報(bào)告摘要

BI商業(yè)智能的核心在于體現(xiàn)決策價(jià)值

? 企業(yè)數(shù)字化轉(zhuǎn)型的本質(zhì)是經(jīng)驗(yàn)驅(qū)動(dòng)決策向數(shù)據(jù)驅(qū)動(dòng)決策的轉(zhuǎn)變。

? BI平臺(tái)成為數(shù)據(jù)產(chǎn)生價(jià)值的主要方式。以BI建設(shè)為中心的數(shù)據(jù)中臺(tái)服務(wù)，逐漸成為海量數(shù)據(jù)處理與分析的核心平臺(tái)。

? 在企業(yè)中提供更深刻的業(yè)務(wù)洞察力，是管理層依賴BI平臺(tái)進(jìn)行決策的基礎(chǔ)。

? BI業(yè)務(wù)的發(fā)展使得業(yè)務(wù)人員進(jìn)行數(shù)據(jù)分析的門檻大幅降低。

向數(shù)據(jù)和分析兩端發(fā)展 一體化平臺(tái)成為趨勢(shì)

? 企業(yè)不再滿足于一般的報(bào)表與敏捷式儀表盤，企業(yè)的BI需求變得更加靈活和高效。以云BI平臺(tái)為基礎(chǔ)的一站式大數(shù)據(jù)平臺(tái)，成為新的趨勢(shì)。

? 在數(shù)據(jù)管理方面，現(xiàn)代BI平臺(tái)既需要利用傳統(tǒng)BI的數(shù)倉資產(chǎn)，還需具有更強(qiáng)數(shù)據(jù)源管理能力和深度分析功能。

? 在易用性方面，增強(qiáng)分析技術(shù)、語義搜索與嵌入式分析技術(shù)將大幅降低現(xiàn)代BI平臺(tái)的使用門檻。

技術(shù)平臺(tái)更加靈活 場(chǎng)景融合成為關(guān)鍵

? 隨著微服務(wù)架構(gòu)及容器技術(shù)的發(fā)展，更多的BI一體化云平臺(tái)采用松耦合架構(gòu)，基礎(chǔ)平臺(tái)具有更好的靈活性和業(yè)務(wù)適應(yīng)性。

? BI系統(tǒng)在實(shí)施過程中，需要深入挖掘企業(yè)需求，重新梳理企業(yè)管理方法、流程和管理體系，這個(gè)過程技術(shù)平臺(tái)與垂直行業(yè)場(chǎng)景的融合成為關(guān)鍵。 

目錄

一. BI商業(yè)智能行業(yè)概覽

二. BI商業(yè)智能的價(jià)值

三. BI商業(yè)智能的重要應(yīng)用場(chǎng)景分析

四. BI市場(chǎng)規(guī)模測(cè)算與分析

五. BI商業(yè)智能的未來趨勢(shì)

六. BI商業(yè)智能廠商競(jìng)爭(zhēng)分析及典型廠商介紹

結(jié)語

一、商業(yè)智能行業(yè)概覽

2019年，國際商業(yè)智能行業(yè)格局巨變。6月6日，Google以26億美元現(xiàn)金收購商業(yè)情報(bào)軟件和數(shù)據(jù)分析平臺(tái)Looker；4天之后，更具爆炸性的新聞爆出，SaaS第一股Salesforce以157億美元的價(jià)格收購BI領(lǐng)導(dǎo)者Tableau，成為Salesforce歷史上最大的一筆收購案。

國際巨頭通過收購進(jìn)行產(chǎn)業(yè)整合并不新鮮，但如此密集的BI類并購在歷史上并不是首次，12年前就已經(jīng)發(fā)生。2007年，Oracle33億美元收購Hyperion，SAP 68億美元收購Business Objects（BO），IBM 50億美元收購Cognos。這不禁讓人發(fā)問，IT巨頭為何熱衷于收購BI企業(yè)？

在互聯(lián)網(wǎng)C端市場(chǎng)，流量入口始終是商家必爭(zhēng)之地，而BI軟件則是數(shù)據(jù)分析領(lǐng)域最重要的入口之一。BI與分析領(lǐng)域的產(chǎn)品和技術(shù)，是所有用戶尤其是大客戶的剛需。2019年，云計(jì)算進(jìn)入2.0時(shí)代，大數(shù)據(jù)為BI提供了海量數(shù)據(jù)分析需求，業(yè)務(wù)復(fù)雜性和數(shù)據(jù)復(fù)雜性帶來的雙重挑戰(zhàn)，成為新一輪BI并購潮主要推動(dòng)力。

1.1 BI商業(yè)智能發(fā)展歷程

BI(Business Intelligence, 商業(yè)智能或商務(wù)智能)源自企業(yè)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行價(jià)值挖掘與展現(xiàn)的需求。1989年，BI概念由Howard Dresner定義而廣泛傳播，此時(shí)的BI定義為由數(shù)據(jù)倉庫、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)維護(hù)等部分功能組成，以幫助企業(yè)決策為目的的技術(shù)應(yīng)用。

圖1: 1968年-1989年傳統(tǒng)BI企業(yè)成立時(shí)間軸

數(shù)據(jù)來源：愛分析 

商業(yè)智能不僅是一種技術(shù)，更是一種企業(yè)集成數(shù)據(jù)解決方案。這包括了ETL（Extract-Transform-Load，抽取-轉(zhuǎn)換-加載）、數(shù)據(jù)倉庫、DM（DataMining，數(shù)據(jù)挖掘）、OLAP、數(shù)據(jù)可視化等多種工具。1968年到1989年，傳統(tǒng)BI的廠商如Cognos、SAP、Oracle、Teradata、MicroStrategy等陸續(xù)成立。

2013年之前，傳統(tǒng)BI產(chǎn)品一直是市場(chǎng)的主流，但這并不是一個(gè)很好的市場(chǎng)。根據(jù)IBM的統(tǒng)計(jì)數(shù)據(jù)，實(shí)施傳統(tǒng)BI的項(xiàng)目失敗率在60%-70%，大量的BI系統(tǒng)并沒有得到有效的使用。傳統(tǒng)BI產(chǎn)品，通常只能由技術(shù)人員在設(shè)計(jì)好的維度模型上建立數(shù)據(jù)倉庫。這造成了兩個(gè)問題，技術(shù)人員難以完全理解業(yè)務(wù)人員的需求，數(shù)據(jù)倉庫不能滿足不斷變化的業(yè)務(wù)需要。

敏捷BI為了解決上述兩個(gè)問題而出現(xiàn)。敏捷BI，又稱自助式BI，是指由業(yè)務(wù)人員自助式建模，能夠?qū)崿F(xiàn)快速部署、數(shù)據(jù)源集成、高性能計(jì)算、探索式分析的BI可視化產(chǎn)品。由于業(yè)務(wù)人員自行建模，擺脫了數(shù)據(jù)無法體現(xiàn)業(yè)務(wù)需求，技術(shù)人員不懂業(yè)務(wù)需求的困境。讓數(shù)據(jù)直接反映業(yè)務(wù)，成為敏捷BI的一大特點(diǎn)，典型的敏捷BI廠商有Tableau、永洪科技等。

表1: 傳統(tǒng)BI產(chǎn)品與敏捷BI產(chǎn)品

數(shù)據(jù)來源：愛分析搜集

1.2 BI商業(yè)智能技術(shù)架構(gòu)和演進(jìn)路線分析

傳統(tǒng)BI商業(yè)智能體系結(jié)構(gòu)主要由數(shù)據(jù)源、數(shù)據(jù)存儲(chǔ)與管理、OLAP引擎和前端工具組成。數(shù)據(jù)倉庫、數(shù)據(jù)集市與OLAP引擎是傳統(tǒng)BI體系的核心。傳統(tǒng)BI技術(shù)體系對(duì)海量數(shù)據(jù)計(jì)算與動(dòng)態(tài)業(yè)務(wù)的支持均不足，系統(tǒng)搭建、建模過程均需技術(shù)人員完成。

BI商業(yè)智能從傳統(tǒng)BI階段向敏捷BI的發(fā)展過程中，數(shù)據(jù)源與數(shù)據(jù)管理、增強(qiáng)性分析、交互易用性，是BI技術(shù)架構(gòu)快速演變的主要方向。具體表現(xiàn)為傳統(tǒng)數(shù)倉向海量混合存儲(chǔ)與高效治理演進(jìn)、離線數(shù)據(jù)分析向增強(qiáng)性實(shí)時(shí)分析演進(jìn)、靜態(tài)報(bào)表向自助圖表和智能交互演進(jìn)。

圖2: 傳統(tǒng)BI的體系結(jié)構(gòu)

數(shù)據(jù)來源：愛分析搜集

1.2.1 傳統(tǒng)數(shù)倉向海量混合存儲(chǔ)與高效治理演進(jìn)

傳統(tǒng)數(shù)據(jù)倉庫和OLAP引擎不適用于當(dāng)今BI業(yè)務(wù)對(duì)數(shù)據(jù)存儲(chǔ)和查詢效率的需求。隨著業(yè)務(wù)數(shù)據(jù)的快速增長，傳統(tǒng)不的數(shù)據(jù)倉庫不能滿足存儲(chǔ)和計(jì)算的需求。一方面數(shù)據(jù)ETL的效率快速下降，原本在一個(gè)小時(shí)內(nèi)可以準(zhǔn)備好的數(shù)據(jù)通常延遲到一天后才能進(jìn)行分析；另一方面數(shù)據(jù)查詢效率快速下降，實(shí)現(xiàn)秒級(jí)的查詢變得越來越困難。

MPP或大數(shù)據(jù)平臺(tái)成為應(yīng)對(duì)海量數(shù)據(jù)的主要解決方案。MPP（Massively Parallel Processing，大規(guī)模并行處理系統(tǒng)）不同于事務(wù)處理數(shù)據(jù)庫，更適于OLAP場(chǎng)景。采用MPP方案的典型案例是領(lǐng)先的數(shù)據(jù)倉庫企業(yè)Teradata，其在1990年就發(fā)布了第一款MPP數(shù)據(jù)庫產(chǎn)品，目前MPP架構(gòu)仍是處理高質(zhì)量結(jié)構(gòu)化關(guān)系型數(shù)據(jù)的首選方案。國產(chǎn)BI軟件中，永洪科技數(shù)據(jù)集市產(chǎn)品同樣采用了MPP架構(gòu)。

Hadoop經(jīng)過幾年的高速發(fā)展，近兩年雖略顯疲軟，但仍是主流的大數(shù)據(jù)平臺(tái)。Spark、Flink等分布式計(jì)算引擎與分布式數(shù)據(jù)庫、分布式存儲(chǔ)等新興技術(shù)快速補(bǔ)足大數(shù)據(jù)平臺(tái)生態(tài)的缺口。目前，大數(shù)據(jù)平臺(tái)已經(jīng)能夠適用結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)處理，目前敏捷型BI產(chǎn)品一般都具有Hive、Spark SQL等大數(shù)據(jù)平臺(tái)查詢接口。

