表板、視覺效果或報告呈現，可讓企業使用者執行各種任務，例如分析公司績效、探索趨勢，以及判斷效能不被接受的領域。在現代商業智慧工具普及之前，企業使用者會要求分析師產生靜態報告。然後，分析師會結構化在傳統關聯式資料庫上執行的查詢，並報告資料結果。

提高營收，降低成本

將正確的資料輸入商業智慧工具，並結合相應的查詢，則可提高整個組織的營收並降低成本。例如，發現新產品線表現不佳可能意味著需要增加行銷投入、重新構想產品，或將產品撤出市場。

提高客戶智慧

透過檢查客戶行為資料點並分析其模式，您可以改善客戶服務和產品供應。例如，您可以查詢客戶資料，以判斷社交媒體貼文是否會帶來問詢、銷售或其他互動。

適用於商業智慧的人工智慧 (AI) 和機器學習 (ML) 會使用演算法和深度學習技術，來分析巨量資料並探索資料中的隱藏模式。

利用 ML，資料科學家和業務分析師能夠對資料進行比傳統商業智慧技術更進階的分析。這樣一來，可協助加速業務決策程序，並這可以幫助加快業務流程中的決策，並發現更多洞察。

AI 在 BI 中的優勢

AI 在 BI 中的優勢包括：

●      增強的 BI 功能：AI 提供了更好的能力來識別資料內的關聯、細微差別、異常值和隱藏趨勢

●      更明智的決策制定：AI 驅動 BI 的預測功能可讓使用者更輕鬆地識別趨勢並做出更明智的決策

●      主動決策：AI 可以快速突出顯示目前資料中包含的趨勢，使分析師能夠及早識別這些趨勢並做出即時主動決策

●      智慧調適型 BI：自我學習型 AI 可以改善 BI 效能，這要歸功於 AI 能夠融合新資訊，進而取得更優質的洞察

●      更好的洞察：啟用 AI 的 BI 解決方案可協助使用者更好地識別隱藏的趨勢，並提供使用舊版 BI 工具時不那麼明顯的新洞察

BI 中的自然語言處理

現代 BI 解決方案中的關鍵 ML 技術是自然語言處理 (NLP)。藉助這項技術，人工智慧驅動的商業智慧可以整合來自呼叫中心文件、電子郵件和轉錄的情感和資訊方面的洞察。自然語言查詢 (NLQ) 是 NLP 的一種特定應用。藉助 NLQ，BI 使用者可以運用自然語言探索資料，無需分析師建立自訂儀表板或報告。

商業智慧管道分為四個階段。

1.資料擷取

業務資料來源廣泛，包括 SaaS 應用程式、資料庫、檔案、電子郵件和串流資料。擷取這些資料是 BI 管道中的第一階段。資料可分批擷取，也可按時間或大小分塊處理，還可以串流形式取用。

原始資料可以按原狀直接匯入，無需處理即可立即儲存。這就是擷取、載入、轉換 (ELT) 管道。另一種選項是先轉換原始資料，然後再進行儲存。此選項稱為擷取、轉換、載入 (ETL)，且涉及在儲存資料之前，進行資料準備、重組和清理等過程。

2.資料儲存與建模

BI 解決方案的基礎資料儲存技術取決於您的 ELT/ETL 選擇以及您是否將結構化和非結構化資料一起儲存。例如，擷取並轉換為標準化格式的資料可以儲存在資料倉儲中。資料倉儲 (例如 Amazon Redshift) 包含多個資料庫。使用 ELT 管道擷取的資料通常儲存在資料湖中，儘管現代資料倉儲也支援 ETL。資料湖倉則是資料倉儲和資料湖的結合，因而成為了一體化的儲存解決方案。

資料建模有助於提升商業智慧系統效能。例如，使用星型結構描述建模資料可以縮短查詢時間，而使用雪花型結構描述建模資料則可以減少儲存空間，具體取決於工作負載和基礎結構。

