欢迎来到加倍考研网! 北京 上海 广州 深圳 天津
微信二维码
在线客服 40004-98986
推荐适合你的在职研究生专业及院校
2018年中国大数据BI行业分析报告西蒙妮

2018年中国大数据BI行业分析报告

前言近年来,随着人们的数据意识和数据素养不断提升,商业智能和数据分析领域迎来了快速发展期,据Gartner商业智能报告统计,到2020年全球的商业智能市场容量预计将达到228亿美元。同时,大数据、人工智能、机器学习、深度学习等技术的快速发展,也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为,到2020年,自然语言生成和人工智能将是90%的新BI平台的标准特征,50%的分析查询将使用搜索、自然语言处理,或语音生成,或将自动生成。但我们必须认识到,我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同,以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题,帆软数据应用研究院调研了规模不一的216家企事业单位,了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待,同时基于帆软数据应用研究院对行业的长期观察和思考,形成了该篇报告。主要预测:2018年,中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。一、2018年中国商业智能行业发展分析(一) 行业总体形势向好在当前经济环境下,企业盈利的压力和难度不断增加,越来越多的企业,尤其是一、二线稍具业务规模的企业,其高层都希望通过精细化运营提升市场竞争力,降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统,存储了大量管理和运营数据,具备应用大数据BI进行数据分析和数据化管理的各种条件,这些需求将在2018年~2022年继续爆发。值得注意的是,艾瑞咨询在《2017年中国商业智能行业研究报告》中指出,我国已经进入商业智能领域第一方阵,成为发展最快的国家之一,但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长,市场容量将不断扩大。(二) 大数据BI厂商马太效应显现马太效应是指强者越强,弱者越弱的现象,国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示,处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿,远超其他国内厂商之和。同时帆软销售部反映,2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然,综合实力强大的厂商更能投入资源做好产品、服务,解决更多用户的需求和问题。可以预见,2018年中国BI行业马太效应将进一步增强,逐步淘汰掉实力弱、规模小、产品差的企业。(三) 新型自助式BI与传统型BI平分秋色得益于敏捷、自助的特征,从2013年起新型自助式BI迎来了高速发展期,这一时期也是传统型BI的衰退期。2017年,传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中,约50.2%的企业仍然在使用传统型BI,其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI,通过报表平台+自助式BI+大数据底层平台的解决方案,来解决企业综合的数据展示和分析需求,形成经营和战略决策。在调研中我们注意到,约有18%的企业引进了新型自助式BI,部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景,但随着新型自助式BI的不断发展,传统型BI必将逐渐退出历史舞台,从国际传统BI巨头积极调整产品结构可见一斑。二、2017年中国商业智能用户状况分析根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比,我们将BI用户(企业)划分为5大类型,即BI应用金字塔模型,以更好的统计、分析企业的BI应用状况。(一) BI应用金字塔模型1. IT完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成95%以上的BI分析页面(注:主要是指用于生产、经营、管理会议所需要的数据分析页面,下同)的开发。业务人员仅负责前端数据查看,完成查看报表时相关联动钻取操作。调研中我们发现,处于“IT完全主导型”这一等级的企业,约有93.2%都在使用传统型BI工具,企业的业务人员基本没有能力,也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈,企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要,相对缺少变革的动力。2. IT强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。从调研数据来看,这类企业中,67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作,所以选择让IT人员更多承担工作。这类企业中普遍认为,商业智能产品本身并非能够快速上手,且业务人员仍需要统计学基础,阻碍数据分析工作从IT人员向业务人员的转移。3. 业务强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。从调研数据来看,这类企业中,超过80.2%是曾经推行传统BI的企业,并且部分业务人员是有较高学历和能力的,能够学习和掌握商业智能工具和数据分析技能,并愿意在工作中积极使用;从帆软数据应用研究院的实地走访的部分企业来看,这些企业普遍行业排名靠前,公司从高层就重视数据分析工作。4. 业务完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。相比于第三类使用人群(业务强主导型),这类用户的一大特点是业务变革十分迅速,从事业务工作的人员学历普遍较高,业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高,是这类企业基本共识。比如在新兴的互联网企业,或者新零售领域,这个特点尤为突出。5. 智能自助型其典型特征为,IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理,以及所有BI分析页面。IT人员搭建数据中心,业务人员完全自主处理和分析数据,这类企业有着明显的资源密集型的特点,业务人员更多的是偏向运营相关的工作。当然,因为此类受访企业占比较少,原因分析的可信度还有待进一步调研来核实。(二) BI用户状况分布基于BI应用金字塔模型,2017年企业分布如下;从调研数据中,我们可以得出两大结论。1、IT人员主导企业数据分析的模式仍占据主流,也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看,有高达60.5%的企业的数据分析工作仍是第二类型(IT强主导型),甚至有21.5%的企业的数据分析工作处在第一类型(IT完全主导型),这显然和业务人员自助数据分析的目标距离遥远。2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI,实现了让少部分业务人员自助完成BI数据分析的目标。三、2018年商业智能用户需求分析(一) 企业多级部门数据分层次IT权限和平台管控,占受访企业97.6%需求描述:BI工具支持企业的多级部门的数据/分析页面权限管控,使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。需求产生的原因:有的信息中心为释放压力,放权给业务部门使用数据,一旦口子打开,数据缺口就会像洪水一样泛滥,就又会走向另外一个极端,导致放权下的数据管理混乱,数据口径不统一,部门之间的数据壁垒等等问题就会出现,同时这将给企业带来极大的数据安全隐患。满足该需求对企业的价值和意义:在满足业务部门BI数据自助分析的同时,兼顾企业的数据权限管控,形成企业以IT部门集中管理下的良性数据分析风貌,杜绝企业数据安全隐患。(二) 业务人员可通过BI工具进行自助数据分析,占受访企业94.5%。需求描述:业务人员可以在浏览器前端,对自己权限范围内的数据进行多维拖拽探索和自助分析,发掘隐含在数据中的业务价值。需求产生的原因:企业的传统信息化建设中,IT信息中心对公司数据进行高度集中的管控,来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出,一旦业务部门需求集中扎堆,就会造成响应不足,业务部门怨声载道。信息中心自身成员熬夜加班做报表,成就感却很低。满足该需求对企业的价值和意义:通过高效灵活的BI工具,业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析,以工具简单易上手的低学习成本,让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索,最大化业务数据的分析维度和分析效率,灵活发掘数据中可能潜在的业务价值,同时也解放了IT人员的劳动力,降低企业人力成本。(三) 可快速搭建型自助BI业务数据模型,占受访企业87.5%。需求描述:数据库表中的数据需要基于业务分析主题进行分类管理,相关数据表之间支持手动/自动构建关联模型,同时建立的关联模型支持灵活应用,无需反复编辑修改或创建新的模型,一次建立即可灵活满足多重业务场景进行数据分析使用。需求产生的原因:传统BI工具创建的底层数据关联相互独立,无法重复利用,一旦遇到新的业务数据计算分析场景,数据关联就需要修改或重新创建,极为麻烦,非常不利于IT人员维护。满足该需求对企业的价值和意义:通过BI工具快速构建的新型自助式BI业务数据模型,较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点,极大地提高了BI工具的企业中业务数据分析应用的效率,解放了以往IT人员对数据维护的压力。(四) OLAP多维分析:上卷、下钻、旋转、切片、联动、跳转等,占受访企业84.5%需求描述:BI工具支持强大的页面OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。需求产生的原因:随着业务发展的复杂化,单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息,取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。满足该需求对企业的价值和意义:通过BI工具强大的OLAP多维分析功能,以实现多角度、多关联数据之间的数据无限层次探索分析,发掘出数据中潜在的业务价值。(五) 大数据处理性能处理能力达到十亿数据秒级响应,占受访企业63.6%需求描述:BI工具可支撑处理亿级以上大数据分析计算的秒级响应,提供多维加速引擎对传统关系型数据仓库(SQLServer、Oracle、Mysql等)进行数据提速处理,同时也支持实时对接企业大数据平台(Vertical、Kylin、Greenplum等)进行数据分析计算。需求产生的原因:一方面,传统关系型数据库在面对上亿级别以上数据量时,容易出现性能瓶颈,长时间的查询等待往往会导致业务数据分析效率太低。另一方面,当今信息化水平飞速发展,越来越多的企业已经有了自己的高性能大数据平台,对于这部分企业来说,拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。满足该需求对企业的价值和意义:BI工具提供的强大数据计算处理引擎,能够降低企业数据查询等待时间成本,提高业务数据分析效率。同时,通过直接对接企业大数据平台,还可满足企业实时数据分析的需求。(六) 业务人员可完成工具层面的零代码数据加工处理工作,占受访企业57.5%。需求描述:BI工具可通过快速易上手的交互方式,让业务人员也能完成工具层面的零代码数据加工处理工作,例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法,实现对数据的无限层次多维透视分析统计。需求产生的原因:当业务需求相对偏复杂时,简单的维度和指标统计往往无法直接计算出业务所需要的计算结果,以往的处理方式往往可能是业务部门提需求给IT,然后IT经过SQL或者代码对底层数据表加工处理,然后最终导出一张excel数据表给业务部门,期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。满足该需求对企业的价值和意义:通过BI工具,使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计,降低了传统模式下的沟通成本和等待时间,提高了企业业务数据分析的应用效率。(七) 移动端数据分析查看支持,占受访企业44.9%需求描述:BI工具支持移动端数据分析多维分析查看功能(兼容PC端的上卷、下钻、旋转、切片、联动、跳转等),对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等功能,同时满足某些社区平台如微信、钉钉的企业公众号集成。需求产生的原因:在当今这个移动设备便捷时代,仅仅PC端的数据分析已经不能满足某些特定时间和场所的业务分析需求了,而BI对移动端的支持已经成了必然要满足的功能点。满足该需求对企业的价值和意义:通过移动端的BI分析查看,使得数据分析不仅仅局限于PC端,较大地增强了数据分析的便捷性。同时微信和钉钉的集成接入,让业务通过社区平台也能直接查看想要的数据分析页面,更是为移动端数据分析锦上添花。四、中国大数据BI产品功能预测结合用户需求调研,和我国BI厂商的产品计划研究,2018年如下六个大的功能模块将会得到增强。(一) 提升自助分析的可操作性和功能丰富度为满足业务人员可通过BI工具进行自助数据分析的需求,中国大数据BI产品需要改善自助分析的功能和可操作性,包括图表的丰富性。前端布局自定义搭配,让业务人员随心所欲布置。比如仪表板自由布局,可快速拖拽生成所需要分析的页面;在全面支持常见的柱状图、条形图等图形基础上,增加支持中国(世界)地图、GIS地图、桑基图等大数据图表;为了适应更加多样的用户,大数据BI平台需要支持强大的OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。业务人员在OLAP多维分析的基础上,能够在数据分析查看时,再次对所有维度进行二次的维度指标加工,并无限层次多维透视分析统计,全面开放业务人员对数据的处理和分析操作,以满足当前中国用户多个视角、多个层级的分析需求,把传统业务分析的智慧充分沉淀到数据分析系统中来。为了给不同用户提供个性化的视觉体验,大数据BI平台支持表格动态数值预警功能和图形设置动态警戒线,支持图表样式风格自由拖拽调整。同时,也需要大数据BI平台智能自动设置预警值和样式风格等。(二) 提升平台的数据挖掘能力为满足企业业务人员自助数据分析和自动挖掘的需求,中国大数据BI产品需要在已有的数据可视化和数据分析的功能基础上,增强数据自动挖掘能力,使业务人员在能够掌握挖掘基本概念的基础上,深入挖掘分析业务数据,为业务运营提供数据结论支持。大数据BI平台需要支持嵌入式高级分析功能,用户能够轻松使用平台内置的高级分析功能,也可以通过导入和集成外部开发的高级分析模型。比如平台内含数据挖掘常见算法(如线性预测、时序预测、聚类、分类等),或者提供外接其他数据挖掘平台和工具的可视化接口(如R语言或者Python语言),甚至内含适合特定业务场景的挖掘模型 。(三) 提升平台大数据处理能力为满足企业对大数据BI平台实时响应的需求,中国大数据BI产品需要将当前大数据处理能力提升一个量级,达到10亿数据量秒级响应水平,同时支持丰富多样的数据源。大数据BI平台需要支持丰富的数据源,如企业主流的关系型数据库、大数据平台、NOSQL数据库以及多维数据库,需要支持实时对接数据平台和分布式引擎拓展,同时支持跨数据源关联,同时支持对较大级别数据量进行数据抽取和索引建模,提高数据分析效率。(四) 提升平台的数据管理能力为了满足中国企业业务人员用户对数据处理的需求,中国大数据BI平台需要提升自身的元数据管理能力、数据的ETL处理能力、数据存储能力。提高元数据管理能力,使得用户能够集中管理元数据,包括对元数据进行检索、提取、处理、存储、分享复用和对外发布。中国企业的业务人员将需要在数据分析的过程中,直接操作经过IT人员标准化处理的元数据。近几年来,中国数据分析人才迅速增加,企业中也成长出一批有一定数据分析能力的业务人才,这些中国企业业务人才更多的是需要对数据进行ETL处理和存储,这就需要平台功支持用于查询、提取、转换和加载的功能,具有索引、管理、调度数据的能力。(五) 提升平台分析的共享能力随着ERP、OA、MES、HIS等常见业务系统的完善,企业少则数十套IT系统,多则上千套系统。新型自助BI需要能够与多个系统同时融合,全面分析企业的业务数据。这就需要中国大数据BI产品需要加强产品与不同软件系统的集成融合能力,这是中国企业面临的共同难题。大数据BI平台需要支持嵌入式部署,如主流的应用服务器,支持跨平台的权限集成和页面集成。大数据BI平台不同用户创建的分析页面,可以方便地分享给其他成员。同时,在企业的分析用户设计仪表板时,可以复用仪表板中的图表、维度、指标等,支持用户分享指定页面进行给其他部门成员,便于互动沟通交流。为满足企业人员实时办公、互通信息的需要。大数据BI平台还需要支持移动端上共享和查看分析结果,支持在移动端对分析结果进行数据层级钻取穿透、联动等。(六) 提升平台的安全性为了满足企业多级部门同时使用、不同权限的功能,中国大数据BI产品除了要提供灵活丰富的用户管理功能、权限控制功能,还需要内置强大的用户行为监控与分析功能,确保企业的数据安全和信息保密。大数据BI平台将支持持批量导入用户,支持同步企业统一权限管理数据库中的用户,以企业IT系统统一的用户管理方式进行用户管理。支持用户以企业IT系统统一的用户权限认证方式进行权限管理。同时,需要支持短信平台功能,并可用于用户账号身份验证等,多种用户和权限管理方式,来满足广大中国企业的不同的安全级别要求和安全管理策略。随着大数据BI在中国的发展,中国企业自身的大数据BI平台已有众多员工账号。这就对大数据BI平台提出新的挑战,除了要拦截非法用户,还要对大数据BI平台有效用户进行有效监控。2018年,大数据BI平台需要支持监控用户的操作行为,支持监控页面被访问的频次、访问来源,甚至是支持监控访问到的数据范围。为了保证大数据 BI平台系统持续支持企业经营管理,需要大数据BI平台支持系统数据迁移到企业数据库,支持对系统进行备份与还原,备份可以手动或设置周期定时备份。同时,支持云端服务器部署和本地服务器部署,支持多机热备,达到企业的灾备要求。此外,为了有效避免BI平台出现严重异常,还需要支持监控自身的运行性能,遇到系统性能风险,提前给出系统预警信号。

