数据和分析领域非常广阔。 当人们问我专业做什么时，我告诉他们我从事数字分析工作，除非他们在该领域，否则他们不知道这意味着什么。 有些人为零售店、物流、股票市场等做分析工作。现在似乎每个人都在做一些分析。 即使是网站/移动应用领域的人，有时也很难解释营销分析和产品分析之间的区别。

但多年来最令人困惑的领域之一是理解数字分析和商业智能之间的区别。 我参加过许多对话，组织告诉我他们不需要数字分析产品，因为他们有商业智能产品，反之亦然。 所以在这篇文章中，我将解释我如何描述这两个学科在对话中的区别。

数字分析

大多数关注我博客文章的人应该熟悉数字分析。 我将数字分析定义为对数字用户行为数据的收集和分析，以使用该数据来改进或优化数字属性和体验。 数字分析产品跟踪客户在使用网站或移动应用程序时采取的数字操作（事件）、活动、内容、用户路径流和其他行为。 该领域的典型供应商包括 Google Analytics、Adobe Analytics、Amplitude 等。过去，我曾写过我相信许多不同类型的数字分析产品将如何在未来几年融合的文章。

商业智能

商业智能产品在组织中变得非常流行，您很难找到没有商业智能产品的组织。 商业智能产品提供对组织至关重要的 KPI 的高级摘要。 通常，商业智能产品采用与高管共享的高级仪表板的形式。 商业智能仪表板通常结合来自数字分析、CRM、实体店、内部数据仓库等的数据。商业智能领域的热门供应商包括 Tableau、Power BI、Looker 和 Domo。

数字分析与商业智能

因此，通过一些基本定义，让我们深入了解数字分析和商业智能产品的不同之处。

数据源和跨平台指标

商业智能产品通常包含来自许多不同来源的数据。 我喜欢将其视为来自多个数据系统的数据的“最大热门”。 虽然毫无疑问可以将任何类型的数据流式传输到数字分析产品中，但大多数组织将数据限制在网站和移动应用程序中。 但随着世界变得更加数字化，我们看到越来越多的客户从商店、呼叫中心甚至实体产品发送数字分析产品，例如 Amplitude 数据。

商业智能产品的主要卖点之一是它们可以将来自不同平台的指标组合在一起，而这在一个独立平台中是具有挑战性的。 例如，假设数字分析平台报告一个组织在 5 月 3 日有 1,000,000 名唯一访问者。CRM 系统显示同一天创建了 20,000 个营销合格线索 (MQL)。 该组织可以使用商业智能产品来划分这两个指标，以创建一个名为 MQL/Unique Visitor 的全新 KPI。 虽然可能没有一种简单的方法将这些唯一访问者与销售 MQL 联系起来，但在高层次上，可以查看趋势并查看两者之间是否存在关系。 虽然该组织可以将 MQL 数据导入其数字分析产品，但大多数人会选择在商业智能产品中进行。

在过去，这类工作会在 Microsoft Excel（OG BI 工具！）中完成，但 Excel 在数据导入和数据库功能方面存在限制。 我将商业智能产品视为类固醇上的 Excel。 商业智能产品的强大之处在于它们可以轻松组合多个数据源，并使组织能够混合和匹配来自不同系统的各种指标。 通常，连接因素是日期，但在某些情况下，其他主键可用于连接来自不同来源的数据。

虽然其中一些可以在数字分析产品中完成，但这将是复杂且耗时的。 数字分析产品中的仪表板倾向于关注与网站和数字应用程序相关的数据摘要。

数据探索

数字分析和商业智能产品之间最显着的区别在于数据探索领域。 虽然数据探索可以在这两种类型的产品中进行，但它们以非常不同的方式完成。 在商业智能产品中，可用的报告类型通常存在限制。 例如，如果有一个销售 KPI，商业智能产品可以按销售代表或地区对其进行细分。 但在数字分析产品中，数据探索包括指标细分和商业智能产品中不存在的许多其他报告类型。 这里有一些例子：

路径流

在数字分析产品中，有时您希望查看客户如何浏览页面或事件。 这对于了解页面流或事件流下降以及修复任何流泄漏非常有用。 但报告路径流需要与唯一访问者相关的时间戳、排序数据与聚合数据。 在商业智能产品中创建准确的路径流报告将具有挑战性。

转化漏斗

数字分析产品通常用于构建转换渠道。 这些漏斗会在转化流中绘制关键检查点，以查看有多少客户进入了每个步骤。 虽然它们听起来类似于路径流，但它们的不同之处在于它们不太关注客户采用的所有路径，而是对所采取的一组特定步骤更感兴趣。 还构建了转换漏斗，以便客户必须按照设定的顺序执行操作才能被包含在内。 此订单顺序要求意味着数字分析产品必须了解哪些客户已完成每个步骤以及以什么顺序完成。 虽然商业智能产品可能会报告 event1 和 event2 发生了多少次，但很难理解是否是同一用户以正确的顺序执行了这两个事件。

