定义
BI（Business Intelligence，商业智能）指对业务数据进行采集、分析、可视化的系统。设备管理平台的监控数据可对接 Grafana、自建 BI 或 Tableau、Power BI，支撑运维与业务决策。
在设备管理中的价值
BI 可将设备 Telemetry 遥测数据、告警统计、OTA 成功率、设备健康度等指标进行多维分析，生成设备分布、故障趋势、运维效率等报表。支持按产品、区域、时间维度钻取，帮助管理者识别高故障设备、优化维护策略、评估供应商质量。
数据流与集成
设备管理平台通常通过 Event Stream 事件流、数据导出或 API 将数据推送至 BI 系统。BI 工具连接 Time-Series DB 时序数据库或数据仓库，进行 ETL 处理后构建数据集市，支撑仪表盘、报表与自助分析。
典型应用
包括设备在线率看板、故障率趋势、OTA 升级成功率、设备生命周期分布、区域运维工单统计等。结合 Report & Analytics 报表分析能力，BI 为设备运营提供数据驱动的决策支持。
指标从点位到报表要经过什么
商业智能在设备管理里的技术含义，是把已经落库的遥测、事件和任务结果按统一口径汇总，回答“这一批设备在一段时间内怎样”，而不是回答“这一台此刻的原始值是多少”。从点位到指标，中间要有时间对齐、单位换算、缺失值规则和维度。维度通常是产品、固件版本、区域和分组。没有这些约定，同一张图里会把秒级采样和小时累计加在一起。BI 适合在数据已经稳定入库、问题需要横向比较的时候使用；排查单台现场故障，仍应回到设备详情里的原始曲线。
使用前要确认指标的统计窗口和时区。日指标如果按服务器本地零点切分，跨地域设备的“一天”会对不齐现场班次。告警次数还要说明是按发生计还是按恢复计，升级结果要说明分母是任务内设备还是实际收到包的设备。口径一旦发布，后续报表应沿用，而不是每个看板各写一条查询。和仪表盘分工时，仪表盘强调当前态势，BI 强调可回溯的对比；把 BI 查询直接绑到接入层的实时流上，会在设备数量上来之后拖慢汇聚。
把瞬时值当成周期结论
容易出错的是用最后一条遥测代表全天状态。设备中午离线、傍晚恢复，最后一条显示正常，按“当前值”做的日报就会把白天的中断抹掉。另一类错误是忽略采样稀疏：传感器一小时才报一次，图上却按分钟连线，中间的空白被画成平稳。单位不统一同样常见，同一属性有的报摄氏度、有的报十分之一度，汇总后极值会偏离现场。过滤条件若写在图表里而不写在数据集说明里，换一个人打开报表就得不到同一数字。
还要把“没有数据”和“数据为零”分开。通信中断时如果补零，能耗和产量会被低估；如果沿用上一个值，又会把停机画成继续运行。两种补法都不能藏在默认设置里不说明。设备监控里的实时告警次数，也不能直接拿来和 BI 的历史告警次数对比，除非两边对抖动合并、确认和清除用的是同一套规则。发现差异时先核对窗口、时区和过滤，再怀疑设备本身。
口径变更后的历史怎么比
指标一旦被人引用，计算方式就变成了这张报表的一部分。后来若把告警按发生改为按恢复、把离线的缺失改成补零、或把未激活设备从分母里拿掉，新的数字不能直接和旧图比高低。每次口径调整都应留下生效时间，并让旧时段仍能按旧口径重算，或者明确宣布某个日期之前的图作废。只在查询语句里悄悄修改，截图和会议纪要会对不上，人们会以为现场变好或变差了。维度的增减也一样：新增一个区域过滤后，总数下降可能只是范围变小，不是设备减少。
自助分析如果允许每个人保存自己的过滤，公共指标就要和私人过滤分开命名，避免两份都叫在线情况的报表讨论的不是同一批设备。原始点位的单位、采样间隔和缺失规则应写在数据集说明里，而不是只写在做图的人的记忆中。发现同一指标在两处不一致时，先比对窗口、时区、过滤和口径版本，再决定是否重跑。商业智能的可信度来自这些约束能被复查；约束说不清时，它只是另一张好看的图，不能用来否定现场记录。复查时还应保留当时的过滤条件和口径版本号，否则事后无法重现那一张图上的数字究竟从哪些设备、哪一段时间算来，讨论就会退回到各执一张截图。