資料型錄為整個組織的資訊編制了索引，因此，使用者可以找到現有的相關資料並將其包含在查詢中。

3.分析與查詢

資料倉儲支援原生 SQL 查詢，但資料湖和湖倉通常需要在頂部設立單獨的查詢引擎。例如，您可以將 Amazon S3 儲存與 Amazon Athena 查詢服務配對。

除了 SQL 查詢之外，您還需要 BI 軟體來執行進階查詢和報告。一種常見的模式是預先建置的報告，其中包含固定資訊。例如，您可能會收到某個部門的每週銷售報告。這些報告通常由業務分析師預先設定。資料探勘等其他進階分析技術，使用了統計資料、資料科學和機器學習等領域的方法。

現代自助 BI 解決方案可讓企業使用者檢視報告，而無需等待分析師執行資料分析。分析師可以根據使用者群組設定儀表板，以顯示相應的業務資訊。在其他解決方案中，企業使用者可以在軟體內建立查詢來存取報告，而無需分析師的任何干預。現代 BI 解決方案融合了自然語言查詢 (NLQ) 和機器學習技術，因此無需任何特定技術技能亦可分析資料。

4.視覺化與交付

BI 管道的第四階段是向最終使用者展示查詢結果。您通常可存取可設定的儀表板、計分卡和報告以進行列印。在某些情況下，BI 工具會嵌入現有軟體中，可以顯示應用程式內報告，例如在工具提示或側面板中。

您可以將 BI 設定為輸出警示、電子郵件、通知和其他推送動作，以進行報告。觸發事件時、依照排程執行時、資料超過閾值時，或是大型分析完成後，即會發生這些推送式事件。

視乎解決方案的不同，BI 可以分析歷史資料，確定異常原因，預測未來事件，並根據預測結果提出建議。

商業智慧包含四種主要類型，並且通常一個解決方案可融合所有類型：

描述性 BI

通常，BI 報告和儀表板的結構是為了提供歷史績效的業務洞察，包括目前的結果。描述性 BI 向使用者展示發生了什麼，並且可包含儀表板元件，例如關鍵績效指標 (KPI) 和摘要表。

診斷性 BI

診斷性 BI 在描述性 BI 的基礎上增加了一層，可分析資料異常的根本原因。診斷性 BI 解決方案包括用於深入研究資料的工具。

預測性 BI

能夠預測企業接下來的發展趨勢至關重要。預測性 BI 迴歸、分類和時間序列預測以及 ML 建模，以預測未來結果。

規範性 BI

規範性 BI 可協助您決定如何處理預測結果。這種 BI 類型涉及案例建模和最佳化建議等技術。

AWS 提供一系列服務，能協助您建立和完善商業智慧管道，範圍涵蓋從資料擷取到視覺化工具。以下是一些有助您開啟 BI 之旅的服務：

Amazon Redshift 是一種雲端資料倉儲，可為分析與代理式 AI 提供無可比擬價格效能比。Redshift 可對您 Amazon SageMaker 湖倉內的統一資料執行 SQL 分析。零 ETL 資料整合可透過連接串流服務、營運資料庫和第三方企業應用程式的資料，實現近乎即時的分析，而無需複雜的資料管道。

Amazon QuickSight 在 Quick 中提供 AI 驅動的 BI 功能和儀表板，可將您分散的資料轉化為人人可用的策略性洞察，讓您能更快地做出決策並實現更佳的業務成果。利用 Amazon QuickSight，您將能透過情境分析功能，以自然語言執行進階資料分析，並在逐步指導下回答「假設性」問題。

Amazon SageMaker Canvas 可讓您使用視覺化介面建置高度準確的 ML 模型，進而將 ML 新增至 BI 管道，無需使用程式碼。利用 SageMaker Canvas，您將能夠轉換 PB 級資料，而且無需編寫程式碼即可建置、評估和部署生產就緒型機器學習 (ML) 模型。

AWS Glue 可協助您探索、準備和整合所有資料。您可以發現並連線到超過 100 個不同的資料來源，在集中式資料型錄中管理您的資料，並且以視覺方式建立、執行與監控資料管道，將資料載入到您的資料湖、資料倉儲和湖倉。

立即建立免費帳戶，開始使用 AWS 上的商業智慧。