商業智慧的資料來源一般會由企業內的ERP、CRM系統提供的結構化資料；而大數據會包含電子商務或感應器、影像、聲音等等所產生的非結構化資料。
商業智慧BI (Business Intelligence) ，是一種解決方案。通常是把各種資料透過整合處理、分析趨勢、優缺點等資訊，以文字且圖表的方式呈現在可以互動的介面上。可以幫助企業跟相關工作者，找到機會點作為參考，做出正確、有智慧的決策。
大數據 (Big Data) ，簡單來說就是這些數據資料的增量版。巨量資料抽取有趣洞察資訊，沒有明確定義要多「大」才是大數據，如果資料集大到一個正常尺寸電腦無法存放，就可能可以說是大數據。
不論定義為何，大數據與傳統BI是社會發展後不同階段的產物，
我們可以透過以下幾個角度來看出兩者區別：
一、數據來源不同
大數據應用的數據來源，除了非結構化的數據，還有各種系統數據、資料庫數據。其中非結構化數據主要集中在網路、社交網站上、機器設備的數據，都構成大數據應用的數據來源。對於大數據的分析工具，現階段也是對於非結構化的數據分析的比較多。
BI系統則是在數據整合方面的技術比較成熟，從數據的提取、各種數據挖掘的要求，數據整合平台讓企業更清楚數據的流通與交互使用，企業內部在實施BI應用上能進行更良好的分享與使用。
二、思維方式角度
大數據其實有從BI 延伸。BI 與大數據差別在於，BI 更重視決策，對於事實描述更多考量「整體性」，像是如何幫助決策、掌握趨勢、商業經營指標….這類的問題。
大數據則是強調更廣、客製化、更多的個人決策。
三、發展方向
BI不只是一個IT項目，他對於企業來說是一種管理和思維的方式，從技術部署、業務流程、公司規劃，他帶來全新的發展，轉換傳統的商業智慧模式。
大數據來則是更多的關注在「非結構化數據」，運用不同的數據分析工具、加大應用範圍，如何應用在各產業、帶來更深層的結合才是大數據的應用目標。
四、工具
傳統BI 使用ETL、數據倉儲、線上分析(OLAP)、圖像報表技術，偏向應用、展示的技術。但目前都處於被市場淘汰的邊緣，因為解決不了海量數據的處理問題。
大數據應用則是一個完整的技術系統，包含Hadoop、流處理…等技術，來解決海量的數據ETL問題，可以運用Hadoop、MPP等技術來計算；用redis、HBASE等方式解決高效讀的問題；用Impala等技術處理在線分析問題。
五、人員角度
傳統BI 只要掌握好核心的SQL技術就可從事BI的工作，但大數據的數據處理，要牽扯太多新技術，不同應用場景也需要不同的處理方法，而且不再有人機互動這樣的庫戶端。
人員要懂流處理、HADOOP、列式或分布式鍵值資料庫，還需要在SPARK上開發算法程序，對於用戶畫像、產品標籤化、推薦系統、排序算法都應有基本理解。
因此，大數據之於傳統BI，不是簡單的加乘關係，它涉及觀念、工具和人員的變革，想應徵相關的BI職位？可以趁著這波潮流，提升自己的技能，就有機會成為未來人才。
緯育TibaMe已經有10萬人次來學習AI/資料科學知識或技術，若你想進一步了解或學習 AI / 資料科學的相關知識或技能，歡迎來TibaMe 👉 https://www.tibame.com/eventpage/ai_datascientist
下篇開始將為大家整理及說明資料科學和AI基礎唷！
每週4則，每日5分鐘， 提拔我園丁 陪你快速添補AI/資料科學知識與技能。
若你想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或你有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料