動(dòng)態(tài)的業(yè)務(wù)需求對(duì)BI商業(yè)智能數(shù)據(jù)治理的要求更加嚴(yán)格。傳統(tǒng)BI成功的關(guān)鍵在于元數(shù)據(jù)的良好定義，元數(shù)據(jù)一旦定義，修改成本將十分高昂，但由于技術(shù)人員有限的業(yè)務(wù)理解和多變的業(yè)務(wù)形態(tài)，良好的元數(shù)據(jù)定義通常難以實(shí)現(xiàn)。數(shù)據(jù)治理即為了解決元數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一，數(shù)據(jù)質(zhì)量管控、數(shù)據(jù)集成效率低等問題出現(xiàn)相關(guān)工具和方法。IBM、Qlik等BI企業(yè)都已在其產(chǎn)品提供或者加強(qiáng)了數(shù)據(jù)治理功能。  

1.2.2 離線數(shù)據(jù)分析向增強(qiáng)性實(shí)時(shí)分析演進(jìn)

傳統(tǒng)BI的離線數(shù)據(jù)分析難以滿足實(shí)時(shí)/準(zhǔn)實(shí)時(shí)需求。通常當(dāng)天業(yè)務(wù)結(jié)束后，BI系統(tǒng)進(jìn)行統(tǒng)一的查詢、計(jì)算、分析和展現(xiàn)?？蛻舨荒軐?shí)時(shí)獲取當(dāng)天的分析結(jié)果，難以滿足快消、物流、航空等實(shí)效性要求較高的業(yè)務(wù)對(duì)BI的需求。

實(shí)時(shí)/準(zhǔn)實(shí)時(shí)BI分析目的是實(shí)現(xiàn)秒級(jí)的查詢響應(yīng)。目前，實(shí)時(shí)BI產(chǎn)品有三個(gè)發(fā)展方向，采用MPP/大數(shù)據(jù)架構(gòu)（Presto/Impala/SparkSQL/Drill）優(yōu)化查詢性能、采用分布式搜索引擎架構(gòu)（Elasticsearch、Solr）和預(yù)計(jì)算分布式OLAP引擎（Druid/Kylin）。

上述三種方案，采用了內(nèi)存計(jì)算、并行計(jì)算、分布式計(jì)算和分布式通信等多種方式提高響應(yīng)速度，除此之外現(xiàn)有的BI廠商還通過庫內(nèi)計(jì)算技術(shù)，將開銷大的計(jì)算直接在數(shù)據(jù)存儲(chǔ)的地方計(jì)算，大大減少了數(shù)據(jù)移動(dòng)，降低了通訊負(fù)擔(dān)，提高的數(shù)據(jù)分析性。

除實(shí)時(shí)性要求外，隨著AI技術(shù)的快速發(fā)展，利用自然語言處理與機(jī)器學(xué)習(xí)技術(shù)進(jìn)行增強(qiáng)性分析成為BI系統(tǒng)的剛需。微軟、Tableau、ThoughtSpot、MicroStrategy都推出了相關(guān)產(chǎn)品。未來，數(shù)據(jù)預(yù)測(cè)和數(shù)據(jù)挖掘的將變得更加智能，自動(dòng)化的數(shù)據(jù)準(zhǔn)備、基于模型的擴(kuò)展分析、預(yù)測(cè)式分析等增強(qiáng)分析技術(shù)將成為主流。

1.2.3 靜態(tài)報(bào)表式表現(xiàn)向自助圖表和智能交互演進(jìn)

傳統(tǒng)BI的前端為靜態(tài)類報(bào)表，業(yè)務(wù)人員不能直接調(diào)整報(bào)表；業(yè)務(wù)需求變更時(shí)，需由技術(shù)人員配合變更。在部分場(chǎng)景下，如月度財(cái)務(wù)會(huì)計(jì)場(chǎng)景，這類靜態(tài)報(bào)表在效率和準(zhǔn)確性上具有優(yōu)勢(shì)，但在動(dòng)態(tài)業(yè)務(wù)場(chǎng)景下，靜態(tài)報(bào)表已經(jīng)不能滿足現(xiàn)代企業(yè)對(duì)數(shù)據(jù)分析的需求。

敏捷BI為業(yè)務(wù)人員提供探索式分析與自助圖表工具。在已有的數(shù)據(jù)指標(biāo)和維度不能夠滿足業(yè)務(wù)分析的需求，傳統(tǒng)BI往往無能為力；而業(yè)務(wù)人員使用敏捷BI，可以通過拖拽的方式，自定義新的指標(biāo)和維度，進(jìn)行探索式分析。這一過程不需要技術(shù)人員長期參與，大大縮短了業(yè)務(wù)人員與數(shù)據(jù)之間的距離。在海量存儲(chǔ)和高效查詢的技術(shù)支撐下，敏捷BI可以利用自助圖表實(shí)時(shí)展現(xiàn)自定義指標(biāo)，從而快速滿足業(yè)務(wù)需求。

由智能問答技術(shù)支撐的智能交互成為新的BI表現(xiàn)形式。無論是傳統(tǒng)BI還是敏捷BI都在往智能化BI的方向發(fā)展。利用自然語言理解進(jìn)行自然語句查詢、利用知識(shí)圖譜實(shí)現(xiàn)業(yè)務(wù)預(yù)警、利用專家系統(tǒng)提供業(yè)務(wù)咨詢成為商務(wù)智能新的發(fā)展方向。

除自助式表現(xiàn)與智能交互成為新的BI表現(xiàn)形式外，嵌入式分析也成為主要發(fā)展方向。利用嵌入式分析，不同的系統(tǒng)的相關(guān)報(bào)告可以實(shí)時(shí)整合到一個(gè)圖表，從而形式上避免了數(shù)據(jù)孤島的產(chǎn)生。

1.3 BI商業(yè)智能的業(yè)務(wù)流程及主要商業(yè)模式

1.3.1 業(yè)務(wù)流程

 BI商業(yè)智能的業(yè)務(wù)流程從傳統(tǒng)BI和敏捷BI兩個(gè)角度，可分為兩種。兩種BI業(yè)務(wù)流程在適用場(chǎng)景、部署方式、部署/使用成本上都各有不同。

傳統(tǒng)BI業(yè)務(wù)流程，分為業(yè)務(wù)需求定義、BI平臺(tái)建立與部署、BI使用及維護(hù)三步，其中BI平臺(tái)建立及部署又可分為建立數(shù)倉模型、數(shù)據(jù)抽取-轉(zhuǎn)換-加載、構(gòu)建分析主題以及分析報(bào)表和儀表盤制作。在傳統(tǒng)BI業(yè)務(wù)流程中，BI平臺(tái)的使用和業(yè)務(wù)需求的定義主要由業(yè)務(wù)人員完成，而BI平臺(tái)的構(gòu)建與部署主要由技術(shù)人員完成。

圖3: 傳統(tǒng)BI業(yè)務(wù)流程

數(shù)據(jù)來源：愛分析

傳統(tǒng)BI業(yè)務(wù)流程經(jīng)過長時(shí)間檢驗(yàn)，具有成熟的建模方法，能夠很好的整合業(yè)務(wù)數(shù)據(jù)。建立數(shù)倉的過程通常也是企業(yè)業(yè)務(wù)流程梳理和數(shù)據(jù)價(jià)值提煉過程，因此，從數(shù)據(jù)倉庫中獲取的數(shù)據(jù)通常是精煉有序的業(yè)務(wù)數(shù)據(jù)。

同時(shí)，傳統(tǒng)BI的構(gòu)建過程十分復(fù)雜，因此業(yè)務(wù)需求方、使用方與平臺(tái)的構(gòu)建方是分離的。因此造成傳統(tǒng)BI流程，部署成本高、部署周期長、業(yè)務(wù)需求與平臺(tái)功能不一致、報(bào)表剛性難以調(diào)整，業(yè)務(wù)人員難以根據(jù)需要制作報(bào)表、IT部門負(fù)擔(dān)重等缺點(diǎn)。

因此傳統(tǒng)BI流程適用于基礎(chǔ)性、大容量，需求和數(shù)據(jù)框架穩(wěn)定的數(shù)據(jù)分析業(yè)務(wù)。

敏捷BI業(yè)務(wù)流程，通過敏捷型的BI工具或者平臺(tái)實(shí)現(xiàn)的。在敏捷BI業(yè)務(wù)流程中，技術(shù)實(shí)現(xiàn)與業(yè)務(wù)分析實(shí)現(xiàn)了分離，因此敏捷BI業(yè)務(wù)流程中主要以業(yè)務(wù)人員自助式實(shí)現(xiàn)數(shù)據(jù)源連接、指標(biāo)集定義、探索式分析和自助的報(bào)表制作和儀表盤展示。

圖4: 敏捷BI業(yè)務(wù)流程

數(shù)據(jù)來源：愛分析

敏捷BI業(yè)務(wù)流程具有快速部署、靈活變更、高效查詢和自助式分析的特點(diǎn)，所以部署成本和使用成本低于傳統(tǒng)BI。同時(shí)，因?yàn)槊艚軧I是由業(yè)務(wù)人員主導(dǎo)的，因此敏捷BI的業(yè)務(wù)流程更接近業(yè)務(wù)分析的需要。

但是，敏捷BI業(yè)

務(wù)流程中并無復(fù)雜的數(shù)據(jù)建模過程，也無法提供高級(jí)的數(shù)據(jù)管理功能。因此，敏捷BI業(yè)務(wù)流程在實(shí)施過程中同樣需要借助傳統(tǒng)BI中建立的數(shù)據(jù)倉庫，通常敏捷BI的數(shù)據(jù)源連接過程還會(huì)連接如Hadoop平臺(tái)、Excel等其他多數(shù)據(jù)源數(shù)據(jù)。因此，敏捷BI業(yè)務(wù)流程并不能完全替代傳統(tǒng)BI的業(yè)務(wù)過程。

1.3.2 商業(yè)模式

BI商業(yè)智能主要為兩種商業(yè)模式，產(chǎn)品/SaaS模式和服務(wù)模式，其中服務(wù)模式又包括IT服務(wù)型和業(yè)務(wù)服務(wù)型兩種。

產(chǎn)品/SaaS模式，是將BI產(chǎn)品或者SaaS交付給客戶，并由客戶自行實(shí)施。Tableau是該模式的典型代表，其主要以Tableau Desktop和Server版本為主，同時(shí)也提供嵌入式開發(fā)和SaaS服務(wù)。除咨詢服務(wù)外，Tableau的使用主要由業(yè)務(wù)人員根據(jù)實(shí)際需要自行完成。除Tableau外，MicroStrategy和大部分敏捷BI廠商及SaaS服務(wù)提供商都屬于該模式。

產(chǎn)品/SaaS模式提供給客戶靈活敏捷的BI產(chǎn)品，客戶能夠及時(shí)應(yīng)對(duì)業(yè)務(wù)變化的需要，但是單一的產(chǎn)品通常難以滿足客戶業(yè)務(wù)定制化的需要。

服務(wù)模式，是以IT服務(wù)或者業(yè)務(wù)服務(wù)的方式為為客戶提供基于BI的整體解決方案。

提供IT服務(wù)模式的企業(yè)主要以O(shè)racle、SAP、IBM、SAS等傳統(tǒng)BI企業(yè)為主。這類企業(yè)主要以搭建BI信息系統(tǒng)為主，但在搭建數(shù)據(jù)倉庫過程中需要與業(yè)務(wù)人員進(jìn)行充分配合，涉及大量業(yè)務(wù)咨詢與梳理過程。傳統(tǒng)BI廠商都建立有自身的BI實(shí)施方法論。以SAPBW為例，其實(shí)施過程大概分為項(xiàng)目計(jì)劃和準(zhǔn)備、設(shè)計(jì)階段、開發(fā)階段、測(cè)試和部署階段以及系統(tǒng)上線階段等。

