随着多媒体、智能手机和社交网站等信息获取渠道的增多，决策者正面临着比以往任何时候都更多的数据。传统数据仓库的性能无法应付庞大的信息，而大数据分析技术则能访问和使用这些宝贵的、大规模数据集以应对复杂多变的数据分析和商业决策制定。但是，在技术成熟度和产业生态系统方面，传统商业智能仍然占有巨大的优势。因此，最佳的商业分析方案应该是大数据分析与商业智能的融合，建立大数据BI系统。

大数据BI系统的底层技术包括分布式计算与通信、内存计算、列存储、库内计算。分布式计算包括Offline MPP（如Hadoop/MapReduce）和Online MPP（如Spark/cloudera/Goole Dremel），分布式通信需要考虑效率、负载、变量等因素。内存计算的对象需要区分所有数据和热点数据。列存储需要考虑影响、分区I/O、Block复制。

首先，系统业务驱动要优于数据驱动。其次，要建立自助式的大数据BI系统。

大数据BI系统建设遵循敏捷开发、开闭、依赖倒置、里氏替换4个原则。敏捷开发原则是指好系统不是一蹴而就，应先切入进去再持续迭代。开闭原则是为减少BI应用对数据层的污染。依赖倒置原则是指架构要合理，降低数据与应用间的依赖度。里氏替换原则是指开放标准，保证模块良好的替换性。

针对PB级数据，可选用Hadoop +Hive、Hadoop+MySQL、一体机等架构。针对TB级数据，可选用MPP DW、MPP DM等架构。