大牌坊

2019年中国大数据BI(商业智能)行业预测报告

商业智能(Business Intelligent)也被称为商业智慧或商务智能,人们习惯的称呼为“BI“,围绕BI工具建设的平台常称为”某某BI系统“、”某某报表平台“、”某某管理驾驶舱“等。BI(商业智能)技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处,让企业决策有数据依据,减少决策盲目性,理性地驱动企业决策和运营。近几年,BI越来越多的跟大数据联系在一起,BI工具需要提供大数据处理能力,也需要能实时对接大数据平台进行数据分析计算。自2012年以来,中国大数据BI行业都保持着快速的发展,虽然2018年企业外部环境愈加复杂,但BI行业并未受到明显影响,依然强势取得了同比增长25.8%的成绩。这一增长率,约是中国软件业增速的2倍,中国GDP增速的4倍。但是整体来看,中国BI行业的市场规模依然很小,2018年约有16.6亿人民币(纯软件销售收入,不含项目实施、项目运维),我们可以肯定,未来中国BI行业的发展潜力巨大。帆软数据应用研究院是中国研究大数据BI行业的重要力量之一,始终密切关注着中国BI行业的发展。自2018年3月开始,我们通过线上、线下的调研方式收集信息,共覆盖了全国各地5500多名企业IT及相关业务部门人员,了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待等,并走访了重点企业。我们还重点研究了IDC、Gartner、赛迪顾问、中国信通院等咨询研究机构对大数据、BI、数据分析行业的分析判断。结合多位帆软数据应用研究院专家,以及一线售前工程师、行业化顾问、项目经理们的经验、积累,我们研究分析了2019年BI行业发展趋势,并将这些成果总结为《2019年中国大数据BI(商业智能)行业预测报告》(后台回复关键字“报告”下载原文),期待着您的批评斧正。主要预测观点2019年BI行业纯软件收入规模将达到21亿元,同比增长27;2019年BI行业市场依旧处于整合期,马太效应明显;企业中BI用户的不断增加,中层使用BI的比例增速更快;2019年企业BI项目成功的三大障碍分别为:数据整合治理、数据人才培养以及企业数据文化的建设;2019年BI用户最关心的功能为:企业BI平台数据权限管控、探索式自助分析、快速搭建业务数据模型、OLAP多维分析、大数据处理性能、自助数据处理和移动数据分析查看。2019年BI行业基本面自我国开始实施国家大数据战略以来,大数据BI行业保持着高速稳定的发展。一方面得益于国家政策的牵引,如《大数据产业发展规划(2016-2020年)》等利好政策,对打造“数据、技术、应用与安全协同发展的自主产业生态体系”做了全方位的支撑和部署。另一方面,持续多年的信息化应用价值教育,企业自身信息化建设的准备,以及企业面临的实际经营难度和压力,都让越来越多的企业更坚决的拥抱BI产品,期望通过精细化运营来提升经营效益,增强市场的竞争力。当前我国已经进入BI(商业智能)及DA(数据分析)领域的第一方阵,并成为发展最快的国家之一,但距离美国还有一定的差距,在未来五年内,中国都将处于追赶态势。(1)企业信息化基础建设落后,BI市场教育需要持续进行。中国企业信息化起步较晚,企业上线BI更是需要一个过程。2001年我国加入WTO以后,受到上游国际企业的要求和影响,ERP、MIS、SCM、OA等综合业务管理系统在国内企业迅速生根发芽,从外向型规模制造企业到其他行业延伸,但直到2008年~2015年期间,一、二线城市稍具业务规模的企业才上线了主要业务系统,要知道美国通用汽车在20世纪80年代就已经实现了初步的OA与ERP功能。当前整体来看,中国企业信息化建设较美国落后10至15年,尤其是西北、西南等偏远地区,落后更多。(2)国内外的BI需求不同,国产BI的先进性需要重新定义。Gartner作为全球BI行业最重要的观察者,每年都会发布BI和分析平台魔力象限报告,报告中的领导者企业一般会被认为当前BI行业中最尖端企业,代表着最先进的生产力,遗憾的是至今国内BI产品还从未入榜。由于我国企业对BI的需求、关注点、市场特征、发展阶段均与国外有所不同,目前处于国外商业智能趋势风口的诸如自然语言搜索、语音生成、自动生成等增强分析功能在国内仍停留在概念阶段,并未形成规模化市场应用,所以国产BI厂商在需求的响应和方向选择上有自己的准则,并非“为了先进而先进”,所以国产BI的先进性需要重新定义。2018年中国大数据BI行业(纯软件销售收入,不含项目实施、项目运维)的增长率达到25.8%,比2017年的22.3%高出将近4个百分点。在诸多行业中,BI取得的成绩是十分瞩目的,BI行业的增长率约是中国软件业的2倍, GDP增长率(6.6%)的4倍。虽然增长率迅速的,但中国BI行业的市场规模依然很小,2018年约有16.6亿人民币,未来中国BI行业的发展潜力巨大。我们估计,2019年中国BI行业软件收入规模将达到21亿左右,增长率达到27%。大数据BI行业已然是个香饽饽,进场者越来越多,鱼龙混杂,整个竞争局面是神仙打架,小鬼遭殃。2018年活跃的BI工具和厂商,约有50个,较2017年的42个多出8个,很多产品都是近两年推出的。BI行业是个充满吸引力的领域,同时也是极具门槛的领域。B2B行业与B2C、C2C行业属性不同,即便是在互联网巨头或大量资本的支持下,没有较明显的产品优势、服务优势和用户基础,新创品牌是很难闯出一片天的。早些年大量融资的BI企业,2018年的日子并不好过,后劲明显不足。在市场知名度方面(品牌提及率,提到BI想到的厂商品牌),帆软以29.27%的品牌提及率一马当先,IBM以11.54%、SAP以5.98%分列榜眼、探花,微软以5.34%位居第四,Tableau以3.63%位居第五。IBM、SAP因为未能提供有竞争力的自助式BI产品,其知名度正持续下降,但得益于他们在IT领域的沉淀,销售业绩并未出现大幅度的衰减。微软、Tableau的产品因为本土化服务策略、商业策略以及产品特性,知名度也有限。至于领头羊的帆软,其稳健的产品和服务策略,知名度、销售业绩双双提升。其他厂商则过于小众,提及率普遍在1%以下,甚至更低。可以看到,同金融、保险、生产制造、互联网等行业一样,结合各企业的实力现状和发展潜力(人才结构、企业文化理念等因素),我们相信在未来的很长一段时间内,BI行业的马太效应持续增强,强者益强,弱者益弱。企业应用BI系统的现状如上文所述,企业对BI的重视程度在不断增加。为了让BI成功落地,产出更多价值,大多数企业改进了组织架构,对IT部门进行重新定位,比如分拆除ITBP、数据分析师、数据运营官等职能岗位。据调研,2018年约7成的企业已经成立了履行数据分析工作的相关部门(或扩展IT部门的职能),较2017年增长将近10个百分点。因为企业的需求,IT部门也正逐渐从幕后走向台前,承担更多的责任。调查数据显示,有35.2%的企业信息化方向和策略,是基于该公司战略目标或管理层决策制定的。有47.1%企业处于技术运维阶段(能够通过IT手段,增强企业业务的管理和运作能力,对业务有一定的支撑),有40%处于合作伙伴阶段(合作伙伴,能够在业务部门还未想到之前,就运用IT技术,帮助实现业务的发展和新业务的开拓)。对于工作成绩,领导层对数据分析/BI项目的满意度超过80%(非常满意的38.9%,比较满意的42.6%)。在IT部门不断崛起的过程中,BI的价值也得到了更充分的释放。调查数据显示,约38%的企业处于业务监测阶段(传统的DW/BI阶段,用以监测现有业务的运行状况),26%的企业处于业务洞察阶段(使用统计分析、预测分析、数据挖掘,来提示重大、相关的业绩改善建议,即“告诉我我所需要知悉的”阶段)。有16.7%的企业明确表示,BI建设落后,无法满足多变的需求,需要升级。此外,我们在调研中发现,BI的应用层面正从领导层向下扩散,越来越多的中间层(业务管理层、业务执行层)使用BI,2019年将更快的增长。从诞生之日起,BI的直接受众都是企业的决策者,但近来由于入门级BI(报表工具)的推广应用,越来越多的中层开始享用BI系统带来的好处。调研发现,在成功上线BI项目的企业中,约有57.3%的企业领导在使用BI进行数据查看和分析;业务管理层和业务执行层中越来越多的人在使用BI,人数已经过半。我们惊喜的发现,IT部门与业务部门的配合愈加紧密。虽然IT完全主导、IT强主导仍然是常态,但是业务强主导则从2017年的9.67%增长至2018年的23.31%,翻倍增长。未来将会更加紧密。仅有3.45%的企业,IT与业务的配合较差,存在一些部门墙。