數據和分析領域非常廣闊。 當人們問我專業做什麼時，我告訴他們我從事數字分析工作，除非他們在該領域，否則他們不知道這意味著什麼。 有些人為零售店、物流、股票市場等做分析工作。現在似乎每個人都在做一些分析。 即使是網站/移動應用領域的人，有時也很難解釋營銷分析和產品分析之間的區別。

但多年來最令人困惑的領域之一是理解數字分析和商業智能之間的區別。 我參加過許多對話，組織告訴我他們不需要數字分析產品，因為他們有商業智能產品，反之亦然。 所以在這篇文章中，我將解釋我如何描述這兩個學科在對話中的區別。

數字分析

大多數關注我博客文章的人應該熟悉數字分析。 我將數字分析定義為對數字用戶行為數據的收集和分析，以使用該數據來改進或優化數字屬性和體驗。 數字分析產品跟踪客戶在使用網站或移動應用程序時採取的數字操作（事件）、活動、內容、用戶路徑流和其他行為。 該領域的典型供應商包括 Google Analytics、Adobe Analytics、Amplitude 等。過去，我曾寫過我相信許多不同類型的數字分析產品將如何在未來幾年融合的文章。

商業智能

商業智能產品在組織中變得非常流行，您很難找到沒有商業智能產品的組織。 商業智能產品提供對組織至關重要的 KPI 的高級摘要。 通常，商業智能產品採用與高管共享的高級儀表板的形式。 商業智能儀表板通常結合來自數字分析、CRM、實體店、內部數據倉庫等的數據。商業智能領域的熱門供應商包括 Tableau、Power BI、Looker 和 Domo。

數字分析與商業智能

因此，通過一些基本定義，讓我們深入了解數字分析和商業智能產品的不同之處。

數據源和跨平台指標

商業智能產品通常包含來自許多不同來源的數據。 我喜歡將其視為來自多個數據系統的數據的“最大熱門”。 雖然毫無疑問可以將任何類型的數據流式傳輸到數字分析產品中，但大多數組織將數據限制在網站和移動應用程序中。 但隨著世界變得更加數字化，我們看到越來越多的客戶從商店、呼叫中心甚至實體產品發送數字分析產品，例如 Amplitude 數據。

商業智能產品的主要賣點之一是它們可以將來自不同平台的指標組合在一起，而這在一個獨立平台中是具有挑戰性的。 例如，假設數字分析平台報告一個組織在 5 月 3 日有 1,000,000 名唯一訪問者。CRM 系統顯示同一天創建了 20,000 個營銷合格線索 (MQL)。 該組織可以使用商業智能產品來劃分這兩個指標，以創建一個名為 MQL/Unique Visitor 的全新 KPI。 雖然可能沒有一種簡單的方法將這些唯一訪問者與銷售 MQL 聯繫起來，但在高層次上，可以查看趨勢並查看兩者之間是否存在關係。 雖然該組織可以將 MQL 數據導入其數字分析產品，但大多數人會選擇在商業智能產品中進行。

在過去，這類工作會在 Microsoft Excel（OG BI 工具！）中完成，但 Excel 在數據導入和數據庫功能方面存在限制。 我將商業智能產品視為類固醇上的 Excel。 商業智能產品的強大之處在於它們可以輕鬆組合多個數據源，並使組織能夠混合和匹配來自不同系統的各種指標。 通常，連接因素是日期，但在某些情況下，其他主鍵可用於連接來自不同來源的數據。

雖然其中一些可以在數字分析產品中完成，但這將是複雜且耗時的。 數字分析產品中的儀表板傾向於關注與網站和數字應用程序相關的數據摘要。

數據探索

數字分析和商業智能產品之間最顯著的區別在於數據探索領域。 雖然數據探索可以在這兩種類型的產品中進行，但它們以非常不同的方式完成。 在商業智能產品中，可用的報告類型通常存在限制。 例如，如果有一個銷售 KPI，商業智能產品可以按銷售代表或地區對其進行細分。 但在數字分析產品中，數據探索包括指標細分和商業智能產品中不存在的許多其他報告類型。 這裡有一些例子：

路徑流

在數字分析產品中，有時您希望查看客戶如何瀏覽頁面或事件。 這對於了解頁面流或事件流下降以及修復任何流洩漏非常有用。 但報告路徑流需要與唯一訪問者相關的時間戳、排序數據與聚合數據。 在商業智能產品中創建準確的路徑流報告將具有挑戰性。

轉化漏斗

數字分析產品通常用於構建轉換渠道。 這些漏斗會在轉化流中繪製關鍵檢查點，以查看有多少客戶進入了每個步驟。 雖然它們聽起來類似於路徑流，但它們的不同之處在於它們不太關注客戶採用的所有路徑，而是對所採取的一組特定步驟更感興趣。 還構建了轉換漏斗，以便客戶必須按照設定的順序執行操作才能被包含在內。 此訂單順序要求意味著數字分析產品必須了解哪些客戶已完成每個步驟以及以什麼順序完成。 雖然商業智能產品可能會報告 event1 和 event2 發生了多少次，但很難理解是否是同一用戶以正確的順序執行了這兩個事件。

