现在企业应用大数据和商业智能有这么几种情况：，我来为大家科普一下关于大数据与传统bi的区别在哪?以下内容希望对你有帮助!
大数据与传统bi的区别在哪
现在企业应用大数据和商业智能有这么几种情况：
大型互联网企业采用hadoop一类的大数据架构——数据仓库——自己研发的报表、OLAP分析等。或者前端选用成熟的商业智能报表和BI分析软件。
传统企业，小型的公司没有那么多的业务分析的需求，大多寻求excel、业务系统的简单报表功能或者专业的报表工具来解决问题；一般中大型企业数据量大时会构建数据仓库，用BI在前端分析展现。当然很多传统企业针对特定业务（比如用户画像、风控分析）采用大数据技术。
虽然，从技术上来讲，传统BI的功能都可以被对应的大数据组件所替代，但大多数企业缺乏大数据业务的驱动，也缺乏相关的高技术人才。
其次，企业数据分析意识范畴内可以利用的数据并没有达到向互联网行业那样的程度，更倾向于基于业务流程的数据管理。当然有的企业的数据量也是大的，很多企业采用SAP HANA，BI的分布式计算都是基于这个问题优化的方案。
总之，BI的那套会将长期存在，毕竟企业对BI方案还是很青睐，大数据的普及和应用也是个漫长的过程。
既然未来BI是个大方向，那做 BI，有哪些路线可以发展？
给出4个方向吧，走技术、走管理、走开发、转行
1、走技术方向：（按照技术路线进行划分）
ETL，这块是BI永恒的重点之一，需求也是一直持续，只是相对来说，ETL会比较枯燥。在这一块，掌握一两款顺应潮流的大工具，拥有相应年限的工作经历，行业性要求不太高，可以找到一个不错的岗位。DS、INFA、SSIS这些都是蛮有需求的。
数据仓库，主要指的数据仓库设计，架构设计等，一般来说LEVEL会比较高，薪水待遇也还行，属于偏高端人才了，一般都会要有5年、7年或更多年限的经验，对行业性经验要求比较高。
前端应用，SAP BO、COGNOS、BIEE等工具的熟练应用，可以做甲方内部顾问也可以做乙方项目顾问。从前端切入去接触到更多业务和需求，对提高自己的业务水平有好处。
数据挖掘数据分析方面，这块个人认为是最有前景的，数据分析师的需求一直在增加，但和BI的背景不是非常贴合，要学数据统计学知识，R、Python语言等，学的东西很多。
2、走管理路线
管团队管某块业务，做项目总监，而后上升到CIO之类的，偏向管理属性，对人的沟通交流尤其是与高层交流的水平较高，比较IT在企业大多属于业务支撑部门，很多事情很难推动，同时还要思考如何提升IT在企业的地位，这个你只要观察自己的部门领导怎么做的，慢慢摸索了。
3、走开发
第三方软件开发公司了，比如SAP之类的公司（有点难度），或者国内帆软等其他BI公司的软件开发了，难度是要有一定的程序开发基础，但是对业务的理解也能带来一些帮助。再或者是去一些创业公司带团队做BI产品，现在做前端可视化分析的公司有很多，虽然不完全类同于BI，但有很多共通之处。
4、转行
如何实在觉得做BI不适合，不喜欢，也可以考虑趁早转行（需谨慎），比如去做数据分析、去做互联网的产品经理、或者上述提到的开发。
总之，按照自己的职业兴趣和能力去选择吧！
,