但是,25.9%的企业配合如鱼得水,IT理解业务,业务认可IT。整体来看,企业应用BI系统的状况不断良性发展,但也面临着诸多挑战,也是BI成功的重点、难点。(1)数据整合治理。64.8%的受访企业表示数据的整合与治理,是未来的主要挑战。数据问题主要集中在:“数据过于分散,形成数据孤岛,取数分析麻烦” “底层数据混乱,存在准确、失效、性能的问题”这两个方面。一半的受访企业认为,数据人才的培养和数据分析工具的选择,也是主要难点。(2)数据人才的培养。从整体背景来看,越来越多的企业开始把数据人才作 为企业经营战略版图的核心组成部分,集中表现越来越愿意花高薪聘请大数据人才,整体薪资水平在不断提升。但是优秀的大数据人才培养的成本 居高不下,培养周期长,人才供应始终是在大数据人才需求越来越大的背景下捉襟见肘。薪资竞争力不足以及企业创新力不足,让传统企业愈加困难。(3)企业数据文化的建设。在企业认可数据,积累数据的过程中,大数据团队对数据人才的培养也会逐步找到一些法门,这些方法和技巧无不是围绕在数据文化建设之上。调查显示,在彰显数据文化方面,虽然“沟通协调讨论用数据说话,基于数据讨论”达到了81.8%,但“数据获得容易,数据分析快速、流畅”还不足35.19%。让BI成功并非易事,尤其是让BI能持续产出价值,更是一个重大挑战。无论BI厂商如何去改进产品,都不能忽视掉使用BI的人的要素。我们交付给企业一款好的产品,但不教给他足够的本领去驾驭这款产品,就像给你一把绝世好剑,但没有给你剑谱,你依然是个菜鸟小白,即便给了你一个剑谱,如果你没有刻意练习,那到头还是一事无成。我们结合2017、2018年的售前咨询经验发现,企业用户如果不具备充足的BI项目建设能力,那么他们更倾向于让BI厂商提供一揽子方案,而不是只采购软件然后让企业的IT部门学习、实施。未来BI厂商提供给用户的,除了产品以外,还有配套的学习资源、培训资源、服务资源、交流平台、各行业咨询方案以及一揽子的项目实施,这一套组合拳,也正是国产BI厂商克敌制胜的法宝。2019年BI主要的功能需求Gartner2019年度分析和商业智能平台的魔力象限报告分析认为,到2020年,增强分析将成为新购买分析和商业智能,数据科学和机器学习平台以及嵌入式分析的主要推动力,50%的分析查询将通过搜索,自然语言处理或语音生成,或者将自动生成;到2021年,自然语言处理和会话分析将提高分析和商业智能的采用率,从35%提升到50%以上。如上文所述,中国实际情况与欧美不同,以Gartner为代表的分析机构并不能准确描述我国BI行业的实际状况,帆软数据应用研究院的研究结果可能跟接近用户的声音:中国BI用户目前主要的需求还是围绕企业BI平台数据权限管控、探索式自助分析、快速搭建业务数据模型、OLAP多维分析、大数据处理性能、自助数据处理、移动数据分析查看这七大核心模块。(1)企业BI平台数据权限管控支持企业用户的多级数据权限分配,数据表支持分配行级别以及列级别的权限,同时支持分级管理员对自己权限范围内的数据表、业务包、模板和用户进行管理,满足集团企业分级管理的需求。当今时代企业对数据安全管控越来越重视。无论未来商业智能市场发展趋势如何,BI平台数据权限管控都将是现代企业商业智能分析的基石。(2) 探索式自助分析支持业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析,以工具简单易上手的门槛和低学习成本,让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索,最大化业务数据的分析维度和分析效率,灵活发掘数据中可能潜在的业务价值。相比于过去IT集中式做报表的信息化模式,在未来,业务部门的数据和分析专家数量将以IT部门专家的三倍速度增长,相信这将迫使企业重新考虑其组织模式和数据技能。通过现代商业智能产品简单易上手的学习门槛,这将会让人人都成为数据分析师的能力不再只是IT人的独有技能。(3) 快速搭建业务数据模型根据企业不同业务数据分析主题进行分类管理,同时支持自动/手动构建高度可复用性业务数据关联模型,一次创建即可满足不同数据分析业务场景应用,无需反复对底层数据模型进行编辑修改。通过构建高度灵活、高可复用性的敏捷业务数据模型,让IT部门逐步摆脱企业取数机的困境,大幅度提高企业的数据分析应用效率。(4) OLAP多维分析支持强大的页面OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。由于传统的单一汇总式指标展示形式,已经逐渐无法满足业务分析的复杂度,OLAP多维分析提供的强大分析功能正是帮助用户洞察数据背后的深刻业务见解提供了便利的工具。(5) 大数据处理性能BI工具可支撑处理亿级大数据分析计算的秒级响应,提供加速引擎对传统关系型数据仓库(SQLServer、Oracle、Mysql等)进行数据提速处理,同时也支持实时对接企业大数据平台(Vertical、Kylin、Greenplum等)进行数据分析计算。通过BI工具强大的数据抽取计算引擎,能够极大地提高数据计算速度,同时也支持实时对接企业大数据平台,为业务用户提供海量数据下分析的性能保障。(6) 自助数据处理BI工具可通过快速易上手的交互方式,让业务人员也能完成工具层面的零代码数据加工处理工作,例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法,实现对数据的无限层次多维分析统计。传统BI工具对于一些稍微复杂的数据分析场景,往往需要依赖IT人员进行SQL或者ETL处理,然后再将结果数据导出给业务分析用户,沟通成本大,分析效率低。而通过零编码式的自助数据处理,让普通的业务分析用户也能快速的完成基础的数据清洗和加工操作。(7) 移动端数据分析查看BI工具支持移动端数据分析多维分析查看功能(兼容PC端的上卷、下钻、旋转、切片、联动、跳转等),对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等功能,同时满足某些社区平台如微信、钉钉的企业公众号集成。通过移动端的数据分析应用,正逐步让企业的数据分析展示终端不再仅仅局限于PC和大屏应用,较大地提高了分析的便捷性。结语BI(商业智能)已经成为企业精细化运营不可获取的一部分。企业数据需要转换为信息,升级为知识,升华成价值的过程要用到的种种技术和工具,就是BI。如果把企业经营和管理的数据比喻为金矿,那么BI就是一个淘金场,负责采集大量的金矿石、金沙,然后经过进一步的分离、加工等操作,最后提炼出千足金。BI系统的运作过程,也是炼石成金的过程。酒香也怕巷子深,BI工具的知名度还亟待提升。很多企业有非常明显的BI需求,但是他们不知道有“BI工具”可以帮他们解决问题,更不要说对BI厂商的认知了,这也从侧面反映出BI市场的巨大潜力。市场教育不是一朝一夕的事情,需要BI同行们的共同努力。“待到山花烂漫时,她在丛中笑”,2019年,中国大数据BI行业会更好。 作者简介帆软数据应用研究院资深专家,帆软阿米巴咨询总监,盛和塾理事长单位特聘顾问,浙江省经信委特邀研学专家。专注阿米巴经营、企业数据化管理、精益生产、智能排产。曾主导浙江华友钴业、海航、重庆耐德工业等企业落地阿米巴。尤其擅长集团数据治理,将大数据应用引入到企业,从数据角度解决企业面临的库存、财务、经营等管理问题;推倒部门墙实现经营数字化、透明化,解决企成本高、浪费大的问题;从数据角度为管理创新、产品创新另辟蹊径。帆软BI资深产品运营经理、资深数据分析专家。曾参与过华三通信、瓮福福团、神华能源、中财集团等诸多客户大型项目的前期BI信息建设推进。曾推出"FineBI V5.0基础学习视频"、“BI工程师从入门到精通线上学习班”、“跟Royide老师学习FineBI系列直播课程”,广受学员好评。帆软数据应用研究院研究员、帆软零售行业总监。专注于零售行业大数据解决方案、现有零售大数据解决产品《零售管家》,涉及零售企业攻守模型、数据化管理、门店管理、主题分析等模块。为永辉、步步高、中百仓储、广百等企业的大数据平台提供专业服务,帮助提升企业信息透明化、管理数据化,打通企业数据链和管理链,数据直达业务与管理,搭建企业数据与价值的桥梁。关于帆软数据应用研究院帆软数据应用研究院是帆软公司主导成立的,也是国内主要的、高水平的大数据BI分析领域研究机构。研究院专注于企业数据化应用、大数据BI技术趋势和理论观点的研究,致力于让数据成为企业真正的生产力。自2016年9月正式成立以来,研究院输出了大量的企业应用案例、行业解决方案、行业观察评论、数据化管理思维模型等内容,并指导参与了多个业内顶级会议、沙龙,专业水准和知识产量均被业内称道。