群組和細分

數字分析產品最強大的方面之一是能夠構建臨時用戶群組（或細分）。 這些群組可以基於事件行為、屬性或導航行為。 一旦創建，群組可用於比較不同的客戶組，並且群組可以發送到其他系統進行個性化或營銷工作。

大多數商業智能平台都不是以用戶為中心的。 他們更關注數字而不是用戶。 因此，使用商業智能產品來創建用戶群組以用於分析或營銷目的並不常見。

身份解析

數字分析的核心組成部分是身份的概念。 在數字分析中，重要的是要知道當前用戶是否與上週使用數字資產的用戶相同。 為了解決這個問題，數字分析產品建立了識別用戶並確定他們是已知還是未知的機制。 一些通過第三方 cookie 執行此操作，而另一些則通過第一方身份驗證執行此操作。

商業智能產品傳統上並未嘗試執行身份解析。 雖然他們可以通過客戶 ID 查看和加入指標，但它們並不是為了審查匿名用戶數據並確定用戶是否是先前已知的實體而構建的。

保留

隨著時間的推移，了解哪些客戶以及有多少客戶返回您的數字體驗是數字分析不可或缺的一部分。 數字團隊使用數字分析數據來查看哪些功能或營銷活動可以提高留存率，以便他們養成習慣並產生收入。 保留報告需要身份解析，以了解當前正在使用數字產品的客戶是否曾經去過那里以及多久。

商業智能產品可以報告使用情況，但許多產品並不是為了了解相同用戶是否一次又一次地返回。 通過利用客戶標識符可能有一些方法可以做到這一點，但這必須與每個客戶的時間序列數據以及使用統計數據顯示保留桶和時間窗口的報告相結合。 這些功能很少出現在商業智能產品中。

觀眾

數字分析和商業智能產品之間的另一個區別是每種類型的用戶使用產品的頻率。 商業智能產品通常是為高層管理人員和執行人員構建和使用的。 雖然較低級別的員工可能會使用這些工具來開發報告和儀表板，但報告和儀表板的主要接收者通常是高管。 商業智能產品經常吹捧高管通過商業智能產品了解他們的業務是多麼容易。

數字分析產品也是為高管打造的，但它們也被數字分析師、營銷分析師或產品團隊大量使用。 由於數字分析產品提供高級信息和細粒度信息，因此組織中的幾乎任何人都可以訪問數字分析產品。 高管可以在數字分析產品中查看高級儀表板，但只有精通數據的人才會更深入地挖掘數據。 我相信數字分析產品的複雜性是商業智能行業崛起的促成因素之一。 流行的商業智能產品之一是由數字分析產品的前首席執行官創立的。 他很沮喪，因為他無法從他的數字分析產品中看到他經營業務所需的高級指標！

數據粒度

數字分析產品主要從網站和移動應用程序收集數據。 然而，近年來，這已擴展到包括許多其他數據類型（例如，商店數據、呼叫中心等）。 但是，收集的數據通常是非常細粒度的。 常見數據點可能包括按鈕和鏈接上的點擊或滑動、查看特定頁面以及進入網站搜索框的階段等。大多數組織每月收集數十億的事件數據，這些數據匯總在數字分析產品中的報告中.

儘管情況並非總是如此，但商業智能產品通常會以較不精細的級別收集數據。 例如，如果您使用商業智能產品來顯示 CRM 數據，您可能會從 Salesforce 中獲取線索。 這些數據通常不會像網站上的命中級數據那樣精細。 儘管有例外，但許多組織將摘要信息發送到其商業智能產品，而不是複制源數據及其所有粒度。 另一個例子可能是來自數字分析產品的訂單和收入。

一起更好

對於大多數組織來說，需要擁有一個數字分析產品和一個商業智能產品，而不是一個。 正如這裡所描述的，這些產品是不同的，但可以是互補的。 也許有一天，行業會出現整合，一家供應商將擁有數字分析和商業智能產品，但到目前為止還沒有發生。 甚至擁有最大數字分析產品的谷歌也購買了商業智能產品（Looker）。

我認為數字分析產品有朝一日可能能夠解決許多商業智能用例，但我認為商業智能產品將很難處理數字分析用例。 雖然我認為這兩種產品在可預見的未來將是分開的，但如果我押注其中一種產品會超越另一種產品，我會將資金投入到數字分析上，以超越商業智能，而不是相反。

目前，如果您的組織試圖爭辯說它只需要其中一種產品，我鼓勵您讓他們審查此內容並更好地了解這些技術之間的差異。 如果您的同事堅持只需要一種產品，我建議讓他們展示他們將如何在商業智能產品中執行數字分析用例，反之亦然。 通常，那些主張使用一種產品的人沒有使用這兩種產品的經驗，或者只是想削減預算。 很容易證明數字分析和商業智能產品非常不同，有不同的目標，不同的受眾，解決不同的問題。