商业智能BI直连业务数据库做报表的延迟风险

商业智能BI直连业务数据库做数据可视化分析、做报表到底行不行，从技术的角度没有问题，从架构的角度不可行。这种做法就像在沙漠上建房子一样，建一层平房可能没有问题，建几层楼房一定会出问题。

什么是商业智能BI直连数据库

大家一定要注意一下，我们通常讲到的商业智能BI直连数据库，不是指的直连原始业务系统的数据源数据库，而是数据仓库的数据库。在原始业务系统和商业智能BI前端数据可视化之间是有一层数据仓库来做隔离的。

商业智能BI架构 - 派可数据商业智能BI可视化分析平台

我们有的企业一看商业智能BI工具可以直接连接到底层业务系统数据库数据表，就感觉这种方式很好，很便捷啊，直接可以读取表结构，然后简单的左关联、右关联，就可以快速的拖拉拽出报表。反而觉得商业智能BI和底层业务系统数据库中间弄个数据仓库很麻烦，又是建模、又是ETL，又看不到底层原始表结构，还是没有直连业务系统数据源方便。

这种理解是错误的，这种想通过商业智能BI和底层业务系统数据库直连避免掉ETL、SQL的想法也是完全错误的，一个典型的想走捷径的想法。到最后这种商业智能BI架构实现方式未来一定会有很大的风险，失败的可能性非常高，我们把它叫做延迟风险。

什么是商业智能BI直连数据库延迟风险

什么叫延迟风险，就是当前可能不会有太大的问题，延迟一段时间风险就会出现。

为什么商业智能BI和底层业务系统数据库直连，这种做法会存在延迟风险呢，主要有以下几个方面的原因：

第一，企业底层的业务系统会在未来某一个时间节点会出现升级、迭代甚至替换的可能。

第二，企业的业务会不断的发生变化和调整，带来的就是一些业务计算规则发生变化，业务规则的变化就会导致指标计算逻辑发生调整。

上面这两个点都会引起原有报表SQL取数逻辑对底层数据库表的依赖关系发生变化，底层数据和结构改变了，就得动报表，商业智能BI就有可能出现问题。 因为公共业务逻辑的计算没有下沉到数据仓库，不具备复用性。

可视化大屏 - 派可数据商业智能BI可视化分析平台

比如商业智能BI中一个指标在这个数据可视化页面有一套计算逻辑写了一遍，到了另外一个数据可视化页面使用到了同样的指标，这个指标可能又要写一边逻辑。当逻辑发生变化，就得一个一个数据可视化页面打开去修改。并且是大量的、反复的修改。为什么？这是因为在这种商业智能BI架构下，数据可视化页面和底层业务数据表的耦合程度太高太深了。

正确的商业智能BI架构是什么，数据可视化页面应该绑定的是指标，而不是指标的计算逻辑，不是SQL计算逻辑。指标的SQL计算逻辑下沉到底层数据仓库，这样即使要做调整，也不是数据可视化页面做调整，而是底层数据仓库的取数逻辑做调整。

第三，直连业务系统数据源，商业智能BI数据可视化页面大量的并发查询是直接访问到业务系统数据库，这种操作对业务系统IO资源消耗非常的高。查询多了会压垮业务系统，影响到业务系统的使用。

第四，有些计算逻辑不是一个简单的SQL关联就能解决，可能会非常的复杂，这种直连的方式中间的逻辑计算就没有任何缓冲的可能，没有办法做逻辑优化，查询效率和性能会非常低。

数据可视化 - 派可数据商业智能BI可视化分析平台

所以，商业智能BI直连业务系统数据源是让企业能够一眼看明白的架构方式，但同时它也是一种很不专业、非常糟糕的开发方式。我碰到过不少的企业最开始上商业智能BI，因为对商业智能BI不了解不熟悉，就是这么去实现的，后面根本推不动，没有办法重新再开发一遍，投入更大。

商业智能BI直连数据仓库数据库

如果把商业智能BI直连业务数据源数据变成商业智能BI直连数据仓库数据库，有什么好处呢？

第一，底层业务系统怎么更换、迭代，数据仓库在中间做了隔离，尽可能不会影响到上层的报表，也就是商业智能BI，只是往下更换了从新业务系统取数的ETL业务计算逻辑，整体模型架构还是稳健的。

第二，业务逻辑调整也是如此，在数据仓库模型中，只是局部的逻辑调整，复用性比较高。建数据仓库的目的之一就是公共指标下沉、计算逻辑下沉，在报表端只绑定指标，而非业务逻辑，采用后端建模的方式。所以，即使某个报表的指标有问题，商业智能BI中数据可视化页面也不用修改，而是在数据仓库中修改ETL取数逻辑，对整体数据可视化页面报表没有大的影响。

数据可视化 - 派可数据商业智能BI可视化分析平台

第三，商业智能BI的查询是基于数据仓库的，跟业务系统没有关系，查询压力只会落在数据仓库上，而不是传递到业务系统本身。

第四，通过数据仓库的分层解决建模、模型优化、查询性能优化，以空间换时间来提升前端商业智能BI可视化访问数据仓库数据的查询效率。

所以，商业智能BI的直连连的是什么，连的是数据仓库，而不是业务系统数据源。

也有一些企业因为对数据仓库不了解，所以在业务系统和商业智能BI前端之间建了一个中间库做隔离，这样是不是会好一些。确实如此，只要有隔离就会好一些，中间库也是一个数据库，跟数据仓库一样能做一些缓冲。

但数据仓库与中间库的差异就在于，数据仓库不仅仅只考虑系统之间的松耦合、隔离的问题，更加考虑了从业务系统数据传递到前端商业智能BI数据可视化之间的数据模型、数据分层、数据之间的松耦合等一系列复杂问题。所以一个是系统的松耦合，一个是除了系统松耦合之外，更加考虑到了数据、逻辑处理、分析模型的松耦合关系。

最后，分享给大家一句我很喜欢的话：不走捷径就是最大的捷径！