坂高

IDC追踪报告:帆软软件蝉联中国BI市场占有率第一

说起商业智能(Business Intelligence,简称BI),许多人脑海中估计第一时间都会想起SAP、IBM、微软等国际巨头。然而如果笔者告诉大家,在中国BI市场还有一家本土科技企业,即便是SAP、IBM这样的巨头,也要屈居其后,估计有不少人都会大跌眼镜。最近,全球知名咨询机构IDC根据2018年度各家BI厂商软件授权部分的销售额,发布了《IDC2018年中国商业智能软件市场追踪报告》(IDC China Business Intelligence Software market Tracker, 2018)。通过IDC发布的这份报告,我们可以看到:帆软软件以14.88%的市场占有率高居第一,领先第二名SAP多达4.6%。值得一提的是,这也是帆软软件在2017年以13.76%的市场占有率首次摘得桂冠之后,又一次蝉联中国BI市占率第一。如果我们注意观察的话,不难发现,排名第一位的帆软软件,在经过一年时间之后,与第二、三名之间的差距明显又拉开了不少。这也说明在过去一年中,帆软软件在中国BI市场的优势还在继续扩大。更值得关注的是,进入中国BI市场排名前十的软件企业中,有且仅有帆软软件这一家中国本土企业。作为榜单中仅有的一家中国本土厂商,帆软软件能够在这样强手如林巨头环伺的BI市场脱颖而出并且蝉联第一,尤为显得难能可贵。据悉,2019年8月15日至17日,由帆软软件主办的第二届智数大会将在南京召开。届时大会将通过一个主论坛、七大行业平行分论坛、N个行业热点话题、五个场景化数据应用专场,以及五十位行业龙头企业信息化大咖的企业信息化案例分享,为与会嘉宾带来一场饕餮盛宴。本着“让数据成为生产力”的愿景,成立于2006年的帆软软件,接下来又将在BI市场创造怎样的奇迹?我们不妨拭目以待。

地有人据

2020年中国BI产业发展“十大趋势”

2020年,中国企业服务市场会有什么样的发展趋势?在企业服务众多细分领域中,哪一个值得重点推进?作为企业服务生态中的每一个角色,又应该为2020年制订什么样的发展战略……这些关乎2020年企业服务发展大略的问题,成为“洞见2020——中国企业服务年会”上专业人士讨论的焦点话题。为对企业服务细分领域的走向有更深入、更有针对性的洞察,中国软件行业协会、中国软件网、海比研究联合帆软调研,共同推出“2020年中国BI产业发展十大趋势”。此次调研旨在通过针对企业服务细分市场的趋势洞察,推动企业数字化转型,实现健康快速发展。12020年BI需求将保持30%以上的高位增长态势。据海比研究预计,2019年国内BI的市场规模达到42.5亿元,2020年增长率30.8%,市场规模达到55.6亿元。国内BI产业仍处于快速发展期。厂商产品比较成熟,用户对BI理念和产品也越来越了解,需求也越来越明确。2数据分析将从专业数据分析师向业务人员扩展,自助式BI需求持续旺盛。数据分析的应用场景越来越丰富,越来越多的业务人员需要用数据分析来为自己的业务决策提供支撑。例如,一线业务人员能够凭自己的专业知识对数据快速地进行各个维度的交叉分析,从而找出问题的关键所在。这将进一步激发自助式BI的需求。让一线员工拥有数据分析能力成为BI厂商2020年的一项重要任务。3用户更加重视BI系统的稳定、简单、灵活、快捷,对自助式服务的要求越来越高。由于业务人员越来多地使用BI,他们没有技术背景,因此对BI系统的体验、简单、易用性要求持续增加。稳定、简单、灵活、快捷,成为自助式分析服务、自助式BI产品在2020年必须拼命追求的目标。这要求BI产品在五大核心应用场景做到极致,即制作分析页、使用分析页、管理分析页、数据准备、自助分析。并且,这五大核心场景都要做到稳定、安全、实用、简单、灵活、快。4中小企业、新制造、新金融以及新零售等目标客户将成为2020年BI目标市场中的亮点。新制造、新金融、新零售的理念在2020年会迎来更大的普及。在这些行业,“数据”是能源的理念越来越成为业界的共识,用BI对数据进行分析、充分挖掘数据价值成为他们的标准配备。中小企业2020年也会成为BI市场的新亮点,他们的应用场景主要集中在数字营销领域。海比研究调查发现,这些企业在进行BI产品选型时,会着重看中智能运维、企业级数据管控、数据准备、快速的计算引擎等功能。5SaaS型BI将在2020年获得更快的发展,但还不会成为主流。轻量的、面向部门级、项目级的BI应用开始大规模采用免费的SaaS,SaaSBI会迎来快速的发展,但2020年它还处于市场导入期,不会成为BI市场的主流。企业级的BI应用还是以本地部署为主。6数据分析与数据治理、数据资产管理将在2020年有更多的交集。2020年将会有越来越多的大型企业实施统一的数据治理、数据资产管理项目。BI是数据资产管理中的重要部分,两者的融合会越来越多。元数据管理、主数据管理、数据标签、多维数据分析等需要与BI深度集成,并在此基础上建立相应的分析模型。7AI与BI的融合将在2020年有更多的理论探讨,但还难于落地。AI与BI的融合成为这两年业界探讨的热点话题,2020年这种状况仍将持续。但主要集中在理念层面,真正落地的产品会很少。AI与BI所解决的问题并不一样,在当前的国内市场仅存在极小的重合部分。预计在2025年左右,BI开始迈入智能化阶段。8国内BI市场的竞争格局将在2020年有较大变化。在传统BI市场,竞争格局已初步成型。随着自助式BI的兴起,BI市场的竞争格局开始出现变化,新的格局开始显现。2020年,随着国内企业尤其大型企业对国产化要求的提升,国产品牌所占份额将大幅提升。国内有实力、上规模的厂商将开始增多,但帆软一家独大的局面仍然难以撼动。9BI厂商的商业模式将出现新的变化。当前,BI厂商主要采用的产品许可证和定制项目型商业模式。随着应用场景的多元化、厂商在商业模式的创新方面比较活跃。在现有主要模式的基础上,按分析模型、按数据分析运营服务、按数据分析量等付费也会成为BI厂商在2020年逐渐尝试的商业模式。10国产BI厂商越来越重视产品生态,打造一体化的国产BI生态成为他们2020年的一项战略任务。在国内BI市场,头部厂商已形成了各自相对成熟的生态体系。围绕商业智能的应用主题,通过线上社区、线下活动为伙伴和用户的高质量的生态服务,是当前BI生态运营的主要方式。2019年,以帆软为代表的商业智能创新实践峰会等活动相继涌现,会大大推动BI生态在2020年的普及。-END-