IT服務(wù)模式雖然充分結(jié)合的業(yè)務(wù)需求和技術(shù)實(shí)現(xiàn)，但其主要以傳統(tǒng)BI流程為主，通常涉及多個(gè)部門的協(xié)調(diào)配合，同時(shí)其高昂的部署成本難以靈活的適應(yīng)現(xiàn)代企業(yè)的需要。

業(yè)務(wù)服務(wù)模式，基于一站式大數(shù)據(jù)分析平臺(tái)構(gòu)建敏捷型BI產(chǎn)品，并以服務(wù)的方式支撐企業(yè)的業(yè)務(wù)分析需求。業(yè)務(wù)服務(wù)型廠商既要具備建立數(shù)據(jù)湖的能力，而不僅僅是建立數(shù)據(jù)倉庫，以便數(shù)據(jù)整合；通常以SaaS方式提供多樣化的服務(wù)。

1.4 BI商業(yè)智能行業(yè)圖譜

 BI商業(yè)智能行業(yè)圖譜從BI組件和整體解決方案兩個(gè)維度列舉了現(xiàn)有的BI-產(chǎn)品和BI廠家。BI組件以產(chǎn)品為主或者廠家主要產(chǎn)品所處的領(lǐng)域，BI組件中包含大量開源產(chǎn)品，通常為自建BI平臺(tái)廠商采用。整體解決方案主要從國內(nèi)和國外兩個(gè)領(lǐng)域列舉了主要的供應(yīng)商，從事整體解決方案的方案企業(yè)一般能夠提供完整的BI組件，不一一列出。

BI組件主要分為ETL工具、數(shù)據(jù)倉庫/數(shù)據(jù)集市、元數(shù)據(jù)管理、OLAP Tools/Server以及前端的查詢、分析與挖掘、報(bào)表和可視化等組件構(gòu)成。BI組件可以分為商業(yè)產(chǎn)品和開源產(chǎn)品兩類，商業(yè)組件多集中在分析/挖掘報(bào)表、報(bào)表、可視化、ETL等領(lǐng)域，這些領(lǐng)域通常是性能要求高或者對(duì)業(yè)務(wù)變化比較敏感的部分。

BI組件開源產(chǎn)品中Apache系Hadoop、Impala、Hive、Drill、Atlas、Kylin、Superset幾乎涵蓋從存儲(chǔ)到分析的大部分模塊，此外Cloudera、Airbnb、Pivotal、Hitachi等企業(yè)也貢獻(xiàn)大量開源力量，由中國團(tuán)隊(duì)主導(dǎo)的Druid和Kylin目前已經(jīng)成為主流的OLAP開源工具。但開源產(chǎn)品主要應(yīng)用于互聯(lián)網(wǎng)公司（如快手、美團(tuán)等），如果沒有專業(yè)維護(hù)團(tuán)隊(duì)，開源產(chǎn)品并不能滿足業(yè)務(wù)部門的需要。

圖5: BI商業(yè)智能行業(yè)圖譜

數(shù)據(jù)來源：愛分析

BI整體解決方案廠商，也可以成為一體化平臺(tái)廠商。傳統(tǒng)BI廠商的產(chǎn)品中如Oracle OBIEE、SAP BO、IBMCognos、MicroStrategy是傳統(tǒng)的四大BI廠商，其特點(diǎn)是具有從ETL到可視化的整套組件，并提供業(yè)務(wù)建模咨詢服務(wù)。而Pentaho是目前主流的BI開源解決方案。

敏捷BI廠商與傳統(tǒng)BI廠商相比，通常為具有數(shù)據(jù)源融合與管理能力的可視化產(chǎn)品。以敏捷BI的鼻祖Tableau來講，其不僅支持傳統(tǒng)BI的OLAP數(shù)據(jù)，還可以從AWS、AZURE、Dropbox、Excel等不同類型的數(shù)據(jù)庫和文件中獲取數(shù)據(jù)。國內(nèi)領(lǐng)先的敏捷BI廠商永洪科技，目前支持的數(shù)據(jù)源多達(dá)27種。

二、BI商業(yè)智能的價(jià)值

2.1 BI商業(yè)智能不等于數(shù)據(jù)分析工具，是數(shù)據(jù)驅(qū)動(dòng)決策的第一步

 企業(yè)數(shù)字化轉(zhuǎn)型的本質(zhì)是經(jīng)驗(yàn)驅(qū)動(dòng)決策向數(shù)據(jù)驅(qū)動(dòng)決策的轉(zhuǎn)變。在這個(gè)過程中，為企業(yè)各個(gè)業(yè)務(wù)系統(tǒng)提供描述、診斷、預(yù)測(cè)等數(shù)據(jù)洞察能力的不是數(shù)據(jù)分析工具，而是BI數(shù)據(jù)分析平臺(tái)。這個(gè)BI平臺(tái)既能在功能上滿足業(yè)務(wù)需要，同時(shí)業(yè)務(wù)人員又方便操作，才能實(shí)現(xiàn)工具與業(yè)務(wù)的深度融合。

傳統(tǒng)數(shù)據(jù)分析過程與業(yè)務(wù)需求的割裂造成了數(shù)據(jù)驅(qū)動(dòng)的第一障礙。以傳統(tǒng)數(shù)據(jù)分析工具SPSS為例，其提供了豐富統(tǒng)計(jì)分析模型和統(tǒng)計(jì)分析報(bào)告，但報(bào)告的分析結(jié)果僅僅是對(duì)統(tǒng)計(jì)模型的解釋而不是對(duì)業(yè)務(wù)的解釋。同時(shí)復(fù)雜的統(tǒng)計(jì)模型，通常只有統(tǒng)計(jì)專業(yè)人員才能理解，業(yè)務(wù)人員難以進(jìn)行操作。

數(shù)據(jù)驅(qū)動(dòng)管理要求數(shù)據(jù)平臺(tái)對(duì)業(yè)務(wù)需求負(fù)責(zé)，而不僅對(duì)數(shù)據(jù)分析結(jié)果負(fù)責(zé)。數(shù)據(jù)分析過程僅是進(jìn)行業(yè)務(wù)決策的過程一個(gè)環(huán)節(jié)，將分析結(jié)果轉(zhuǎn)變?yōu)楹侠淼臎Q策依據(jù)才是BI的核心價(jià)值所在。企業(yè)應(yīng)用BI的目標(biāo)即是通過對(duì)不同業(yè)務(wù)源數(shù)據(jù)進(jìn)行統(tǒng)一處理及管理，把數(shù)據(jù)變成信息、把信息變成決策、把決策變成行動(dòng)，從而提高管理效率、增加企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

BI平臺(tái)通過對(duì)數(shù)據(jù)源接口與數(shù)據(jù)分析工具進(jìn)行封裝，業(yè)務(wù)人員能夠輕易的獲取不同的業(yè)務(wù)數(shù)據(jù)，同時(shí)根據(jù)業(yè)務(wù)需要提取分析結(jié)果。同時(shí)，BI作為共享分析平臺(tái)，避免了部門間的數(shù)據(jù)混亂，極高提高了決策效率。

圖6: BI技術(shù)支撐平臺(tái)推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型

數(shù)據(jù)來源：愛分析

企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的核心在于技術(shù)支撐平臺(tái)的建設(shè)，BI作為數(shù)據(jù)驅(qū)動(dòng)決策的第一步，其主要推動(dòng)者為企業(yè)中的運(yùn)營、銷售和高層管理人員。企業(yè)在從“粗放式”向“精細(xì)化”管理過渡中，通過BI的幫助，企業(yè)/業(yè)務(wù)管理者能夠更好的引導(dǎo)決策、提高運(yùn)營效率、增加客戶收入，從而更有效的提高企業(yè)競(jìng)爭(zhēng)力。由于使用BI的人員是對(duì)業(yè)務(wù)負(fù)責(zé)人員，其分析效果相比傳統(tǒng)統(tǒng)計(jì)學(xué)人員更能復(fù)合業(yè)務(wù)需求。

2.2 海量數(shù)據(jù)的處理與分析，讓數(shù)據(jù)產(chǎn)生價(jià)值

 BI平臺(tái)成為數(shù)據(jù)產(chǎn)生價(jià)值的主要方式。隨著現(xiàn)代業(yè)務(wù)系統(tǒng)的越來越多，收集的數(shù)據(jù)越來越細(xì)，使用系統(tǒng)的時(shí)間越來越長，數(shù)據(jù)量的增長越來越快。但現(xiàn)有的系統(tǒng)無法對(duì)數(shù)據(jù)量比較大的數(shù)據(jù)進(jìn)行快速響應(yīng)。以BI建設(shè)為中心的數(shù)據(jù)中臺(tái)服務(wù)，逐漸成為海量數(shù)據(jù)處理與分析的核心平臺(tái)。

圖7: 海量數(shù)據(jù)價(jià)值的體現(xiàn)

數(shù)據(jù)來源：愛分析

BI平臺(tái)可以實(shí)現(xiàn)全域數(shù)據(jù)的精準(zhǔn)分析，實(shí)現(xiàn)低價(jià)值密度數(shù)據(jù)的有效抽取。例如，企業(yè)的供應(yīng)商信息、產(chǎn)品信息、庫存狀況、客戶信息、訂單數(shù)據(jù)、交易信息、時(shí)間和環(huán)境信息等重要的信息資源都分布在ERP/CRM/SCM等業(yè)務(wù)系統(tǒng)或者平面文件中，形成了一個(gè)個(gè)的“信息孤島”。只有依賴大數(shù)據(jù)BI平臺(tái)，才能使用挖掘全域數(shù)據(jù)的價(jià)值，而不是采用樣本進(jìn)行粗略的統(tǒng)計(jì)分析。

海量數(shù)據(jù)間的關(guān)聯(lián)關(guān)系通常蘊(yùn)含更為巨大的價(jià)值，BI平臺(tái)利用增強(qiáng)分析實(shí)現(xiàn)關(guān)聯(lián)關(guān)系價(jià)值挖掘。如客戶關(guān)系管理過程中，利用BI應(yīng)用進(jìn)行客戶劃分、客戶行為分析、重點(diǎn)客戶和潛在客戶發(fā)現(xiàn)等來了解客戶，進(jìn)而為客戶提供個(gè)性化服務(wù)和交叉銷售，從而提高客戶的滿意度和持久度，為企業(yè)贏得市場(chǎng)機(jī)遇。

實(shí)時(shí)性海量數(shù)據(jù)分析能夠幫助業(yè)務(wù)人員快速應(yīng)對(duì)業(yè)務(wù)變化。傳統(tǒng)的數(shù)據(jù)分析過程涉及大量報(bào)表制作；一般傳統(tǒng)報(bào)表工具響應(yīng)時(shí)間慢。BI平臺(tái)中的高性能計(jì)算引擎可以滿足海量數(shù)據(jù)的秒級(jí)分析需求；流計(jì)算與實(shí)時(shí)計(jì)算平臺(tái)，對(duì)于實(shí)時(shí)性高的物聯(lián)網(wǎng)數(shù)據(jù)或者時(shí)序數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)分析。

