BI(BusinessIntelligence)即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
大数据(Big Data)，指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
不管定义如何不同，大数据与传统BI是社会发展到不同阶段的产物，大数据对于传统BI，既有继承，也有发展，从”道”的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
基于这个特点，大数据很容易在生产中形成基于个体的评估和闭环反馈网络，BI则由于偏向宏观而难以在生产中贯彻执行从而产生实际价值，因此，当前的大量的新数据应用领域，实际BI是没有覆盖的，比如RTB广告、智能制造、个性医疗等等。
当然纯粹从思想的角度讲，两者在概念上是可以实现统一的，都遵循数据-信息-知识-智慧这个脉络，甚至在更高的层次，两者也是可以统一的，比如这个定义：“世界上万事万物都在被数据化，形成一个与现实世界相关联的数据世界，人类可以利用数据化的方式，应对和解决生存和发展问题。”
因此很多人说BI跟大数据没区别，的确是这样，没必要抬高大数据，但由此认为两者价值也差不多，那也有问题，它忽略了”术”的不同，由此造成应用的巨大差别。
举个例子：神经网络理论几十年前就有，为啥直到现在才有深度学习突破性的进展，关键是其”术”的能力提高了，一定程度讲，大规模数据并行处理让这个理论焕发了新生。
理念是一回事，付诸实践是另一回事，因此，我们还是要从“术”的角度来阐述大数据与传统BI的区别，事实上，传统BI，由于其术的限制，已经达到了一定瓶颈。
传统BI厂家喊了多少年的”帮助企业做出明智的业务经营决策”，现在除了一堆报表系统，搞了一些决策树等统计算法，还剩下什么呢?传统企业引入了那么多的BI咨询，写了那么多报告，真正发生过价值的有多少?BI已死也并非空穴来风。
如果搞BI的还在原有的地方转圈圈，不去变革，除了空喊我也是大数据，没有意义，因为数据价值最终还得看落地的能力。
大数据的4V特征大家都懂，大数据在量、维度、速度等方面相对于传统BI的改变的确让数据改造世界的能力发生了质的变化, 那么，大数据的“术”于传统BI到底有哪些变化?传统企业需要做哪些改变呢?
1、超越BI，拓展新的业务边界
大数据不是绣花枕头，它的第一要务就是解决业务问题，大数据一定程度上讲就是用全新的数据技术手段来拓展和优化业务，传统企业需要聚集一拨人来研究这个问题。
如果对外，想清楚新的商业模式，如果对内，想清楚在哪个场景，可以用大数据的手段来提升效率。
当前大数据可以产生价值的地方，从行业的角度看，互联网、制造业、公共服务、医疗保健、金融服务都有广阔前景。
从领域的角度看，广告、营销、风控、供应链都是大数据发挥价值的地方，对于特定企业，比如电信运营商，大数据也可以在网络优化等方面提供新的方法。
大数据应用场景是企业特别需要想清楚的地方，传统BI失败，一定程度讲，是技术推动业务导致的倒挂现象所致，是高估传统BI利用数据的能力所致，比如大量领域用传统BI产生不了生产力，当然也少不了忽悠。
大数据也面临这个重大问题，但应该看到，随着大数据概念的普及，应用领域的大幅延伸，企业的管理和业务人员对于数据的认识有了很大的转变，数据化的思维开始深入人心，对于大数据来说，是一个新的机会。