别离开

2018年中国大数据BI行业报告:自然语言生成和人工智能成为新标准特征

图片来自“123rf.com.cn”近年来,随着人们的数据意识和数据素养不断提升,商业智能和数据分析领域迎来了快速发展期, 据Gartner商业智能报告统计,到2020年全球的商业智能市场容量预计将达到228亿美元 。同时,大数据、人工智能、机器学习、深度学习等技术的快速发展,也促进了商业智能和数据分析产品的新一轮进化。 Gartner分析师认为,到2020年,自然语言生成和人工智能将是90%的新BI平台的标准特征,50%的分析查询将使用搜索、自然语言处理,或语音生成,或将自动生成。 但我们必须认识到,我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同,以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题,帆软数据应用研究院调研了规模不一的216家企事业单位,了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待,同时基于帆软数据应用研究院对行业的长期观察和思考,形成了该篇报告。主要预测: 2018年,中国大数据BI产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。 一、2018年中国商业智能行业发展分析 (一)行业总体形势向好 在当前经济环境下,企业盈利的压力和难度不断增加,越来越多的企业,尤其是一、二线稍具业务规模的企业,其高层都希望通过精细化运营提升市场竞争力,降低企业的运营成本。这些企业绝大多数都已经在2008年-2015年间上线了各种业务系统,存储了大量管理和运营数据,具备应用大数据BI进行数据分析和数据化管理的各种条件,这些需求将在2018年-2022年继续爆发。值得注意的是,艾瑞咨询在《2017年中国商业智能行业研究报告》中指出,我国已经进入商业智能领域第一方阵,成为发展最快的国家之一,但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长,市场容量将不断扩大。 (二)大数据BI厂商马太效应显现 马太效应是指强者越强,弱者越弱的现象,国内BI行业的马太效应已经显现,综合实力强大的厂商更能投入资源做好产品、服务,解决更多用户的需求和问题。可以预见,2018年中国BI行业马太效应将进一步增强,逐步淘汰掉实力弱、规模小、产品差的企业。 (三)新型自助式BI与传统型BI平分秋色 得益于敏捷、自助的特征,从2013年起新型自助式BI迎来了高速发展期,这一时期也是传统型BI的衰退期。2017年,传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中,约50.2%的企业仍然在使用传统型BI,其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI,通过报表平台+自助式BI+大数据底层平台的解决方案,来解决企业综合的数据展示和分析需求,形成经营和战略决策。在调研中我们注意到,约有18%的企业引进了新型自助式BI,部分或全部替代了传统BI。虽然传统型BI有其自身优势和应用场景,但随着新型自助式BI的不断发展,传统型BI必将逐渐退出历史舞台,从国际传统BI巨头积极调整产品结构可见一斑。 二、2017年中国商业智能用户状况分析 根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比,我们将BI用户(企业)划分为5大类型,即BI应用金字塔模型,以更好的统计、分析企业的BI应用状况。 (一)BI应用金字塔模型 1.IT完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成95%以上的BI分析页面(注:主要是指用于生产、经营、管理会议所需要的数据分析页面,下同)的开发。业务人员仅负责前端数据查看,完成查看报表时相关联动钻取操作。调研中我们发现,处于“IT完全主导型”这一等级的企业,约有93.2%都在使用传统型BI工具,企业的业务人员基本没有能力,也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈,企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要,相对缺少变革的动力。2.IT强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。从调研数据来看,这类企业中,67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作,所以选择让IT人员更多承担工作。这类企业中普遍认为,商业智能产品本身并非能够快速上手,且业务人员仍需要统计学基础,阻碍数据分析工作从IT人员向业务人员的转移。3.业务强主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的所有相关工作,完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。从调研数据来看,这类企业中,超过80.2%是曾经推行传统BI的企业,并且部分业务人员是有较高学历和能力的,能够学习和掌握商业智能工具和数据分析技能,并愿意在工作中积极使用;从帆软数据应用研究院的实地走访的部分企业来看,这些企业普遍行业排名靠前,公司从高层就重视数据分析工作。4.业务完全主导型其典型特征为,IT人员做底层数据仓库,以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。相比于第三类使用人群(业务强主导型),这类用户的一大特点是业务变革十分迅速,从事业务工作的人员学历普遍较高,业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高,是这类企业基本共识。比如在新兴的互联网企业,或者新零售领域,这个特点尤为突出。5.智能自助型其典型特征为,IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理,以及所有BI分析页面。IT人员搭建数据中心,业务人员完全自主处理和分析数据,这类企业有着明显的资源密集型的特点,业务人员更多的是偏向运营相关的工作。当然,因为此类受访企业占比较少,原因分析的可信度还有待进一步调研来核实。 (二)BI用户状况分布 基于BI应用金字塔模型,2017年企业分布如下;从调研数据中,我们可以得出两大结论。1、 IT人员主导企业数据分析的模式仍占据主流,也就是IT驱动仍是2017年企业商业智能平台应用现状 。从数据调研的受访企业来看,有高达60.5%的企业的数据分析工作仍是第二类型(IT强主导型),甚至有21.5%的企业的数据分析工作处在第一类型(IT完全主导型),这显然和业务人员自助数据分析的目标距离遥远。 2、新型自助BI正在成为商业智能市场的主流。 17.5%的企业是在2017年上线了新型自助BI,实现了让少部分业务人员自助完成BI数据分析的目标。 三、2018年商业智能用户需求分析 (一)企业多级部门数据分层次IT权限和平台管控,占受访企业97.6% 需求描述:BI工具支持企业的多级部门的数据/分析页面权限管控,使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。需求产生的原因:有的信息中心为释放压力,放权给业务部门使用数据,一旦口子打开,数据缺口就会像洪水一样泛滥,就又会走向另外一个极端,导致放权下的数据管理混乱,数据口径不统一,部门之间的数据壁垒等等问题就会出现,同时这将给企业带来极大的数据安全隐患。满足该需求对企业的价值和意义:在满足业务部门BI数据自助分析的同时,兼顾企业的数据权限管控,形成企业以IT部门集中管理下的良性数据分析风貌,杜绝企业数据安全隐患。 (二)业务人员可通过BI工具进行自助数据分析,占受访企业94.5% 需求描述:业务人员可以在浏览器前端,对自己权限范围内的数据进行多维拖拽探索和自助分析,发掘隐含在数据中的业务价值。需求产生的原因:企业的传统信息化建设中,IT信息中心对公司数据进行高度集中的管控,来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出,一旦业务部门需求集中扎堆,就会造成响应不足,业务部门怨声载道。信息中心自身成员熬夜加班做报表,成就感却很低。满足该需求对企业的价值和意义:通过高效灵活的BI工具,业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析,以工具简单易上手的低学习成本,让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索,最大化业务数据的分析维度和分析效率,灵活发掘数据中可能潜在的业务价值,同时也解放了IT人员的劳动力,降低企业人力成本。 (三)可快速搭建型自助BI业务数据模型,占受访企业87.5% 需求描述:数据库表中的数据需要基于业务分析主题进行分类管理,相关数据表之间支持手动/自动构建关联模型,同时建立的关联模型支持灵活应用,无需反复编辑修改或创建新的模型,一次建立即可灵活满足多重业务场景进行数据分析使用。需求产生的原因:传统BI工具创建的底层数据关联相互独立,无法重复利用,一旦遇到新的业务数据计算分析场景,数据关联就需要修改或重新创建,极为麻烦,非常不利于IT人员维护。满足该需求对企业的价值和意义:通过BI工具快速构建的新型自助式BI业务数据模型,较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点,极大地提高了BI工具的企业中业务数据分析应用的效率,解放了以往IT人员对数据维护的压力。 (四)OLAP多维分析:上卷、下钻、旋转、切片、联动、跳转等,占受访企业84.5% 需求描述:BI工具支持强大的页面OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。需求产生的原因:随着业务发展的复杂化,单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息,取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。满足该需求对企业的价值和意义:通过BI工具强大的OLAP多维分析功能,以实现多角度、多关联数据之间的数据无限层次探索分析,发掘出数据中潜在的业务价值。 (五)大数据处理性能处理能力达到十亿数据秒级响应,占受访企业63.6% 需求描述:BI工具可支撑处理亿级以上大数据分析计算的秒级响应,提供多维加速引擎对传统关系型数据仓库(SQLServer、Oracle、Mysql等)进行数据提速处理,同时也支持实时对接企业大数据平台(Vertical、Kylin、Greenplum等)进行数据分析计算。需求产生的原因:一方面,传统关系型数据库在面对上亿级别以上数据量时,容易出现性能瓶颈,长时间的查询等待往往会导致业务数据分析效率太低。另一方面,当今信息化水平飞速发展,越来越多的企业已经有了自己的高性能大数据平台,对于这部分企业来说,拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。满足该需求对企业的价值和意义:BI工具提供的强大数据计算处理引擎,能够降低企业数据查询等待时间成本,提高业务数据分析效率。同时,通过直接对接企业大数据平台,还可满足企业实时数据分析的需求。 (六)业务人员可完成工具层面的零代码数据加工处理工作,占受访企业57.5% 需求描述:BI工具可通过快速易上手的交互方式,让业务人员也能完成工具层面的零代码数据加工处理工作,例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法,实现对数据的无限层次多维透视分析统计。需求产生的原因:当业务需求相对偏复杂时,简单的维度和指标统计往往无法直接计算出业务所需要的计算结果,以往的处理方式往往可能是业务部门提需求给IT,然后IT经过SQL或者代码对底层数据表加工处理,然后最终导出一张excel数据表给业务部门,期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。满足该需求对企业的价值和意义:通过BI工具,使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计,降低了传统模式下的沟通成本和等待时间,提高了企业业务数据分析的应用效率。 (七)移动端数据分析查看支持,占受访企业44.9% 需求描述:BI工具支持移动端数据分析多维分析查看功能(兼容PC端的上卷、下钻、旋转、切片、联动、跳转等),对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等功能,同时满足某些社区平台如微信、钉钉的企业公众号集成。需求产生的原因:在当今这个移动设备便捷时代,仅仅PC端的数据分析已经不能满足某些特定时间和场所的业务分析需求了,而BI对移动端的支持已经成了必然要满足的功能点。满足该需求对企业的价值和意义:通过移动端的BI分析查看,使得数据分析不仅仅局限于PC端,较大地增强了数据分析的便捷性。同时微信和钉钉的集成接入,让业务通过社区平台也能直接查看想要的数据分析页面,更是为移动端数据分析锦上添花。 四、中国大数据BI产品功能预测 结合用户需求调研,和我国BI厂商的产品计划研究,2018年如下六个大的功能模块将会得到增强。 (一)提升自助分析的可操作性和功能丰富度 为满足业务人员可通过BI工具进行自助数据分析的需求,中国大数据BI产品需要改善自助分析的功能和可操作性,包括图表的丰富性。前端布局自定义搭配,让业务人员随心所欲布置。比如仪表板自由布局,可快速拖拽生成所需要分析的页面;在全面支持常见的柱状图、条形图等图形基础上,增加支持中国(世界)地图、GIS地图、桑基图等大数据图表;为了适应更加多样的用户,大数据BI平台需要支持强大的OLAP多维分析功能,包括分析视角的上卷、下钻,维度的旋转切换,指标的切换,分析数据的切片过滤,组件之间的联动过滤、页面超级链接跳转等。业务人员在OLAP多维分析的基础上,能够在数据分析查看时,再次对所有维度进行二次的维度指标加工,并无限层次多维透视分析统计,全面开放业务人员对数据的处理和分析操作,以满足当前中国用户多个视角、多个层级的分析需求,把传统业务分析的智慧充分沉淀到数据分析系统中来。为了给不同用户提供个性化的视觉体验,大数据BI平台支持表格动态数值预警功能和图形设置动态警戒线,支持图表样式风格自由拖拽调整。同时,也需要大数据BI平台智能自动设置预警值和样式风格等。 (二)提升平台的数据挖掘能力 为满足企业业务人员自助数据分析和自动挖掘的需求,中国大数据BI产品需要在已有的数据可视化和数据分析的功能基础上,增强数据自动挖掘能力,使业务人员在能够掌握挖掘基本概念的基础上,深入挖掘分析业务数据,为业务运营提供数据结论支持。大数据BI平台需要支持嵌入式高级分析功能,用户能够轻松使用平台内置的高级分析功能,也可以通过导入和集成外部开发的高级分析模型。比如平台内含数据挖掘常见算法(如线性预测、时序预测、聚类、分类等),或者提供外接其他数据挖掘平台和工具的可视化接口(如R语言或者Python语言),甚至内含适合特定业务场景的挖掘模型。 (三)提升平台大数据处理能力 为满足企业对大数据BI平台实时响应的需求,中国大数据BI产品需要将当前大数据处理能力提升一个量级,达到10亿数据量秒级响应水平,同时支持丰富多样的数据源。大数据BI平台需要支持丰富的数据源,如企业主流的关系型数据库、大数据平台、NOSQL数据库以及多维数据库,需要支持实时对接数据平台和分布式引擎拓展,同时支持跨数据源关联,同时支持对较大级别数据量进行数据抽取和索引建模,提高数据分析效率。 (四)提升平台的数据管理能力 为了满足中国企业业务人员用户对数据处理的需求,中国大数据BI平台需要提升自身的元数据管理能力、数据的ETL处理能力、数据存储能力。提高元数据管理能力,使得用户能够集中管理元数据,包括对元数据进行检索、提取、处理、存储、分享复用和对外发布。中国企业的业务人员将需要在数据分析的过程中,直接操作经过IT人员标准化处理的元数据。近几年来,中国数据分析人才迅速增加,企业中也成长出一批有一定数据分析能力的业务人才,这些中国企业业务人才更多的是需要对数据进行ETL处理和存储,这就需要平台功支持用于查询、提取、转换和加载的功能,具有索引、管理、调度数据的能力。 (五)提升平台分析的共享能力 随着ERP、OA、MES、HIS等常见业务系统的完善,企业少则数十套IT系统,多则上千套系统。新型自助BI需要能够与多个系统同时融合,全面分析企业的业务数据。这就需要中国大数据BI产品需要加强产品与不同软件系统的集成融合能力,这是中国企业面临的共同难题。大数据BI平台需要支持嵌入式部署,如主流的应用服务器,支持跨平台的权限集成和页面集成。大数据BI平台不同用户创建的分析页面,可以方便地分享给其他成员。同时,在企业的分析用户设计仪表板时,可以复用仪表板中的图表、维度、指标等,支持用户分享指定页面进行给其他部门成员,便于互动沟通交流。为满足企业人员实时办公、互通信息的需要。大数据BI平台还需要支持移动端上共享和查看分析结果,支持在移动端对分析结果进行数据层级钻取穿透、联动等。 (六)提升平台的安全性 为了满足企业多级部门同时使用、不同权限的功能,中国大数据BI产品除了要提供灵活丰富的用户管理功能、权限控制功能,还需要内置强大的用户行为监控与分析功能,确保企业的数据安全和信息保密。大数据BI平台将支持持批量导入用户,支持同步企业统一权限管理数据库中的用户,以企业IT系统统一的用户管理方式进行用户管理。支持用户以企业IT系统统一的用户权限认证方式进行权限管理。同时,需要支持短信平台功能,并可用于用户账号身份验证等,多种用户和权限管理方式,来满足广大中国企业的不同的安全级别要求和安全管理策略。随着大数据BI在中国的发展,中国企业自身的大数据BI平台已有众多员工账号。这就对大数据BI平台提出新的挑战,除了要拦截非法用户,还要对大数据BI平台有效用户进行有效监控。2018年,大数据BI平台需要支持监控用户的操作行为,支持监控页面被访问的频次、访问来源,甚至是支持监控访问到的数据范围。为了保证大数据BI平台系统持续支持企业经营管理,需要大数据BI平台支持系统数据迁移到企业数据库,支持对系统进行备份与还原,备份可以手动或设置周期定时备份。同时,支持云端服务器部署和本地服务器部署,支持多机热备,达到企业的灾备要求。此外,为了有效避免BI平台出现严重异常,还需要支持监控自身的运行性能,遇到系统性能风险,提前给出系统预警信号。本文来自亿欧,创业家系授权发布,略经编辑修改,版权归作者所有,内容仅代表作者独立观点。