除此之外，BI平臺(tái)還具備預(yù)測(cè)式分析價(jià)值。通過預(yù)測(cè)式分析，結(jié)合外部數(shù)據(jù)和歷史事實(shí)，業(yè)務(wù)人員能夠更好地了解客戶，產(chǎn)品和合作伙伴，識(shí)別公司的潛在風(fēng)險(xiǎn)和機(jī)會(huì)。

2.3 讓管理層能夠基于數(shù)據(jù)制定決策    

BI平臺(tái)在數(shù)據(jù)整合方面的優(yōu)勢(shì)，成為企業(yè)內(nèi)部數(shù)據(jù)資產(chǎn)和外部數(shù)據(jù)資源的沉淀和管理中心。傳統(tǒng)的ERP、OA、CRM等系統(tǒng)并不具備整合與挖掘信息的能力，而僅靠企業(yè)內(nèi)部數(shù)據(jù)不足以滿足企業(yè)管理決策的需要。BI平臺(tái)整合企業(yè)內(nèi)部與外部數(shù)據(jù)后，這些數(shù)據(jù)成為可挖掘和可分析的數(shù)據(jù)資源，這是企業(yè)利用數(shù)據(jù)制定決策的前提。

在企業(yè)管理中提供更深刻的業(yè)務(wù)洞察力，是管理層依賴BI平臺(tái)進(jìn)行決策的基礎(chǔ)。數(shù)據(jù)價(jià)值雖然得到管理人員的普遍承認(rèn)，但是管理人員拒絕利用數(shù)據(jù)進(jìn)行決策的原因在于，傳統(tǒng)數(shù)據(jù)分析工具只能提供片面、粗略的分析結(jié)果。BI輔助管理人員決策，取決于管理層對(duì)BI平臺(tái)的依賴性。只有不斷適應(yīng)業(yè)務(wù)需求，才能體現(xiàn)BI平臺(tái)的決策價(jià)值。

大數(shù)據(jù)BI平臺(tái)提供了管理層決策所需數(shù)據(jù)的時(shí)效性和準(zhǔn)確性。傳統(tǒng)業(yè)務(wù)部門間數(shù)據(jù)的匯總過程是漫長的，使用Excel從底層部門到高級(jí)管理層的數(shù)據(jù)匯總過程往往長達(dá)月余。即使用傳統(tǒng)BI產(chǎn)品，面對(duì)大數(shù)據(jù)體量工作時(shí)，仍然需要按小時(shí)計(jì)算才能完成所需的統(tǒng)計(jì)工作。顯然只有借助大數(shù)據(jù)BI平臺(tái)，管理層依據(jù)制定決策才成為可能。

圖8: 美的集團(tuán)BI平臺(tái)使用現(xiàn)狀

數(shù)據(jù)來源：美的集團(tuán)、永洪科技&愛分析

 美的集團(tuán)曾使用Oracle BIEE作企業(yè)BI平臺(tái)，但是在高性能、輕量化運(yùn)維、數(shù)據(jù)權(quán)限管理過程中，原有BI平臺(tái)并不能滿足企業(yè)級(jí)決策對(duì)靈活性、時(shí)效性和準(zhǔn)確性的需要。同時(shí)，BIEE并不能對(duì)外部數(shù)據(jù)與客戶情況、競(jìng)品特征以及網(wǎng)絡(luò)輿情進(jìn)行整合挖掘，因此管理層對(duì)原有BI利用十分有限。

采用一站式大數(shù)據(jù)BI平臺(tái)后，平臺(tái)內(nèi)部接入超過800種數(shù)據(jù)源，形成超過100T的數(shù)據(jù)存量。在平臺(tái)上，新型BI系統(tǒng)能夠在秒級(jí)時(shí)間內(nèi)響應(yīng)各種定制報(bào)表和圖表，從而快速響應(yīng)市場(chǎng)變化。由于新系統(tǒng)滿足了管理層對(duì)數(shù)據(jù)決策的需求，該BI平臺(tái)在美的內(nèi)部的大數(shù)據(jù)、國際部、金融部以及物流子公司快速推廣。

2.4 讓業(yè)務(wù)人員都能具備數(shù)據(jù)分析能力，提升業(yè)務(wù)效率

敏捷BI使得業(yè)務(wù)人員進(jìn)行數(shù)據(jù)分析的門檻大幅降低。敏捷BI的重大價(jià)值在于使得業(yè)務(wù)與技術(shù)人員分離，業(yè)務(wù)部門能夠根據(jù)自身需要快速實(shí)現(xiàn)業(yè)務(wù)分析需求。目前，敏捷BI成為國內(nèi)的中大型企業(yè)面向業(yè)務(wù)人員的首選數(shù)據(jù)分析工具，如咨詢、能源、電信等行業(yè)，它們對(duì)自服務(wù)分析越來越看重，采購需求不斷增加。

以艾瑞咨詢?yōu)槔?，艾瑞咨詢集團(tuán)每天要分析的數(shù)據(jù)量達(dá)幾千萬條，且不同企業(yè)客戶的分析需求各不相同。面對(duì)動(dòng)態(tài)的報(bào)表查詢，如果分析的維度和度量的計(jì)算方式已在建模時(shí)預(yù)先設(shè)定好，不能更改；通常不能滿足業(yè)務(wù)分析需求。

艾瑞集團(tuán)采用包括分布式計(jì)算、內(nèi)存計(jì)算、列存儲(chǔ)、庫內(nèi)計(jì)算等新型計(jì)算架構(gòu)，實(shí)現(xiàn)敏捷BI的分析需求。項(xiàng)目實(shí)施后，對(duì)比原先基于Excel和SQL編程的分析方法，艾瑞咨詢集團(tuán)的業(yè)務(wù)效率獲得數(shù)倍的提升。線下報(bào)告交付周期從3至4周縮短至小于1周，軟件交付從半年縮短至一個(gè)月。采用敏捷BI工具后，艾瑞咨詢集團(tuán)可以在幾天內(nèi)快速搭建原型向客戶展示，任意的需求變更都可以一周內(nèi)調(diào)整完畢。

圖9: 艾瑞咨詢采用BI平臺(tái)后的項(xiàng)目收益

數(shù)據(jù)來源：艾瑞咨詢、永洪科技&愛分析

 三、BI商業(yè)智能的重要場(chǎng)景分析 

3.1 金融 

金融業(yè)是實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型最快的行業(yè)，數(shù)據(jù)資產(chǎn)已經(jīng)成為金融企業(yè)的核心資產(chǎn)。隨著互聯(lián)網(wǎng)金融在金融業(yè)中的快速興起，除傳統(tǒng)業(yè)務(wù)系統(tǒng)數(shù)據(jù)外，針對(duì)互聯(lián)網(wǎng)客戶的風(fēng)控、電商、渠道、信用等新業(yè)務(wù)數(shù)據(jù)給金融企業(yè)帶來巨大的數(shù)據(jù)使用壓力。

目前，BI在金融企業(yè)的運(yùn)營、管理和風(fēng)控三個(gè)領(lǐng)域，都具有重度使用需求。中信四川分行在處理全省的經(jīng)營分析和客戶分析時(shí)，經(jīng)營與客戶數(shù)據(jù)需要快速上線并通過合理權(quán)限控制交給業(yè)務(wù)部門自行分析。通常這些數(shù)據(jù)都是由業(yè)務(wù)部門進(jìn)行匯總后，以周報(bào)、月報(bào)形式上報(bào)至省公司，決策周期長。

采用敏捷BI系統(tǒng)后，中信四川分行全局報(bào)表的響應(yīng)效率從十幾分鐘提高到10秒以內(nèi)。業(yè)務(wù)人員可以利用自助式建模系統(tǒng)，快速響應(yīng)業(yè)務(wù)需求，任意分析需求均可在一天之內(nèi)實(shí)現(xiàn)。

客戶分析領(lǐng)域，BI可以通過多維數(shù)據(jù)關(guān)聯(lián)，從用戶年齡、性別等不同維度構(gòu)建用戶畫像，實(shí)時(shí)分析用戶的投資偏好，進(jìn)行精準(zhǔn)營銷。在內(nèi)部風(fēng)控方面，BI系統(tǒng)可通過趨勢(shì)分析、異常值預(yù)警等方式進(jìn)行平臺(tái)風(fēng)險(xiǎn)管控。

圖10: 典型的銀行BI系統(tǒng)

數(shù)據(jù)來源：永洪科技&愛分析

BI系統(tǒng)中，響應(yīng)效率、全量數(shù)據(jù)建模、業(yè)務(wù)人員自助分析通常是制約金融數(shù)據(jù)應(yīng)用的關(guān)鍵因素。傳統(tǒng)的BI報(bào)表，需要先建模再分析，項(xiàng)目周期通常在一個(gè)月以上，而且無法響應(yīng)快速的業(yè)務(wù)變化需求。而現(xiàn)代BI系統(tǒng)在金融類業(yè)務(wù)中通常可以實(shí)現(xiàn)秒級(jí)自助式分析與展現(xiàn)。

一個(gè)典型的銀行BI系統(tǒng)如上圖所示，可以看出BI不僅僅是可視化產(chǎn)品，更是一種業(yè)務(wù)解決方案。在項(xiàng)目實(shí)施過程中，BI高級(jí)咨詢師通常會(huì)根據(jù)金融業(yè)務(wù)制定相應(yīng)的存儲(chǔ)與分析方案，而在項(xiàng)目上線后，則業(yè)務(wù)分析則可由業(yè)務(wù)人員自助完成。

3.2 零售

零售業(yè)通常面對(duì)成千上萬家店鋪的數(shù)據(jù)信息，通常零售企業(yè)會(huì)有統(tǒng)一的信息管理系統(tǒng)管理店面業(yè)務(wù)，積累了大量的會(huì)員、交易以及過程數(shù)據(jù)。由于缺乏數(shù)據(jù)應(yīng)用體系，快速增長的業(yè)務(wù)中積累的數(shù)據(jù)不能快速有效的指導(dǎo)管理決策。

零售業(yè)在數(shù)據(jù)應(yīng)用過程中面臨主要問題包括，多地?cái)?shù)據(jù)存儲(chǔ)導(dǎo)致數(shù)據(jù)孤島嚴(yán)重、業(yè)務(wù)復(fù)雜導(dǎo)致數(shù)據(jù)融合困難、缺乏數(shù)據(jù)規(guī)劃導(dǎo)致數(shù)據(jù)質(zhì)量不一致、分析維度單一導(dǎo)致數(shù)據(jù)利用率低、缺乏合理工具導(dǎo)致分析響應(yīng)效率低下。

調(diào)研中發(fā)現(xiàn)，受限于IT投入的成本，大量的零售企業(yè)還在使用Excel制作固定報(bào)表。雖然Excel具有成本低廉、使用靈活方便的優(yōu)點(diǎn)，但應(yīng)對(duì)海量數(shù)據(jù)處理與深度分析場(chǎng)景卻無能為力。

