你需要的是 BI 還是 AI，又或者是只需要統計報表就可以滿足需求，千萬不要捨近求遠，浪費不必要的資源。

BI 和 AI 的差別在哪裡？

基本上，針對 BI 和 AI 的差別，我們並不需要特別去定義它，不管是 BI 或是 AI 都是基於資料分析的基礎之上，利用資料來學習知識的方法，他們的目標都是通過從資料中提取出有價值的部分來生產數據知識。

- ＢＩ是什麼？

一般來說，大家所定義的 BI，目前主要以資料視覺化的方法為主，透過視覺化的呈現，讓我們更容易*「讀取資料中的知識」*。

- ＡＩ是什麼？

然而，在 AI 的認定上，目前主要以機器學習或認知方面的學習模型為主，透過學習模型可以推論或是預測未發生的事件。

了解 BI 和 AI 之間的差異並沒有太大的用處，重點是我們應該要了解 BI 或是 AI 能為我們做什麼，這才是重點。

BI 和 AI 如何挑選？

其實，BI 和 AI 各有所長，各擅其場，目的不同，應用場域也各有分別，必須視你的問題需求，應用方式，資料來源，甚至資料種類、資料型態等，多方面的考量，才能夠選擇適合你自己的智慧化應用服務架構，千萬不要一開始就說我要視覺化圖表，我要即時監控看板，我們要機器學習模型，還要人工智慧，這樣你不但會不知道從何開始，更不知道要做什麼，也不知道可以拿來幹嘛，最後一定是無疾而終，白忙一場。

基本上，我們從大方向來分，BI 偏向於處理結構化的資料，AI 偏向於處理非結構化的資料，但這不是絕對，另一方面，若以智能化服務來分，BI 偏向於做資料的洞察、資料分析、即時監控，AI 則偏向於做資料探索、預測應用、以及輔助的服務，但是這些分類方法都不是絕對的，你應該要從了解自己的資料開始，清楚定義自己的問題需求，再依照自己的狀況、成本、人力、架構等考量，選擇適合自己的智能化服務開發建置方法，這才是有用且聰明的選擇。

BI 和 AI 都需要資料服務平台

不論是 BI 還是 AI 都是從資料為基礎開始，雖然 BI 和 AI 所需要的資料來源、資料種類、資料型態會有差異，而且資料萃取、資料處理、資料整合的需求也不一樣，但是，基礎都是「資料」，都會需要資料服務平台來支援各種資料處理和儲存的方式，

PS : 不管你在哪一個領域，擔任什麼樣的角色，開始資料科學：就從接觸「資料」開始（這是最重要的第１步），首先必須：了解資料，認清資料，其次才是：熟悉工具，實際應用。其實，不管是 BI 還是 AI，擁有好奇創新、商業頭腦、以及溝通合作，這些都比理論和技術來的更為重要！