不公平

IDC《2017年中国BI市场的的跟踪报告》发布 中国厂商帆软位居第一

近日,著名咨询机构IDC发布了《2017年中国商业智能(BI)市场的的跟踪报告》,本次报告取2017年度各BI厂商的软件授权部分的销售额(不包含项目实施及咨询),从数据中看,该领域TOP10中有9席为国外厂商,仅有一家国内厂商帆软软件入围前十,且以13.76%的优势占比获得第一名。数据取自:IDC《2017年中国商业智能(BI)市场的的跟踪报告》从厂商份额占比图中可以清楚的看出,帆软软件超越了SAP、IBM、Microsoft等众多巨头厂商,除SAP和帆软占有相差不到1%外,其他厂商差距还是比较大的。更值得关注的是进入前十的厂商仅有帆软一家,即使拉取了市场占比前20名的厂商也不见其他国内厂商身影。究竟是如何原因能够使得仅有的一家国内厂商入围TOP10且能以比较有优势的占比获得第一,这究竟是怎么样的一家中国公司?帆软软件成立于2006年,一直致力于商业智能(BI)领域,从创业时的3个人到如今近800人的团队,一直保持着帆软“有趣”的公司形态。一、坚持不融资,真正服务于市场从2012年到2017年间,TOB公司的融资热已经席转了整个市场,期间,如果哪家企业不融个几轮都觉得没有面子。而帆软就比较有趣,相继婉拒了众多知名投资机构的看好,坚持做自己。对于为什么不融资,在刚刚由帆软主办的智数大会上,帆软CEO陈炎也表示:帆软暂时不需要融资,他认为效率比融资更重要。另外,从选择的角度,融资或者不融资,不论哪一种选择方式,都是有风险和不可控的。他表示,去年国内著名的投资机构都与帆软有过接触,但是从今年开始,他谢绝了所有投资方的造访。解释这一点无非两点,一方面,帆软的确是资金充足,另一方面,络绎不绝的拜访过多占用了他的决策时间。从效率的角度,帆软人均产出效率不高,仍有很大的提升空间。而从投入的角度,陈炎认为,一家公司,人、财、物够用就可以了,没有必要在不提高效率情况下盲目融资。市场上那些疯狂膨胀的创业公司大多是本末倒置。“目前帆软资金充足,不需要融资。”陈炎披露了公司的商业信息:2017年公司实现了2.78亿元的销售业绩,利润20%左右,预计2018年销售额增长75-80%,销售额将超4.3个亿。二、坚持校招,从“白纸”到“精英”帆软拥有有趣的人才观,比如:工作三年以上的人基本不考虑,年龄偏大的不优先考虑,为了和大厂抢人,大量的资金和人力投入到校招上。在TOB的市场,更多的公司想要的是有工作经验且工作经验丰富的人,而帆软则是反其道而行,步入了以校招为主的“大厂模式”,而帆软的培训更是让众多想效仿的同类厂商望而却步,三个月的带薪培训期,从技术培训到商务培训再到最后的市场验证淘汰了高达百分之70以上,而销售的培训更是长达6个月,这更加增大了招聘成本和培训成本,但帆软这一坚持便是12年。帆软CEO曾在某次采访中提到:“帆软乐于培养一张白纸,帆软也敢承担培养一张白纸的所有成本。”为何这样?从刚刚过去的智数大会陈炎的演讲中或许也给了我们答案:“帆软每年从高校、从社会上择优招聘大量年轻员工,也培养和锻炼了大量优秀的员工。面对阿里、用友等各种大公司的高薪高位吸引,迄今至少没有任何大区负责人为之所动。本来,这些情况公司管理层并不掌握,直到有一天,陈炎从友商的一位高级管理者那里得到这样的消息,称帆软的员工很有骨气,怎么挖也挖不动。这让他非常感动和自豪。在他的眼里,这就叫有理想。”总结下来则是一句话:帆软员工的稳定性极高。三、诚信为本,投诉热线挂董事长唯一手机号曾和很多企业CIO聊天,聊到帆软,了解帆软的大多都会提到一个有趣的问题,那便是帆软的投诉电话是董事长的私人电话,唯一且24小时开机。很多的创业公司达到一定规模,服务也便一层层的下沉,很多时候因为岗位架构的问题不能及时及完美的解决客户问题,而帆软为了解决这个问题,直接采用简单粗暴的问题,一切投诉问题由董事长亲自处理。这在行业内,除了帆软应该没有第二家同等规模的公司敢这么做吧?对于这种行为,董事长给出的解释也非常接地气:“帆软要做一家诚信的企业,对内对员工诚信,公司的所有信息对每一位员工公开。对外要对客户诚信,答应客户的要不惜代价的做到。”四、产品易用,贴合国内用户需求作为自助式BI工具,FineBI依靠完善的数据管理策略、对大数据的良好支撑、可视化探索式分析、智能数据挖掘算法应用及以IT为中心的企业级管控五大优势实现自助式数据分析,解决了原有IT部门对业务数据需求响应不及时的痛点,让业务人员也能通过FineBI对数据进行可视化拖拽和无限维度的自由透视分析。而企业级Web报表工具FineReport基于无编码理念,用户可通过拖拽的方式快速设计出报表,搭建数据决策分析系统,从而解决了原有项目周期长,后期维护成本大的痛点。此外,基于以上两款产品的FineMobile移动BI平台,让企业的数据管理驾驶舱无处不在;可视化大屏更是让数据直观易看,成为每个企业的标配数据工程。再说说帆软产品为什么能够占有如此大的优势?帆软的产品非常务实,基于客户实际的应用场景深挖客户需求,将资源投入到那些能够快速提升企业数据决策效率的功能当中去,比如数据挖掘、spider计算引擎、复杂报表等等,而不会为了迎合市场宣传需要去大打AI、语音互动等噱头。此外,小功能采用插件方式更新,大功能则基本上每一年更新一次,而插件式的功能点更是解决了软件更新一次就需要技术人员忙很久的痛点。另外,帆软的功能点基于用户的需求,这也使得帆软的产品更具中国特色,符合中国企业信息化发展的需要。而且,在定制化开发,售后服务等方面帆软更具备得天独厚的优势。当然,除了以上说的几点有趣的地方,帆软对“产品的坚持打磨”和对“用户始终如一的服务态度”才是真正使得帆软成为国内行业占有率第一的真正原因。但正是这几点不可复制的公司形态使得产品每一次更新都更迎合市场需求,每一次改变都是真正的“蝶变”。也是因为如此,帆软才能有如今力压众多国外巨头厂商,成为真正的行业第一。

相即

中国BI产品全解析与行业洞察报告:亿信华辰行业领跑

近日,中国科技产业智库甲子智库发布了《大数据时代的商业智能:BI产品全解析与行业洞察》,报告包括BI商业智能产品概念及分类、行业发展情况、BI厂商企业情况及未来发展趋势等内容,现摘取部分内容,与读者分享。为帮助市场更好地把握商业智能产品和需求的发展动向,甲子智库梳理了数十家BI厂商的发展近况,同时调研了150余家企业用户。通过双向观察供给侧和需求侧,核心洞察和结论如下:1、BI应用的五大热门行业是互联网、金融、消费与零售、政府和交通运输。2、当前,典型BI厂商具备大数据、AI等综合技术实力,以及丰富的行业实践经验。3、未来,商业智能将与AI、云计算、物联网等新技术进一步深度融合,以提供更综合的大数据解决方案、更贴近业务的数据服务和更加便捷的应用模式。1.核心观点2.产品概念及分类亿信华辰作为具有BI功能的大数据厂商,能够实现数据采集、存储、管理、分析与可视化应用。 3.行业发展情况4.企业情况从上述分析,可以看出,亿信华辰作为BI领域头部厂商,成立时间早,不需要融资,产品线长,客户遍布各个行业,重点服务政府及集团企业,与超过1500家以上的ISV、软件集成商合作,完成数据分析项目的实施与交付。5.未来发展趋势一站式大数据解决方案将是BI发展趋势,而亿信华辰旗下一站式数据分析平台ABI,正是一款融合了数据源适配、ETL数据处理、数据建模、数据分析、数据填报、工作流、门户、移动应用等核心功能而打造的全能型数据分析平台,打通数据生命周期的各个环节,实现数据填报、处理、分析一体化,为用户提供一站式数据服务。结语:14年来,亿信华辰凝心发展,厚积薄发。积累了7500+企业数字化转型经验,尤其是在一些行业头部企业中,打造了众多最佳实践。14年来,亿信华辰不忘初心,跃马前行。变的是在大数据领域深度探索,形成属于自己的产品生态,不变的则是始终坚持服务客户为核心,不断打磨更适合客户的产品。