BI可以在避免重度數(shù)據(jù)倉庫建設(shè)的同時(shí)，通過輕量級(jí)的ETL工具對(duì)接不同的數(shù)據(jù)源實(shí)現(xiàn)經(jīng)營數(shù)據(jù)的快速分析與展現(xiàn)。國內(nèi)大型零售商，如家樂福、永輝超市、大悅城、海天集團(tuán)、國美集團(tuán)都已經(jīng)采用BI系統(tǒng)進(jìn)行企業(yè)經(jīng)營與店面的管理。

表2: 零售業(yè)采用BI后效果

數(shù)據(jù)來源：永洪科技

圖11: 典型BI分析效果

數(shù)據(jù)來源：永洪科技&愛分析

 低成本、高效率的敏捷BI在零售業(yè)應(yīng)用中的巨大優(yōu)勢(shì)。某零售企業(yè)采用敏捷BI后，“單店銷售收入提升16%，二店率提升12%，次年新開店增速20%?！眹阑ヂ?lián)網(wǎng)零售CTO王增智先生也曾表示，國美利用人貨場(chǎng)數(shù)字化，實(shí)現(xiàn)了線上線下會(huì)員、訂單、商品、促銷與數(shù)據(jù)的統(tǒng)一，有效提升了管理效率和客戶體驗(yàn)。

3.3 能源

能源行業(yè)的參與者大多數(shù)是大型國有電力、石油等類型的企業(yè)，能源企業(yè)的業(yè)務(wù)通常涉及關(guān)系國計(jì)民生的基礎(chǔ)性服務(wù)，在幾十年的國家基礎(chǔ)能源設(shè)施建設(shè)過程中沉淀了大量數(shù)據(jù)資產(chǎn)，如何盤活數(shù)據(jù)資產(chǎn)，優(yōu)化管理，創(chuàng)造價(jià)值成為能源企業(yè)重點(diǎn)關(guān)心的問題。

能源行業(yè)實(shí)施BI的難點(diǎn)首先在于，海量、多源、異構(gòu)的生產(chǎn)系統(tǒng)導(dǎo)致的數(shù)據(jù)復(fù)雜性和動(dòng)態(tài)性。例如電力系統(tǒng)從電能生產(chǎn)、客戶購電，到電能銷售、電力傳輸，再到企事業(yè)單位用電、電力設(shè)備故障，每個(gè)環(huán)節(jié)都涉及到大量業(yè)務(wù)數(shù)據(jù)。每類數(shù)據(jù)基本都是TB級(jí)以上，且在持續(xù)增長。這對(duì)BI過程的數(shù)據(jù)的抽取、清洗和轉(zhuǎn)化環(huán)節(jié)提出了很高要求，同時(shí)BI系統(tǒng)的存儲(chǔ)結(jié)構(gòu)也要采用相應(yīng)的海量、異構(gòu)存儲(chǔ)架構(gòu)。

能源行業(yè)的難點(diǎn)其次在于，需要解決大量的歷史數(shù)據(jù)和生產(chǎn)經(jīng)營實(shí)時(shí)數(shù)據(jù)。無論是電力系統(tǒng)，還是石油行業(yè)，沉睡的歷史數(shù)據(jù)資產(chǎn)猶如雞肋，食之無味、棄之可惜。傳統(tǒng)的BI系統(tǒng)在利用海量歷史信息時(shí)，建設(shè)成本高，可用性差。只有具備相應(yīng)的存儲(chǔ)和快速處理技術(shù)的BI系統(tǒng)，才能在海量歷史數(shù)據(jù)的基礎(chǔ)上，實(shí)現(xiàn)全景實(shí)時(shí)的數(shù)據(jù)展現(xiàn)。

能源行業(yè)除生產(chǎn)經(jīng)營數(shù)據(jù)(網(wǎng)架、設(shè)備、技術(shù)、管理)外，還需輔助氣象、地理、人文、交通等外部數(shù)據(jù)。例如，可以提取石油管網(wǎng)與GIS數(shù)據(jù)，可以發(fā)現(xiàn)管道維護(hù)與相關(guān)區(qū)域的多個(gè)問題，從而在區(qū)域范圍優(yōu)化管網(wǎng)參數(shù)與運(yùn)維人員的配置。同時(shí)，管網(wǎng)的歷史數(shù)據(jù)與氣象、人文等數(shù)據(jù)聯(lián)合分析后，有助于智能管道全壽命周期管理。

能源行業(yè)BI的應(yīng)用最重要的是對(duì)于風(fēng)險(xiǎn)因素的挖掘和管控。例如，通過AI構(gòu)建電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)模型，大客戶的欠費(fèi)預(yù)測(cè)命中率幾乎達(dá)到了90%；同時(shí)發(fā)現(xiàn)了大量未察覺的業(yè)務(wù)規(guī)律和管理盲點(diǎn)；通過“網(wǎng)絡(luò)可靠性特征模式“，可以根據(jù)線路的結(jié)構(gòu)特性、電氣特性、供電可靠性等因素將線路分成若干類不同可靠性的線路組，為配電規(guī)劃提供依據(jù)。

圖12: 典型的能源BI示例

 3.4 制造 

制造業(yè)對(duì)BI系統(tǒng)的需求是產(chǎn)業(yè)全鏈條的，從設(shè)計(jì)、生產(chǎn)、物流、供應(yīng)鏈、質(zhì)量管控到銷售等一系列環(huán)節(jié)都有巨大的BI需求。目前，大部分中大型的制造企業(yè)已經(jīng)建立了比較完善的CRM、ERP、MES、MRP、EAS等基礎(chǔ)信息化系統(tǒng)，幫助制造企業(yè)收集大量的歷史數(shù)據(jù)。如何利用數(shù)據(jù)實(shí)現(xiàn)精益生產(chǎn)，成為制造業(yè)的剛需。

制造業(yè)利用生產(chǎn)數(shù)據(jù)與用戶反饋可以有效的改進(jìn)生產(chǎn)，如設(shè)備運(yùn)維監(jiān)控、質(zhì)量監(jiān)控、庫存分析、柔性生產(chǎn)，都需要借助實(shí)時(shí)的數(shù)據(jù)采集與反饋。在生物制藥領(lǐng)域，通過對(duì)生產(chǎn)線超過200個(gè)指標(biāo)的監(jiān)控，實(shí)現(xiàn)生產(chǎn)線的柔性控制，每條生產(chǎn)線可以節(jié)省500萬到1000萬美元的成本。蕪湖格力工廠，把MRP和MES的數(shù)據(jù)導(dǎo)入BI系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)多維數(shù)據(jù)分析，提高了30%以上的工作效率。

現(xiàn)代制造企業(yè)通過內(nèi)部與外部的數(shù)據(jù)，結(jié)合敏捷BI，可以實(shí)時(shí)優(yōu)化產(chǎn)品方案。美的集團(tuán)在跟蹤產(chǎn)品銷售情況時(shí)，會(huì)根據(jù)用戶需求、產(chǎn)品特征、客戶評(píng)價(jià)以及用戶評(píng)價(jià)等多個(gè)維度挖掘用戶需求，從而及時(shí)反饋到生產(chǎn)線，實(shí)時(shí)優(yōu)化產(chǎn)品方案。

制造業(yè)BI應(yīng)用中的困難主要在于，內(nèi)外部海量、異構(gòu)數(shù)據(jù)的整合與精確、實(shí)時(shí)分析的實(shí)現(xiàn)，而數(shù)據(jù)采集經(jīng)過多年發(fā)展已經(jīng)相對(duì)成熟。以美的為例，美的從2012年開始投入超過10億元進(jìn)行IT治理和全面重構(gòu)系統(tǒng)，實(shí)現(xiàn)了集團(tuán)級(jí)的企業(yè)標(biāo)準(zhǔn)和語言。

在實(shí)施過程中，其技術(shù)人員負(fù)責(zé)數(shù)據(jù)分析體系的搭建與技術(shù)實(shí)施，業(yè)務(wù)團(tuán)隊(duì)的配合負(fù)責(zé)數(shù)據(jù)清洗、轉(zhuǎn)換、建模的部分。數(shù)據(jù)分析系統(tǒng)通過按月迭代的方式，持續(xù)釋放新的業(yè)務(wù)價(jià)值。

圖 13: 美的集團(tuán)數(shù)據(jù)應(yīng)用架構(gòu)

數(shù)據(jù)來源：永洪科技&愛分析 

目前，美的集團(tuán)實(shí)現(xiàn)了實(shí)現(xiàn)從研發(fā)、生產(chǎn)、庫存、營銷、收付全鏈條的動(dòng)態(tài)可視化，將數(shù)據(jù)運(yùn)營的結(jié)果展現(xiàn)出來。對(duì)于1.5億美的用戶，美的大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)了用戶購買的記錄、購買渠道、地域、使用偏好等等信息全部標(biāo)簽化，形成完整的用戶畫像，實(shí)現(xiàn)精準(zhǔn)營銷。

BI一體化平臺(tái)通過降低數(shù)據(jù)應(yīng)用構(gòu)建門檻，幫助企業(yè)建立數(shù)據(jù)化運(yùn)營體系，真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)決策，從而盤活數(shù)據(jù)資產(chǎn)和底層基礎(chǔ)設(shè)施，真正發(fā)揮數(shù)據(jù)給制造企業(yè)帶來的巨大價(jià)值。 

3.5 互聯(lián)網(wǎng)

互聯(lián)網(wǎng)行業(yè)與其他傳統(tǒng)行業(yè)對(duì)BI的有明顯的不同?；ヂ?lián)網(wǎng)公司自身業(yè)務(wù)通常面臨高并發(fā)和分布式的特點(diǎn)，又有自己的技術(shù)團(tuán)隊(duì)，因此像美團(tuán)、快手體量的互聯(lián)網(wǎng)公司通常通過開源組件搭建自身的BI平臺(tái)以滿足自身業(yè)務(wù)的需要。

但對(duì)于行業(yè)性或者一般規(guī)模的互聯(lián)網(wǎng)企業(yè)，仍然樂于采用成熟商業(yè)化的BI產(chǎn)品滿足自身數(shù)據(jù)分析與可視化的需要。

圖14: 典型互聯(lián)網(wǎng)BI架構(gòu)

數(shù)據(jù)來源：永洪科技&愛分析

互聯(lián)網(wǎng)企業(yè)與傳統(tǒng)企業(yè)相比具有以下幾個(gè)特征：數(shù)據(jù)更加海量，數(shù)據(jù)增速更快。與傳統(tǒng)行業(yè)相比，互聯(lián)網(wǎng)企業(yè)更多涉及用戶的網(wǎng)上行為，包括用戶訪問、瀏覽、購買行為、出行方式、消費(fèi)喜好等用戶行為數(shù)據(jù)。日新增數(shù)據(jù)量在幾十T級(jí)別，預(yù)計(jì)很快達(dá)到百T級(jí)別，對(duì)數(shù)據(jù)采集、處理能力要求非常高。

數(shù)據(jù)平臺(tái)性能要求更高。如何在有效有效時(shí)間內(nèi)完成數(shù)據(jù)的采集、處理，是必須解決的難題。在互聯(lián)網(wǎng)企業(yè)同樣會(huì)遇到異構(gòu)數(shù)據(jù)的問題，如原有系統(tǒng)選用不同的數(shù)據(jù)產(chǎn)品；某些半結(jié)構(gòu)化數(shù)據(jù)采用XML、JSON和MongoDB存儲(chǔ)等。但總體上來看，互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)的規(guī)范性要高于傳統(tǒng)行業(yè)。