群组和细分

数字分析产品最强大的方面之一是能够构建临时用户群组（或细分）。 这些群组可以基于事件行为、属性或导航行为。 一旦创建，群组可用于比较不同的客户组，并且群组可以发送到其他系统进行个性化或营销工作。

大多数商业智能平台都不是以用户为中心的。 他们更关注数字而不是用户。 因此，使用商业智能产品来创建用户群组以用于分析或营销目的并不常见。

身份解析

数字分析的核心组成部分是身份的概念。 在数字分析中，重要的是要知道当前用户是否与上周使用数字资产的用户相同。 为了解决这个问题，数字分析产品建立了识别用户并确定他们是已知还是未知的机制。 一些通过第三方 cookie 执行此操作，而另一些则通过第一方身份验证执行此操作。

商业智能产品传统上并未尝试执行身份解析。 虽然他们可以通过客户 ID 查看和加入指标，但它们并不是为了审查匿名用户数据并确定用户是否是先前已知的实体而构建的。

保留

随着时间的推移，了解哪些客户以及有多少客户返回您的数字体验是数字分析不可或缺的一部分。 数字团队使用数字分析数据来查看哪些功能或营销活动可以提高留存率，以便他们养成习惯并产生收入。 保留报告需要身份解析，以了解当前正在使用数字产品的客户是否曾经去过那里以及多久。

商业智能产品可以报告使用情况，但许多产品并不是为了了解相同用户是否一次又一次地返回。 通过利用客户标识符可能有一些方法可以做到这一点，但这必须与每个客户的时间序列数据以及使用统计数据显示保留桶和时间窗口的报告相结合。 这些功能很少出现在商业智能产品中。

观众

数字分析和商业智能产品之间的另一个区别是每种类型的用户使用产品的频率。 商业智能产品通常是为高层管理人员和执行人员构建和使用的。 虽然较低级别的员工可能会使用这些工具来开发报告和仪表板，但报告和仪表板的主要接收者通常是高管。 商业智能产品经常吹捧高管通过商业智能产品了解他们的业务是多么容易。

数字分析产品也是为高管打造的，但它们也被数字分析师、营销分析师或产品团队大量使用。 由于数字分析产品提供高级信息和细粒度信息，因此组织中的几乎任何人都可以访问数字分析产品。 高管可以在数字分析产品中查看高级仪表板，但只有精通数据的人才会更深入地挖掘数据。 我相信数字分析产品的复杂性是商业智能行业崛起的促成因素之一。 流行的商业智能产品之一是由数字分析产品的前首席执行官创立的。 他很沮丧，因为他无法从他的数字分析产品中看到他经营业务所需的高级指标！

数据粒度

数字分析产品主要从网站和移动应用程序收集数据。 然而，近年来，这已扩展到包括许多其他数据类型（例如，商店数据、呼叫中心等）。 但是，收集的数据通常是非常细粒度的。 常见数据点可能包括按钮和链接上的点击或滑动、查看特定页面以及进入网站搜索框的阶段等。大多数组织每月收集数十亿的事件数据，这些数据汇总在数字分析产品中的报告中.

尽管情况并非总是如此，但商业智能产品通常会以较不精细的级别收集数据。 例如，如果您使用商业智能产品来显示 CRM 数据，您可能会从 Salesforce 中获取线索。 这些数据通常不会像网站上的命中级数据那样精细。 尽管有例外，但许多组织将摘要信息发送到其商业智能产品，而不是复制源数据及其所有粒度。 另一个例子可能是来自数字分析产品的订单和收入。

一起更好

对于大多数组织来说，需要拥有一个数字分析产品和一个商业智能产品，而不是一个。 正如这里所描述的，这些产品是不同的，但可以是互补的。 也许有一天，行业会出现整合，一家供应商将拥有数字分析和商业智能产品，但到目前为止还没有发生。 甚至拥有最大数字分析产品的谷歌也购买了商业智能产品（Looker）。

我认为数字分析产品有朝一日可能能够解决许多商业智能用例，但我认为商业智能产品将很难处理数字分析用例。 虽然我认为这两种产品在可预见的未来将是分开的，但如果我押注其中一种产品会超越另一种产品，我会将资金投入到数字分析上，以超越商业智能，而不是相反。

目前，如果您的组织试图争辩说它只需要其中一种产品，我鼓励您让他们审查此内容并更好地了解这些技术之间的差异。 如果您的同事坚持只需要一种产品，我建议让他们展示他们将如何在商业智能产品中执行数字分析用例，反之亦然。 通常，那些主张使用一种产品的人没有使用这两种产品的经验，或者只是想削减预算。 很容易证明数字分析和商业智能产品非常不同，有不同的目标，不同的受众，解决不同的问题。