绿松石

BI&数据分析平台产品发展趋势

编辑导语:数据分析,是用统计分析方法对收集来的大量数据进行分析,提取有用信息从而形成结论。简单来说,就是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究对象的内在规律。随着数据分析被越来越多的企业所采用,出现了越来越多的数据分析平台,本文作者就对BI&数据分析平台产品的发展趋势进行了分析。近十几年来,在互联网技术和业务快速发展的同时,商用BI&数据分析产品和行业发生了翻天覆地的变化。十几年前,传统BI平台厂商占据着大部分市场;2010年前后,以Tableau为首的现代BI&数据分析平台厂商开始快速崛起,最后抢占了绝大部分的市场。是什么让现代BI获得了企业和组织的青睐,最终在市场竞争中获胜?BI平台的发展趋势,又能给我们什么样的启示?通过对Garnter魔力象限和相关资料的解读,我总结出以下几点:笔者在公司负责内部数据分析类产品的建设,后续的分析将围绕数据使用进行,其它如厂商市场策略、数据技术方面的内容将不会涉及。一、数据使用的门槛不断降低2005年来,技术发展和产品设计思路的创新,让BI平台在产品部署、数据的准备和使用方面的门槛都大幅降低,让业务人员以更低的成本获得所需的数据。1. 从依赖IT部门到自助分析企业中BI平台的用户,可以根据工作职责分到两类部门:业务部门和IT部门。1)业务部门是企业中直接负责业务经营的部门,业务部门往往直接面对企业的用户和市场,直接对企业的业务目标负责。业务部门会生产出一系列原始数据,并利用分析这些数据得出的结论优化业务结果。2)IT部门一般由技术人员或专业数据分析师组成,他们具备专业技术知识,能进行BI平台的部署和维护;他们也能够根据业务需求,进行数据分析和报表的开发。IT部门主要的工作职责,是通过辅助和支撑业务部门的工作,间接推动公司的业务发展。传统BI平台产品设计的重点是产品的标准化和功能性,而没有在易用性上投入足够的精力,导致传统BI平台有着较高的使用门槛,只有经过训练的IT部门的技术人员才能进行数据的开发和维护。因此,所有业务部门的数据报表需求,都被集中到IT部门进行排期开发,IT部门成为了整个公司数据化的瓶颈。对于IT部门,需求沟通和开发工作量巨大,每天疲于奔命;对于业务部门,业务需求沟通开发周期很长,无法满足业务发展对数据的需求。尤其是业务方面的一些数据探索类分析需求,在这样的时间周期下,近乎无法实施,拖慢了整个组织的运营效率,更别提进入快速试错,迭代认知的正循环。以Tableau为首的现代BI平台,被称为敏捷BI或者自助BI。这类BI产品提供了轻量的部署方式、易用的数据源连接功能和通过拖拉拽进行交互式数据可视化的能力,降低了BI平台的使用门槛。业务部门的人员经过一定的学习就可以摆脱对IT部门的依赖,自行进行数据准备,数据报表的创建和数据分析。将原来按月、按周计算的开发周期,缩短到按天甚至按小时、分钟计算,数据需求实现的周期有了数量级级别的降低。去IT部门中心化,让组织内部的数据应用的广度和深度都有所提升。广度方面,原本IT部门资源有限,组织的数据使用场景更多的集中在企业经营的核心领域,比如:财务、销售、业绩管理这些直接跟公司业绩直接相关的领域;其它方面的数据应用,投入相对较少。现代BI平台的诞生,让营销、供应链、仓储、HR、风险管理等等领域的负责部门获得搭建自身的数据分析体系的能力。数据应用的深度的增加可以从两个角度理解:数据覆盖人员层次的纵深增加。一开始数据只能提供给高级管理者,作为企业的重要决策参考使用;数据门槛降低后,数据可以渗透到一线员工的具体工作中,让更多人形成分析-行动-反馈的正循环;数据在决策过程的覆盖率增加。数据在组织中的主要用途是减少决策的不确定性,提升决策质量。在决策链路或推理过程的诸多论证步骤中,得到的数据支撑越多越有力,决策的可靠性就会越高,最后决策的效果就会越好。虽然去IT部门中心化的开发方式提升了业务数据需求的实现速度,帮助现代BI平台产品在市场竞争中获胜。但各个部门独立进行数据准备和分析,缺乏统一的管理。在数据应用规模增大后,导致了数据的重复开发、数据口径不一致等诸多问题。这些问题已经超出了BI平台本身产品的范围,更多的是组织结构、流程和数据管理的问题,建设企业级的数据中台是目前业界用于解决上述问题的方案,在此就不展开阐述了。2. 自然语言查询虽然现代BI平台已经让数据分析门槛下降了很多,但仍然存在一定的学习成本。用户需要具备一定的数据分析思路和方法,理解现代BI平台多维数据模型,掌握BI平台的界面逻辑和交互方式。NLP技术的发展和对用户场景的理解,让BI平台开始尝试开发通过自然语言进行数据查询的功能。用户只需要提出数据问题,BI平台就可以根据已知的数据,为用户提供可视化的数据分析结果,供用户进行进一步的决策使用。BI平台会真正成为个人专属的数据分析师,随时解答用户的数据问题。主流数据分析平台都已经开始尝试这方面的探索,比如Tableau的Ask Data,PowerBI的Q&A功能等。二、数据分析能力的持续增强看数据只是业务数据应用的第一步,通过数据分析发现潜在问题、洞察机会,最后获得业务增长才是最终目的。1. 静态报表传统BI阶段,BI平台只能提供静态的基础报表工具。所有的报表要在需求沟通的阶段都明确好数据内容,在报表开发时写死到程序里。这个阶段的报表,只能起到描述业务的作用,即告诉业务人员,当前业务的状态是什么样的。当然,业务人员可以事先在报表需求中固化一些常规分析套路。但如果业务在使用过程中有更多的需求,哪怕只是对进行一个之前没有考虑到的维度细分,也只能再次给IT部门提需求进行数据分析或报表修改,排期开发后才能得到结果。这种数据获取效率节奏,让组织无法快速响应市场变化,进行充分的数据化决策。2. 数据探索除了前面提到的降低数据使用门槛,现代BI的另一个优势,是为用户提供了交互式的数据探索功能。业务人员可以在现代BI的多维数据模型(Cube)基础上,通过符合直觉的软件界面交互,快速进行数据的探索和可视化分析。业务人员可以查看宏观的指标数据,再根据需要对指标进行细分下钻,在多个指标之间进行对比,利用现代BI的可视化图表功能,从数据中产生洞察。在数据探索功能的支持下,业务人员的数据分析思路可以在第一时间落地,完成数据分析过程中的猜想和验证,加快了业务获取数据的效率。在数据探索产品中,所谓的报表搭建只是在探索过程中固化下来的一个常用的分析思路。业务人员可以根据业务目标的变化,对业务理解的深入和分析思路的完善,不断调整和新建报表,达到数据应用效率的最大化。数据探索功能可以让数据在组织内部更高效的流转起来。业务人员可以在现代BI中按照自己的分析思路,搭建一份完整的数据分析报告,并利用平台的分享功能在组织内部进行分发,达到信息同步和沟通的目的。3. 增强分析在现代BI的帮助下,业务人员获得了灵活的进行数据分析的工具,但数据分析的具体思路和对数据的判断和解读还是需要人工参与。数据分析的整个过程依然需要消耗一定的时间精力,分析结果也很大程度上取决于分析人员的分析能力和业务理解能力。增强分析是将常见通用的数据分析的场景沉淀为产品功能中,利用机器学习和统计学方法,辅助分析人员完成数据分析。一方面,增强分析可以提升常见场景的数据分析效率,规范分析过程;另一方面,分析人员可以借助计算机的计算能力,从数据中挖掘到隐藏的信息。4. 细分分析细分分析是数据分析的一种重要分析方法。将一个指标按照某个维度拆成多个组成部分,再对每个部分进行进一步细分,直到产生洞察或者发现问题。在数据波动分析、问题原因排查的场景中,都会用到细分分析方法。PowerBI和QuickBI都提供了在指标波动的场景下,自动进行原因定位的功能。QuickBI的智能监控,可以展示出各维度和相关指标对波动指标的贡献度,方便用户发现问题原因;而PowerBI产品的波动分析则更进一步,使用自然语言生成技术和一系列辅助图表,直接为用户呈现波动分析的数据结论。5. 智能洞察业务人员在接触到新业务或者新数据时,需要进行一定的数据探索,了解数据的基本情况;对于已经熟悉的数据,业务人员也可能因为数据分析不够充分,无法掌握数据所有的特征。智能洞察可以利用统计模型和AI技术,对数据集进行初步探索,帮助业务人员发现数据中的隐藏规律,比如:平均值、极值、关键维度、主要分布情况、指标关系等。智能洞察功能的代表有Tableau的Explain Data和PowerBI的Quick Insights。三、数据和业务流程的结合愈发紧密数据是手段,业务才是目标。为了让业务人员可以更好的使用数据,组织倾向于业务流程和数据更紧密的结合起来,通过产品和AI手段,让数据可以更好的支持、辅助甚至代替业务人员进行决策。与业务的结合越紧密,数据的业务定制程度越高,通用型也会越差。所以下面描述的部分应用场景会超出现代BI平台的功能范围,创造业务价值才是BI平台存在的意义,让业务和数据更无缝的结合、尽可能缩短业务问题到业务决策的路径,必然会成为BI平台未来的发展方向。1. 线下流程无论是外部采购BI平台,还是自研数据产品,组织中的数据分析系统往往与已有的业务系统(CRM、营销系统等)相互独立。这要求业务人员具备一定的数据应用主动性和分析能力,了解在业务的哪些过程中需要进行数据结论支撑,并且自行到BI平台中进行分析。为了提高组织整体数据化决策水平,保障决策质量,组织会用规范业务流程、组织培训等方式,提升业务人员的数据应用能力,让决策环节中有充分数据支撑。但线下流程终究会带来大量学习和管理成本,执行落地的效果也得不到很好的保障。2. 数据分析嵌入业务工作流现代BI平台提供了各种功能,将其提供的数据能力嵌入到业务系统中。业务人员可以在业务系统中,一站式完成数据分析到运营动作再到效果反馈整个流程闭环。BI平台厂商期望产品具备足够强的通用性,这必然会牺牲BI平台在特定场景下的易用性。为了满足更细分的需求,需要选择针对业务场景设计和实现的产品。比如网页和App用户行为分析场景下,可以选择Google Analytics、友盟、神策分析、GrowingIO等产品解决数据问题。如果组织具备一定的开发能力,也可以自行将特定的数据分析方法集成到业务系统中,让业务人员可以按照系统设计的思路,轻松完成常规业务数据分析。3. 智能分析直达决策数据分析嵌入业务工作流后,业务人员的数据分析效率大幅提高,但分析过程仍需要人工介入,进行决策。能不能去掉人工分析的过程,让机器直接提出决策建议、甚至直接进行决策呢?在AI已经深入人心的今天,机器智能决策已经在许多领域广泛应用。业务数据分析作为BI平台主要使用场景,也出现了很多利用AI技术结合数据分析提出决策建议的应用。通过大量人工业务分析总结出的业务经验、再加上AI和机器学习技术的加持,让机器一次性完成业务分析和行动建议。比如淘宝的生意参谋,可以分析出业务存在的主要问题,提出行动建议。数据分析有四个层次:描述、诊断、预测和决策,BI平台的发展历程,正是按照这四个层次的顺序,不断为业务赋予更大能力的过程。在互联网业务快速发展的大背景下,从业者对数据的理解和应用意识不断提升,各个领域的数据应用方法也随着行业发展不断沉淀完善。这些都与BI平台自身的发展一起,形成合力,推动整个行业的数据应用水平迈上了新的台阶。本文由 @季白 原创发布于人人都是产品经理,未经许可,禁止转载题图来自 Unsplash,基于 CC0 协议

变身

2018年BI市场谁执牛耳?