例如，寶寶樹網(wǎng)站的訂單數(shù)據(jù)存儲(chǔ)在SQL Server中，客戶數(shù)據(jù)存儲(chǔ)在MySQL中，利用Excel進(jìn)行數(shù)據(jù)整合，不僅效率低，而且極其消耗人工成本。數(shù)據(jù)分析需求的變化常常給研發(fā)人員帶來很大負(fù)擔(dān)，影響核心業(yè)務(wù)系統(tǒng)的開發(fā)。

利用BI大數(shù)據(jù)平臺(tái)，寶寶樹方便實(shí)現(xiàn)跨數(shù)據(jù)源整合數(shù)據(jù)，原本幾周得到響應(yīng)的分析需求可以在當(dāng)天完成。同時(shí)，高效率的存儲(chǔ)與分析引擎，避免了對(duì)服務(wù)器資源的浪費(fèi)，有效節(jié)省成本。業(yè)務(wù)人員通過自助式查詢，不僅響應(yīng)及時(shí)，而且減少研發(fā)人員負(fù)擔(dān)，優(yōu)化員工的結(jié)構(gòu)。

四、BI商業(yè)智能潛在市場(chǎng)

        規(guī)模測(cè)算與分析

未來，BI商業(yè)智能將成為企業(yè)智能化決策系統(tǒng)的重要入口。根據(jù)BI在不同場(chǎng)景的滲透情況，愛分析將BI市場(chǎng)分為當(dāng)前市場(chǎng)、增量市場(chǎng)與潛在市場(chǎng)。

其中，當(dāng)前市場(chǎng)為目前BI廠商的市場(chǎng)總和；增量市場(chǎng)為當(dāng)前市場(chǎng)中存在但尚未被滿足的需求如CRM領(lǐng)域BI與AI結(jié)合以輔助銷售人員進(jìn)行決策的需求。 

圖15: 當(dāng)前市場(chǎng)、增量市場(chǎng)、潛在市場(chǎng)示意

數(shù)據(jù)來源：愛分析 

4.1 BI當(dāng)前市場(chǎng)規(guī)模及發(fā)展趨勢(shì) 圖16: 2017-2020年全球BI市場(chǎng)規(guī)模預(yù)測(cè) 

數(shù)據(jù)來源：Gartner & 愛分析 

Gartner 2017年報(bào)告指出全球BI市場(chǎng)規(guī)模為183億美元，相比2016年增長7.3%。預(yù)計(jì)到2020年，全球BI市場(chǎng)將突破228億美元。

國內(nèi)BI市場(chǎng)，根據(jù)愛分析調(diào)研，2019年規(guī)模約為50-60億元。這里面國內(nèi)BI公司，如永洪科技、帆軟、海致BDP、億信華辰、潤乾等公司，合計(jì)收入約為25-30億元；國外BI公司國內(nèi)收入將會(huì)與國內(nèi)BI企業(yè)收入持平，包括SAP、IBM、Oracle、微軟、Tableau和Qlik等公司。  

4.2 BI的增量市場(chǎng)與潛在市場(chǎng) 2019年全球BI市場(chǎng)規(guī)模約215億美元，全球的IT投入大概是3.8萬億美元。同期，中國的IT投入將達(dá)到2.7萬億人民幣，假設(shè)中國BI市場(chǎng)總?cè)萘亢腿蚴袌?chǎng)BI投入占IT的比例應(yīng)該大體一致，2018中國BI商業(yè)智能的總市場(chǎng)容量（當(dāng)前市場(chǎng)規(guī)模+增量市場(chǎng)規(guī)模）大概是150億人民幣左右。據(jù)此估算，中國BI市場(chǎng)的存量市場(chǎng)仍然有90-100億人民幣。 圖17:  BI潛在市場(chǎng)的延伸方向                           

數(shù)據(jù)來源：愛分析

圖18: 當(dāng)前市場(chǎng)規(guī)模、增量市場(chǎng)規(guī)模、潛在市場(chǎng)規(guī)模示意

數(shù)據(jù)來源：愛分析測(cè)算

由于BI是數(shù)據(jù)應(yīng)用的入口，是各個(gè)行業(yè)數(shù)字化轉(zhuǎn)型過程中是必不可少的一環(huán)。未來，隨著BI向著分析端和數(shù)據(jù)端兩個(gè)方向延伸，BI解決方案最終并入大數(shù)據(jù)整體解決方案的賽道。

根據(jù)中國電子信息產(chǎn)業(yè)發(fā)展研究院發(fā)布的《中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展水平評(píng)估報(bào)告》，預(yù)計(jì) 2018 年我國大數(shù)據(jù)核心產(chǎn)業(yè)規(guī)模突破 5700 億元，未來2-3年的市場(chǎng)規(guī)模的增長率仍將保持35%左右。未來切入這部分應(yīng)用環(huán)節(jié)，BI商業(yè)智能的潛在市場(chǎng)規(guī)模將在數(shù)百億的市場(chǎng)空間。 

4.3 BI商業(yè)智能在不同場(chǎng)景的滲透率  

根據(jù)當(dāng)前BI市場(chǎng)規(guī)模與市場(chǎng)總?cè)萘坑?jì)算，整體國內(nèi)BI商業(yè)智能市場(chǎng)的滲透率（當(dāng)前市場(chǎng)規(guī)模/市場(chǎng)總?cè)萘浚┘s為36%，未來有很大的增長潛力。

從敏捷BI市場(chǎng)來看，國外市場(chǎng)敏捷BI市場(chǎng)份額快速提升，根據(jù)愛分析判斷，2019年敏捷BI市場(chǎng)規(guī)模將達(dá)到57億美元，占全球BI 215億美元市場(chǎng)規(guī)模的27%。

國內(nèi)敏捷BI市場(chǎng)同樣在快速提升，滲透率僅為15%左右。綜合國內(nèi)幾家BI廠商的業(yè)務(wù)表現(xiàn)，國內(nèi)敏捷BI市場(chǎng)增速在50%左右，遠(yuǎn)遠(yuǎn)高出市場(chǎng)平均水平。

從具體行業(yè)來看，金融、零售、制造、能源、互聯(lián)網(wǎng)是BI應(yīng)用發(fā)展較快的幾大行業(yè)。其中金融與零售行業(yè)整體的滲透率最高，制造業(yè)與能源行業(yè)其次。從公開市場(chǎng)看，由于互聯(lián)網(wǎng)行業(yè)頭部公司多有自建BI體系的能力，導(dǎo)致互聯(lián)網(wǎng)行業(yè)整體滲透率偏低。

圖19: 傳統(tǒng)BI與敏捷BI在五大行業(yè)的滲透率 

數(shù)據(jù)來源：愛分析測(cè)算

注： 

1. 各行業(yè)敏捷BI滲透率=各行業(yè)敏捷BI市場(chǎng)規(guī)模/各行業(yè)BI潛在市場(chǎng)規(guī)模；2. 各行業(yè)傳統(tǒng)BI滲透率=各行業(yè)傳統(tǒng)BI市場(chǎng)規(guī)模/各行業(yè)BI潛在市場(chǎng)規(guī)模；3. 各行業(yè)氣泡大小代表各行業(yè)敏捷BI市場(chǎng)規(guī)模與傳統(tǒng)BI市場(chǎng)規(guī)模之和。

五、BI商業(yè)智能的未來趨勢(shì) 

5.1 一站式大數(shù)據(jù)平臺(tái)是未來趨勢(shì)

進(jìn)入2019年，傳統(tǒng)BI與敏捷BI出現(xiàn)明顯的融合趨勢(shì)。企業(yè)不再滿足于一般的報(bào)表與敏捷式圖表，能夠更加靈活、高效的利用數(shù)據(jù)和進(jìn)行深度分析成為企業(yè)新的BI需求。以云BI平臺(tái)為基礎(chǔ)的一站式大數(shù)據(jù)平臺(tái)，成為新的趨勢(shì)。

一站式大數(shù)據(jù)平臺(tái)是集成業(yè)務(wù)咨詢、數(shù)據(jù)管理、深度分析、數(shù)據(jù)可視化、數(shù)據(jù)決策等流程，能夠提供完整BI解決方案的通用性平臺(tái)。通過配置不同的行業(yè)/企業(yè)模板，一站式大數(shù)據(jù)平臺(tái)可以靈活、方便的實(shí)現(xiàn)行業(yè)/企業(yè)BI平臺(tái)的功能。

圖20: 一站式大數(shù)據(jù)平臺(tái)與敏捷BI、傳統(tǒng)BI區(qū)別

數(shù)據(jù)來源：愛分析

與傳統(tǒng)BI相比，一站式平臺(tái)既可以利用傳統(tǒng)BI的數(shù)倉資產(chǎn)，更多時(shí)候會(huì)直接構(gòu)建數(shù)據(jù)集市資產(chǎn)，更加靈活方便的對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行管理。同時(shí)，一站式平臺(tái)具有敏捷BI自助式服務(wù)的特性，業(yè)務(wù)人員可以利用預(yù)定義好的圖表模板，靈活配置數(shù)據(jù)指標(biāo)，實(shí)現(xiàn)自助式業(yè)務(wù)分析。

與敏捷BI相比，一站式大數(shù)據(jù)平臺(tái)具有更強(qiáng)數(shù)據(jù)源管理能力和深度分析功能。敏捷BI一般情況下在數(shù)據(jù)源接口上做了大量工作，但涉及到海量數(shù)據(jù)分析，其只能利用數(shù)據(jù)源本身的分布式計(jì)算能力，缺乏對(duì)海量數(shù)據(jù)分析系統(tǒng)性的解決方案，導(dǎo)致性能達(dá)不到企業(yè)需求。

除前后端性能增強(qiáng)外，一站式平臺(tái)是面向企業(yè)服務(wù)和解決方案的產(chǎn)品。傳統(tǒng)BI產(chǎn)品在實(shí)施過程中具有很高的失敗率，通常不足50%。因?yàn)槠髽I(yè)級(jí)數(shù)據(jù)分析是技術(shù)與業(yè)務(wù)高度耦合的工作，傳統(tǒng)數(shù)倉建立以后常因?yàn)榻Y(jié)構(gòu)不合理導(dǎo)致業(yè)務(wù)需求得不到滿足。

因此，專業(yè)解決方案和靈活的通用平臺(tái)是應(yīng)用一站式平臺(tái)不可或缺的兩點(diǎn)。行業(yè)專家可以通過與業(yè)務(wù)人員的深入交流制定專業(yè)的數(shù)據(jù)框架，而靈活的通用平臺(tái)可通過模板配置，實(shí)現(xiàn)針對(duì)特定行業(yè)、企業(yè)的需求。

遇到數(shù)據(jù)框架不合理時(shí)，一站式平臺(tái)通常可以較低的成本迅速調(diào)整框架。如美的集團(tuán)、聯(lián)通公司其BI系統(tǒng)都是構(gòu)建在永洪通用一站式BI平臺(tái)之上，只是在企業(yè)應(yīng)用時(shí)分別采用了制造業(yè)與電信行業(yè)模板。

