什么是自助式BI？和传统BI（商业智能）相比有何优劣势？

我用Tableau已经有七八年了，基本每天都要分析数据、设计可视化图表，这就属于典型的自助式BI，你也可以理解是时间意义上的“传统”BI，因为Tableau已经存在二十多年了。

很多大型公司用的SAP BusinessObjectsBI嵌在ERP系统里，底层是ERP、CRM数据，就属于传统BI，比如大型集团的业务追踪看板、电商公司的实时交易大屏，这些需要技术人员专门开发和维护。

自助式BI和传统BI的区别就像是Python和Java的关系，不是说谁更强大，而是使用场景和用户不一样。

Python适合多数非程序员群体编程，自助式BI也更适合普通业务人员上手，这些BI都有友好的软件客户端，能更容易地进行可视化分析，而且一般是高频的分析场景，包括研究统计分布、制作图表、搭建看板、上传报表等，代表BI工具有Tableau、PowerBI。

下图右上角的都是目前市场认可度最好的自助式BI。

对于一般的人来说，自助式BI是Excel的进化版，因为它不光可以处理数据表格，还能连接各类数据源，帮助统计分析、可视化设计、看板搭建等，可以大大提升数据价值。

据我所知，很多行业对Tableau、PowerBI这两个BI工具很青睐，像咨询、金融、汽车等，各种业务都需要BI来分析展示，绝对是个硬技能。

Java适合专业程序员开发软件，传统BI同样需要程序员来开发，需要懂一些前端、数据库、ERP知识，因为传统BI核心任务是搭建看板和大屏，不是那么高频的需求，但追求稳定、大气、酷炫，能支持大数据的接入，起码在国内是这样。

很多大屏是用前端工具开发，像是D3.js、plotly、echart等，还有些用BI软件搭建，比如FineBI、QuickBI、PowerBI。

现在还有更为灵活的开源web工具，可以自主搭建BI看板，像Python生态中的Dash、Streamlit等，它们有一系列的组件可以通过Python代码调用，能设计出高度定制化的web数据看板，而且由于能自由调用Python生态的其他库，Dash、Streamlit可以做出更加高级的数据产品。

对于一般人来说，我非常赞同去学一两个自助式BI，能拓展数据分析能力，还是蛮有用的。