数据大爆炸时代,企业数据爆发式增长,越来越多的企业开始意识到利用数据资产的重要性,强调运用数据进行科学化运营,传统的粗放式经营已经成为过去式。如何利用大数据和移动互联为中心的技术创新进行数据化转型,有效改进产业的商业运作模式,已成为各行各业的所有参与者不容忽视,并且需要刻不容缓,大力解决的重要课题。而商业智能技术(BI)正是用于支撑企业数字化运营、降低运营成本、增加企业受益。随着人们的数据意识和数据素养不断提升,BI市场迎来了快速发展期。企业出于对现有数据分析和挖掘的需要,始终对BI领域保持高度的关注。很多公司都意识到,在高速变化和竞争激烈的市场中,企业需要对自身业务更加熟悉,而且能够使之随市场变化迅速调整,这样一来,BI的作用就显现了出来。从Gartner的报告显示,到2019年自助分析和BI用户创造的分析结果将超过数据科学家。既然,BI市场有着如此惊人的市场潜力,相关的市场玩家也是纷纷“你方唱罢,我登场”。这里面既有传统的BI厂商,也有众多的创新BI玩家。那么,在如此竞争激烈的市场,谁能最终执牛耳呢?新技术浪潮下的BI市场当前,出现了不少新型BI平台以满足新的需求:可访问性、敏捷性、更深度的分析洞察、从IT主导的、系统记录报告转向业务主导的、包括自助服务的敏捷分析。虽然目前传统应用型BI与新型自助式BI的比例持平,但是约有18%的企业在引进新型自助式BI,部分或全部替代了传统BI。传统BI的使用对象是IT技术人员,自助式BI的适用对象是最终用户——业务分析师、领导层。随着数据越来越多,分析时间越来越长,企业和用户需要通过自助式BI工具降低数据分析的门槛。在大数据时代,商业智能和数据分析软件市场正在经历一场巨变,强调易用性、人人都能使用的分析软件正在取代传统复杂的商业智能和分析软件成为市场的热点和趋势。同时,国际传统BI厂商也逐渐向自助式BI和云BI转型。在这样的进程中,SaaS服务化与AI融合化成为国际BI市场未来发展的重要趋势。云计算使数据更容易汇聚,降低数据收集的难度,AI技术增强了数据分析能力。随着云计算的深入发展,SaaS渗透率不断提升,更多的数据汇聚到云端,实现互通互联。SaaS在市场中变得火爆的原因就是人们想要获取资源,而又不想自己亲自去构建相关的设施。SaaS的出现将IT部门从管理大量实施的繁琐工作中解放出来。同样,国际众多BI厂商也向SAAS转型,从Gartner18年最新BI魔力象限中也可看出,不乏以SaaS BI主营产品的厂商存在。但众所周知,国内软件发展的道路上一直伴随着一个词“本土化”,即满足国内国情发展的功能、产品需求。而国内对于SaaS BI接受程度到底有多大?这还值得商榷当前,以人工智能为代表的技术革新对于各行各业产生了重要影响,BI行业也不例外。从本质上来讲,AI的目标是帮助客户从数据当中获取洞察力,创造价值。而BI和AI虽然只是一个字母的不同,但是对企业来说却有着相同的目标,那就是通过数据洞察实现更精准的趋势预测和辅助决策,提高企业竞争力以及提升企业的运营效率。所以,AI会成为商业智能的重要组成部分。根据Gartner分析师的预测,到2020年,自然语言生成和人工智能将是90%的新BI平台的标准特征,50%的分析查询将使用搜索、自然语言处理,或语音生成,或将自动生成。BI市场出现的这些技术趋势虽然代表了未来的发展方向,但是作为BI厂商应该从现实出发,满足客户需求而不是片面追求概念。作为深挖BI市场的帆软从自身的实践为我们展现了本土BI厂商的坚持与创新。坚持不只是口头说说竞争愈加激烈,搅局者也层出不穷,对于国内商业智能这一领域的发展,坚持便成了一项不可或缺的品质。商业智能(BI)这个词最早由Gartner于1996年提出,而国内发展要追溯到2012年,大量的BI玩家登场,老BI玩家也开始转型,其中不可不提的便是帆软了。在BI市场发展历程中,报表也成为其重要的一部分,在2013年前,大多的企业通过上BI产品来完成日常的经营分析、客户分析和报表展现。没有IT基础建设和各个业务系统的成熟,BI就是空中楼阁。这一时期,报表需求替代了大量的BI需求,也可以说报表是BI的前身。而商业智能BI市场的成熟需要依托企业业务应用系统的成熟,这个成熟主要是指业务系统数据沉淀的数据周期,这个过程至少需要3-5年的时间,企业才会考虑到数据打通和整合的问题,这便可看到2013年之后了,BI成了行业热词,成为大数据建设中不可不提的一个环节。帆软这家企业是国内BI发展的缩影。2013年前,软件行业提到报表都会想起“南帆软,北润乾”这句饶舌,这也反应出帆软在报表行业的深耕沉淀。而在2016年,北润乾的润乾也低调退出报表市场,力推自己的王牌产品“集算器”,这一清华才子最终选择自己最擅长的算法为自己企业命脉。而帆软依旧坚持深磨产品finereport,并于近期推出finereport 10.0版本,自此,企业报表市场帆软一家独大。2012年,大量的BI玩家进场,比如由经纬等多家投资机构投资的永洪科技,由百度高管创建的海致BDP等。其中帆软也在这个期间开始转型,严格来说不是转型,可以说是创新,帆软意识到自助式BI的已经到达了市场需求值,便推出了其自助式BI产品——FineBI,而本次创新,帆软背靠自己强大的用户群,很快有了质的突破,这也是让帆软得以2015年进入专注于商业智能领域第一个进入亿元俱乐部的玩家,并于17年已拥有了2.78亿的销售额。在问起帆软如何看待如此变化的时候,帆软CEO感慨到:“这是我10年前如何都想不到的,当时觉得能做到千万已然是比登天还难,而现在在看看,十亿百亿也不是这个市场的天花板。帆软的成长空间还极大,相信2020年帆软能突破10个亿”。看似骄傲的一句话,其实背后有着无穷多的不为人知的辛苦,谁都不知道这个几个人的团队如何度过了账上只有2000多元的初创期,变成如今近800人的团队。谁又能想到在2013年左右,前有心如竞争对手疯狂融资打价格战,后有巨头厂商收购堵截,这家厂商不仅度过了,而且活的比谁都好。一度销售额、人员规模指数级增长。问及怎么做到的时候,帆软CEO只说了两个字——坚持。一、资本诱惑下不盲目,坚持为客户创造价值,服务客户早在12年左右,国内第一家BI厂商拿到融资前后,帆软便进入了资本市场的关注视野中,更在15年后获得众多知名创投方的青睐,但帆软在仔细分析了自身后,还是决定不融资,拒绝了大家投来的橄榄枝,其中也有转向投资发帆软竞争对手的创投方。2015年,对帆软更重要的事,帆软已经连续三年销售额过5000万,帆软已达到独立主办上市的资格,而帆软也没有。而在众多厂商在为没有融资而发愁的时候,帆软为何这般。帆软CEO说:“可能因为不缺钱吧,帆软没想清楚要那么多钱能干嘛。”二、“人云亦云”局势下,坚持不追逐市场声音,不欺骗合作伙伴,拒绝“BI云化”还记得前文提到的BI云化这个话题吧?对于这个话题,帆软给出了他们自己的看法,其提到一个小故事,2017年时,一个国内巨头厂商找帆软合作,给出了很多诱人的资源,但要求帆软产品云化,挂在他们的云上。面对这些想得到的资源,公司内开了一个内部会,讨论这件事,最终结果也很“帆软”。直接拒绝掉,面对到嘴的资源,帆软为何这般,帆软也给出了很多他们的理由,其中有一条我觉得是最重要的,那便是国内绝大多数,也可以说全部具有一定规模的企业不接受把关键数据放在云上。这也成为国内让BI云化成为不可能关键因素。想想也是,企业命脉放在别人那,谁会放心。另外一些,功能定制化无法100%实现、产品技术门槛等理由都显得不值一提了。再放眼看这个市场,SAP推出的SAP分析云操作、功能、界面等接近完美,但现在只有一家国内的“德企”客户,如此巨头都推不动一家本土企业,自然有了理论根据证明帆软是对的。所以,帆软拒绝了这到嘴的资源,最根本的原因是不愿意“骗伙伴”,拿到资源却不能给伙伴带来价值。三、专业的人做专业的事,坚持做好自己的产品,不盲目扩大产品线很难想象,一家做了12年公司,现在还只有两款产品,帆软便是这样一家企业。从2006年至今,帆软产品的上下游公司很多,比如ETL、数仓等等,但帆软在项目中遇到这样的需求的时候大都找自己的合作伙伴,坚信专业的人做专业的事,帆软现在还是专注于FineReport报表产品和FineBI自助式BI产品,最多是衍生出数据大屏、移动端、行业解决方案等方案型产品,就连帆软的定制化团队——项目组都是从15年才真正成立的。这么想来,把两款产品能做到极致便成为顺理成章的事情。而面对“简道云”这款强大易用的应用搭建工具,帆软藏了很多年,也不能说藏,了解之后发现,这款产品是帆软布局云市场的一款产品。孵化初期,很多内部的员工都不知道这是帆软自己的产品。原因很简单:除了钱,帆软没有提供任何市场、产品的支持,完全团队自研。销售渠道和帆软王牌产品渠道不存在一点交集,而继承了帆软很多良性品质,这款产品自16年底收费至此,销售额也乘指数级增长,但这并不影响帆软坚持的专注。四、坚持市场需求导向,做真正满足客户需求的功能,让客户满意“帆软的新功能是客户提出来的”这是和帆软产品经理聊天过程中印象最深的一句话,在产品的交互上,帆软站在用户的角度上,设身处地的去思考如何让产品更易用,所以造就了易用性最强的口碑。在产品的功能上,帆软也不墨守陈规,用户需要啥帆软就做啥,比如FineReport的填报功能,国外的典型报表是没有的,客户需要了帆软便做了出来。还比如客户原本需要每月、每周甚至每天机械的导出报表,机械重复,繁琐无趣,还容易出错,帆软便就做了定时调度,把客户解放了出来。 所以到最后,你看到FineReport已经不仅仅一款报表产品了,是什么不重要,只要是用户需求的就行。另外,帆软在AI+BI层面,数据挖掘、语音识别等方面也都有布局,但初心不变,依旧坚持客户需求为最终导向。让客户满意,我们才有明天。围绕客户满意度,帆软的组织架构和服务方式也几经变革。原来服务团队分为售前和售后两个,对应服务于不同状态的客户,后来发现这种模式下转接效率和体验很低,比如一个初来咨询的客户,会被QQ工号转来转去,然后问题还要一遍一遍的重复描述。于是,我们就变革了组织架构,服务团队整合为一个,按照地区划分,同时尽量确保服务人员长期对接这个客户,不再转来转去。时势造英雄 BI市场大有可为如上,帆软的成长路径或许不足为奇,但是以产品为根基,却能直达客户所需。当前的BI市场正处于一个转折点,唯有抓住市场风向,才能赢得市场。不管是FineReport还是FineBI,帆软都通过对技术的采纳以及客户需求的把握找准了方向,为BI市场奉上了过硬的产品,这些产品成为新BI时代的重要代表。这也便是一家良性的企业所折射出的市场发展,注定马太效应会成为整个市场优胜劣汰的基准法则。

陈淳

BI(商业智能)与BA(商业分析)大比拼

BA:“商业分析方法”,是指英文的Business Analytics。BI:“商业智能”,Business Intelligence。这是两个不同的概念,但很少有人能理解他们之间的差别。其实简单的点来说,可以把“商业智能”理解为将数据转化为知识的分析工具,把“商业分析”理解为基于知识的决策方法。在实际应用中,二者的范围是交叠和关联的。“商业分析方法学”来指代BA和BI的组合。首先需要确定这两个概念在商业活动中扮演的角色。两者的分析视角、切入点和着重点不一样。商业智能被用于回顾,是对企业数据进行整理、分析和展示,对已经存在的数据提供观点;商业分析则是对企业数据进行分析、建模、模拟计算和预测。BI着重点在于数据分析,AB着重点在于信息应用。BA 重在信息应用;BI着重于从数据中发现已经发生了什么,从而提醒决策者采取行动,BA着重于从信息中洞察为什么发生并预测将来的趋势,从而计划下一步的行动。因此对企业来说,BI与BA时高度关联的。正因为如此,BI产商往往包括了数据采集、OLAP分析、Reporting、BA,这时候BA成了BI的一个模块。比如国内DataFocus 系统,就包括了以上所有功能。BA也需要一些分析应用的解决方案来支撑,因此也就包括了BI。如果我们想获得业务的成功,就需要把两者结合起来看。举个例子,你必须借助商业智能来观察你的公司哪些方面做得好,哪些方面还需要改进。接着你可以用这些信息结合商业分析,来预测未来你想做的改变会对公司造成哪些影响?如果你熟知以上这些方法,那么商业分析和商业智能会帮助你用最正确的方式做出最对的改变。BA与BI都是企业IT部门为企业提供服务的有效工具或者是方法。如果你正在考虑大数据,预测市场的未来走向,做出你自己的业务决定,那么请你学习商业智能和商业分析的区别,并且把它解释给别人听。建立对这两种术语的理解,避免混淆,做正确的判断。除非注明,否则均为DataFocus企业大数据分析系统,让数据分析像搜索一样简单原创文章,转载必须以链接形式标明本文链接。