以華夏銀行一站式BI平臺(tái)為例，其技術(shù)架構(gòu)中數(shù)據(jù)源不僅包含原有的數(shù)據(jù)倉庫與數(shù)據(jù)集市，還通過大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)采集和流式數(shù)據(jù)分析，同時(shí)還具備非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)處理方案。其中數(shù)據(jù)整合層的內(nèi)容是傳統(tǒng)BI、大數(shù)據(jù)平臺(tái)、數(shù)據(jù)源的一個(gè)整合，提供了敏捷BI難以實(shí)現(xiàn)的數(shù)據(jù)源需求與性能需求。 

圖21: 一站式大數(shù)據(jù)平臺(tái)架構(gòu)示意

數(shù)據(jù)來源：永洪科技 

 而對(duì)于業(yè)務(wù)人員，華夏銀行的一站式BI平臺(tái)又是輕量的，具備自助式的服務(wù)特征。業(yè)務(wù)人員根據(jù)自身的數(shù)據(jù)方案權(quán)限即可查詢所需的數(shù)據(jù)指標(biāo)和規(guī)則模板，使用托拉拽的方式即能快速組建業(yè)務(wù)查詢需求。

因此，在大中型企業(yè)中，一站式大數(shù)據(jù)平臺(tái)逐步替代傳統(tǒng)BI和敏捷BI的趨勢(shì)將越來越明顯。但在小型業(yè)務(wù)中，正如Excel的廣泛應(yīng)用一般，敏捷BI也會(huì)占有相當(dāng)?shù)氖袌?chǎng)。

5.2 BI與AI融合，降低數(shù)據(jù)分析的門檻，放大數(shù)據(jù)分析的價(jià)值

BI與AI將在未來進(jìn)行深度融合。這一融合趨勢(shì)將快速數(shù)據(jù)分析的使用門檻,在貼近行業(yè)場(chǎng)景的前提下,快速放大數(shù)據(jù)分析的價(jià)值。 

圖22: 一站式大數(shù)據(jù)平臺(tái)數(shù)據(jù)管理與自助式服務(wù)

數(shù)據(jù)來源：永洪科技

AI技術(shù)分為三個(gè)流派，以知識(shí)圖譜為代表的符號(hào)學(xué)派，以機(jī)器學(xué)習(xí)為代表的連接學(xué)派以及以智能機(jī)器人為代表的行為學(xué)派。在BI行業(yè)，知識(shí)圖譜與機(jī)器學(xué)習(xí)將成為BI與AI融合的主流。AI技術(shù)將不局限于目前火熱的連接學(xué)派中的機(jī)器學(xué)習(xí)技術(shù)，而是多種流派技術(shù)的融合使用。 

圖23: BI與AI融合降低數(shù)據(jù)分析門檻的途徑

數(shù)據(jù)來源：愛分析

BI與自然語言處理NLP、知識(shí)圖譜等技術(shù)的融合，將促使語義搜索成為主流BI查詢接口，交互式BI將漸成潮流。根據(jù)2019年Gartner的報(bào)告預(yù)測(cè)，到2020年有50%的查詢分析通過自然語言搜索、語音搜索完成。在這個(gè)領(lǐng)域，基于行業(yè)的標(biāo)注數(shù)據(jù)與基于專家知識(shí)的知識(shí)庫建設(shè)將構(gòu)建新的行業(yè)壁壘。

BI與機(jī)器學(xué)習(xí)技術(shù)的融合將促成增強(qiáng)分析的功能快速豐富，這一方面數(shù)據(jù)科學(xué)平臺(tái)、機(jī)器學(xué)習(xí)平臺(tái)以及嵌入式分析將成為主要推動(dòng)力，從而實(shí)現(xiàn)預(yù)測(cè)式分析。適用化更強(qiáng)的AI算法與基于行業(yè)的模型，將成為該領(lǐng)域增長的核心要素。

增強(qiáng)分析技術(shù)、語義搜索與自助數(shù)據(jù)準(zhǔn)備的成熟將大幅降低現(xiàn)代BI平臺(tái)的使用門檻。業(yè)務(wù)人員使用自然語言即可實(shí)現(xiàn)預(yù)測(cè)式分析。需要注意到的是，這個(gè)過程并不是一蹴而就的事，IBM Watson近期的裁員表明這兩項(xiàng)技術(shù)在醫(yī)療領(lǐng)域并不能獲取比人更高的判別精度。 

BI與AI的深度融合將促使BI的行業(yè)標(biāo)簽更加明顯。在行業(yè)內(nèi)部有數(shù)據(jù)積累和長期實(shí)踐的企業(yè)，將建立長期優(yōu)勢(shì)，迅捷、開放、移動(dòng)、彈性、自服務(wù)、增強(qiáng)分析成為企業(yè)對(duì)數(shù)據(jù)技術(shù)的新需求，而單純的BI產(chǎn)品將會(huì)成為BI應(yīng)用中簡(jiǎn)單的一個(gè)環(huán)節(jié)。

永洪科技利用AI技術(shù)可以實(shí)現(xiàn)全鏈路的自服務(wù)數(shù)據(jù)準(zhǔn)備工作，大幅增強(qiáng)了可視化分析能力。同時(shí)，其分析引擎內(nèi)置AI深度分析算法，通過可視化工作流的方式，可以進(jìn)行預(yù)測(cè)式分析。在金融、物流和公安等領(lǐng)域，專家+AI的應(yīng)用模式獲得了極大的成功。

5.3 邊緣計(jì)算、IOT等技術(shù)成熟，基于大量設(shè)備聯(lián)網(wǎng)后的場(chǎng)景 

2020年，全球物聯(lián)網(wǎng)設(shè)備總數(shù)將達(dá)到340億，巨量物聯(lián)網(wǎng)終端的管理將成為巨大難題。物聯(lián)網(wǎng)一般劃分為感知層、傳輸層和應(yīng)用層，所以物聯(lián)網(wǎng)天然的包含數(shù)據(jù)采集、傳遞、處理和應(yīng)用環(huán)節(jié)。其中，在完成數(shù)據(jù)采集和傳遞基礎(chǔ)環(huán)節(jié)的鋪墊后，后臺(tái)數(shù)據(jù)處理將成為最關(guān)鍵的環(huán)節(jié)。

5G、邊緣計(jì)算、智能工廠等技術(shù)成熟將推動(dòng)物聯(lián)網(wǎng)級(jí)的BI平臺(tái)在物聯(lián)網(wǎng)后臺(tái)數(shù)據(jù)處理中發(fā)揮關(guān)鍵作用。在這個(gè)過程中，數(shù)據(jù)實(shí)時(shí)采集與存儲(chǔ)、流計(jì)算、數(shù)據(jù)實(shí)時(shí)分析與預(yù)警以及BI平臺(tái)與智能工廠的結(jié)合將成為現(xiàn)代BI的關(guān)鍵。

目前，制造、能源、物流和交通等行業(yè)是對(duì)物聯(lián)網(wǎng)級(jí)BI平臺(tái)需求較高。大部分中大型的制造企業(yè)已經(jīng)建立了比較完善的CRM、ERP、MES、MRP等基礎(chǔ)信息化系統(tǒng)，幫助制造企業(yè)收集大量的歷史數(shù)據(jù)；另一方面，終端傳感器、邊緣網(wǎng)關(guān)與服務(wù)器的部署使得對(duì)機(jī)器的性能測(cè)量和可追蹤性變成可能。

以物流行業(yè)為例，物流管理系統(tǒng)中包括物流跟蹤系統(tǒng)、播種墻分揀系統(tǒng)、RFID及AGV盤點(diǎn)系統(tǒng)等物流智能化系統(tǒng)和設(shè)備，時(shí)刻產(chǎn)生大量生產(chǎn)數(shù)據(jù)?，F(xiàn)代物流BI系統(tǒng)通常需要進(jìn)行全量數(shù)據(jù)分析，這類數(shù)據(jù)包括庫存、入庫、出庫三個(gè)維度的實(shí)時(shí)數(shù)據(jù)，以及通過上鉆和下鉆等功能實(shí)現(xiàn)省內(nèi)與省間的數(shù)據(jù)聯(lián)動(dòng)分析。

圖24: 物流行業(yè)物聯(lián)網(wǎng)級(jí)BI平臺(tái)示意

實(shí)時(shí)性作為物流BI系統(tǒng)的核心能力，其快速響應(yīng)時(shí)間通常在10S以內(nèi)，可實(shí)現(xiàn)全量數(shù)據(jù)聯(lián)動(dòng)分析。通過BI的可視化能力，其不僅對(duì)外部客戶提供更好的可視化感知服務(wù)，也可對(duì)內(nèi)加強(qiáng)運(yùn)輸配送環(huán)節(jié)的安全管控。

5.4 BI商業(yè)智能與垂直場(chǎng)景融合，更加貼近客戶場(chǎng)景訴求 

BI作為企業(yè)決策解決方案，熟悉企業(yè)業(yè)務(wù)是必要環(huán)節(jié)。BI系統(tǒng)在實(shí)施過程中，需要重新梳理企業(yè)管理方法、流程、體系，并得到管理層、中層和業(yè)務(wù)層的支持，深入挖掘企業(yè)需求，有時(shí)還需要IT咨詢?nèi)藛T介入，才能制定有效的BI實(shí)施方案。在這個(gè)過程中，通過BI系統(tǒng)實(shí)現(xiàn)智能運(yùn)維，是垂直行業(yè)場(chǎng)景融合的關(guān)鍵。

底層獲取數(shù)據(jù)能力增強(qiáng)，加速了BI與垂直場(chǎng)景融合。隨著大數(shù)據(jù)技術(shù)與物聯(lián)網(wǎng)技術(shù)的發(fā)展，現(xiàn)代BI可以實(shí)時(shí)獲取生產(chǎn)數(shù)據(jù)或者經(jīng)營數(shù)據(jù)。這類直接獲得的數(shù)據(jù)更多與垂直場(chǎng)景相關(guān)，如廣告中利用精準(zhǔn)營銷進(jìn)行獲客引流，供應(yīng)鏈管理中利用物聯(lián)網(wǎng)獲得的進(jìn)出場(chǎng)信息獲取倉儲(chǔ)管理情況，越來越多的行業(yè)屬性信息，加速了BI與垂直場(chǎng)景融合。

自助式分析、增強(qiáng)分析的BI方案落地依賴于對(duì)垂直場(chǎng)景的深刻理解。通用的BI產(chǎn)品通常不能直接解決業(yè)務(wù)分析的需求，只有依據(jù)業(yè)務(wù)場(chǎng)景，確定問題邊界，才能選擇合適的模型和算法，使用增強(qiáng)分析技術(shù)，才能制定有效的BI實(shí)施方案。例如，交通出行場(chǎng)景，除獲取相關(guān)的業(yè)務(wù)數(shù)據(jù)外，BI系統(tǒng)還必須選擇合適的人工智能或者運(yùn)籌學(xué)模型，才能計(jì)算相關(guān)的最短路程與出行時(shí)間。

云BI的快速發(fā)展，BI的客戶場(chǎng)景通過SaaS快速實(shí)現(xiàn)。BI云化后，BI產(chǎn)品的應(yīng)用和部署將變得更加便捷，客戶將按照業(yè)務(wù)場(chǎng)景選擇BI服務(wù)，而不是簡(jiǎn)單的選用BI的通用型服務(wù)。簡(jiǎn)單的如營銷過程的用戶畫像、教育行業(yè)的教育評(píng)測(cè)、征信服務(wù)的征信評(píng)價(jià)均可以通過SaaS服務(wù)方式提供給客戶。而附加的行業(yè)解決方案，正成為現(xiàn)代BI著重開發(fā)的要點(diǎn)。

六、BI商業(yè)智能廠商競(jìng)爭(zhēng)分析及典型廠商介紹 

6.1 BI商業(yè)智能廠商核心競(jìng)爭(zhēng)力分析

愛分析認(rèn)為，技術(shù)、產(chǎn)品、獲客、客群/LTV、場(chǎng)景理解能力五個(gè)方面，體現(xiàn)了BI廠商的核心競(jìng)爭(zhēng)力，這五個(gè)方面通過影響客單價(jià)和客戶數(shù)量，對(duì)整體收入和利潤產(chǎn)生影響。

圖25: BI商業(yè)智能廠商核心競(jìng)爭(zhēng)力分析模型 

數(shù)據(jù)來源：愛分析

技術(shù)了決定了廠商開拓新業(yè)務(wù)能力，影響解決客戶需求的復(fù)雜度，進(jìn)而影響客單價(jià)。在領(lǐng)導(dǎo)者和遠(yuǎn)見者象限中的廠商，除了本身扎實(shí)的技術(shù)基礎(chǔ)外，在市場(chǎng)前沿技術(shù)方面都各具特色。例如微軟、Tableau都推出了廣受歡迎的自然語言處理和自動(dòng)化數(shù)據(jù)準(zhǔn)備功能；ThoughtSpot、MicroStrategy則具備市場(chǎng)領(lǐng)先的增強(qiáng)分析功能；Qlik、TIBCO、Sisense在數(shù)據(jù)管理、混合數(shù)據(jù)集成具備強(qiáng)有力的競(jìng)爭(zhēng)優(yōu)勢(shì)。

產(chǎn)品與生態(tài)影響產(chǎn)品的規(guī)模化復(fù)制能力，產(chǎn)品/服務(wù)的易用性，以及業(yè)務(wù)發(fā)展對(duì)人力依賴，并直接影響毛利率空間。微軟無疑在這方面具有最強(qiáng)大的實(shí)力，其傳統(tǒng)BI產(chǎn)品、敏捷式的Power BI以及具有廣泛用戶基礎(chǔ)的Access和Excel，以及強(qiáng)大的云端部署能力，構(gòu)成了全鏈條、全網(wǎng)絡(luò)的BI應(yīng)用生態(tài)環(huán)境。Tableau則可以與Salesforce的SaaS構(gòu)成生態(tài)協(xié)同，雙雄組合即使是微軟也需暫避鋒芒。

客群則直接影響客單價(jià)以及市場(chǎng)空間。客戶每年IT預(yù)算以及傳統(tǒng)BI系統(tǒng)投入占比、產(chǎn)品客單價(jià)、所服務(wù)客群的同行業(yè)和跨行業(yè)之間的復(fù)制能力等因素都影響B(tài)I廠商的發(fā)展?jié)摿?。例如，Tableau客群大客戶比例高于Qlik，增長潛力更大；而Looker的參考客戶中，有36%分析的數(shù)據(jù)超過1tb，行表的中位數(shù)為5.85億，在2018年的特殊領(lǐng)域象限中Looker獲得顯著提升。

獲客則直接決定企業(yè)能夠服務(wù)目標(biāo)客群，影響成本結(jié)構(gòu)中的銷售費(fèi)用占比。這一點(diǎn)上傳統(tǒng)BI廠商如IBM、SAS、Oracle具有強(qiáng)大的渠道能力，但這部分廠商在面臨轉(zhuǎn)型的環(huán)節(jié)，在原有BI產(chǎn)品和新的發(fā)展趨勢(shì)上難以取舍。而云服務(wù)興起后，BI廠商大部分都推出了相應(yīng)的SaaS服務(wù)，而在Salesforce與微軟具有強(qiáng)大的云獲客能力。

場(chǎng)景化理解則影響客單價(jià)以及客戶黏性，對(duì)場(chǎng)景理解越深，壁壘越高，競(jìng)爭(zhēng)越小，客單價(jià)越高。可以看到，2019年簡(jiǎn)單的BI產(chǎn)品已經(jīng)不能滿足行業(yè)客戶的需要，同時(shí)還要匹配相應(yīng)的行業(yè)人員，進(jìn)行業(yè)務(wù)適配。

6.2 國內(nèi)BI領(lǐng)域廠商競(jìng)爭(zhēng)力分析   

國內(nèi)BI領(lǐng)域廠商參與者眾多，但技術(shù)門檻不高，競(jìng)爭(zhēng)非常激烈。國內(nèi)BI市場(chǎng)基本分為三類，第一類為傳統(tǒng)IT巨頭，如IBM、SAP等；第二類為云計(jì)算廠商，如阿里云、百度云等；第三類為新型BI廠商，如永洪科技等企業(yè)。

從市場(chǎng)集中度看，國內(nèi)BI市場(chǎng)集中度低，產(chǎn)品差異化不明顯。從國外市場(chǎng)來看，Tableau在市場(chǎng)占有率達(dá)3-5%時(shí)，增速已然放緩，大幅提升市場(chǎng)份額較難；但2017年，Tableau云化后，又恢復(fù)超過30%的增速。

Tableau被SaaS鼻祖Salesforce收購后，市值暴漲超過70%，BI與云的結(jié)合成為主流。從這一趨勢(shì)看，國內(nèi)采用SaaS服務(wù)的一體化BI平臺(tái)將會(huì)獲得更加高速的發(fā)展。

傳統(tǒng)IT巨頭預(yù)計(jì)將逐步退出中國市場(chǎng)，國產(chǎn)場(chǎng)景受到政策扶持。受政策影響，IBM、SAP、Oracle等廠商會(huì)逐步退出部分中國市場(chǎng)，這也是國內(nèi)廠商巨大機(jī)會(huì)。同時(shí)，從美國政府的實(shí)體禁運(yùn)清單中看出，高級(jí)BI類產(chǎn)品屬于被禁運(yùn)產(chǎn)品之列，所以國內(nèi)廠商受政治風(fēng)波影響，尤其在公共服務(wù)領(lǐng)域，彎道超車的機(jī)會(huì)大增。

隨著外退內(nèi)進(jìn)的發(fā)展，采用國外BI產(chǎn)品的國內(nèi)廠商逐漸使用國產(chǎn)BI產(chǎn)品進(jìn)行替代，典型的如美的集團(tuán)采用永洪BI平臺(tái)替代原有的Oracle BIEE平臺(tái)產(chǎn)品。

互聯(lián)網(wǎng)巨頭將覆蓋中小企業(yè)市場(chǎng)，通用型廠商空間有限，業(yè)務(wù)領(lǐng)域廠商將各具優(yōu)勢(shì)。通用型敏捷BI產(chǎn)品，將因技術(shù)壁壘低，快速失去競(jìng)爭(zhēng)優(yōu)勢(shì)。同時(shí)，由于中小客群價(jià)格敏感，需求簡(jiǎn)單，通用產(chǎn)品即可滿足，將成為互聯(lián)網(wǎng)巨頭目標(biāo)客群，新興創(chuàng)業(yè)公司在中小客戶市場(chǎng)很難與之抗衡；而扎根行業(yè)、給傳統(tǒng)大型企業(yè)提供深度行業(yè)解決方案的廠商，才有立足之地和長遠(yuǎn)機(jī)會(huì)。

6.3 永洪科技

永洪科技成立于2012年，專注于為百億級(jí)數(shù)據(jù)量的大型企業(yè)和各個(gè)垂直行業(yè)的中小企業(yè)提供靈活易用的大數(shù)據(jù)應(yīng)用解決方案。其一站式大數(shù)據(jù)構(gòu)建平臺(tái)，可以幫助企業(yè)輕松構(gòu)建數(shù)據(jù)應(yīng)用。永洪科技是業(yè)內(nèi)第一家用大數(shù)據(jù)技術(shù)去做數(shù)據(jù)分析平臺(tái)建設(shè)的公司，這一點(diǎn)上處于國內(nèi)外領(lǐng)先水平。

通過提供精細(xì)化本地實(shí)施、完善的咨詢服務(wù)、成熟的客戶成功體系和數(shù)據(jù)化運(yùn)營最佳實(shí)踐的積累，永洪的項(xiàng)目的成功率達(dá)95%，這一點(diǎn)遠(yuǎn)高一般企業(yè)不到50%的成功率。

永洪科技的BI包括Yonghong Z-SuiteX-Suite及其SaaS服務(wù)，垂直應(yīng)用與行業(yè)解決解決方案，并且能夠提供數(shù)據(jù)資訊、數(shù)據(jù)治理、項(xiàng)目實(shí)施及開發(fā)服務(wù)。與國外廠商更多將BI產(chǎn)品定位部門級(jí)產(chǎn)品不同，永洪科技則背道而馳，不斷擴(kuò)張自己的產(chǎn)品線，將產(chǎn)品做得越來越厚。永洪科技從產(chǎn)品深度和廣度兩個(gè)角度加強(qiáng)數(shù)據(jù)分析能力，使得產(chǎn)品線具備了全面的一站式數(shù)據(jù)分析平臺(tái)能力。

圖26: 永洪科技BI產(chǎn)品與服務(wù)結(jié)構(gòu) 

數(shù)據(jù)來源：永洪科技&愛分析  

永洪科技利用其高性能計(jì)算引擎Z-Data Mart，利用列存儲(chǔ)、庫內(nèi)計(jì)算、內(nèi)存計(jì)算、分布式計(jì)算以及分布式通訊技術(shù)，可以實(shí)現(xiàn)百億級(jí)數(shù)據(jù)秒級(jí)計(jì)算。強(qiáng)化數(shù)據(jù)處理能力，使得BI產(chǎn)品所能處理的數(shù)據(jù)量更大，由部門級(jí)產(chǎn)品轉(zhuǎn)向企業(yè)級(jí)產(chǎn)品，能夠支持更大數(shù)據(jù)量、更多應(yīng)用場(chǎng)景，實(shí)現(xiàn)增強(qiáng)式自助式分析。

其深度分析引擎Z-Advanced Analytics，連通探索式分析和深度分析，提供一站式數(shù)據(jù)分析洞察能力。在深度分析引擎內(nèi)部，封裝了機(jī)器學(xué)習(xí)等AI算法，擁有可視化工作流?？蓪⑻剿魇椒治霾樵償?shù)據(jù)作為深度分析的輸入，深度分析結(jié)果可以直接通過可視化進(jìn)行展示，形成業(yè)務(wù)閉環(huán)。

深度分析引擎將自助式分析，升級(jí)為自助探索式分析。一方面業(yè)務(wù)人員可以直接使用平臺(tái)上現(xiàn)成場(chǎng)景模板進(jìn)行分析，另一方面數(shù)據(jù)科學(xué)家可以基于平臺(tái)上的算法自己開發(fā)模型。

永洪科技并非只是BI產(chǎn)品提供商，其前期以咨詢方式切入大客戶，做好頂層設(shè)計(jì)，然后根據(jù)項(xiàng)目需要給企業(yè)配置合適的應(yīng)用解決方案，在這個(gè)過程中永洪科技也實(shí)現(xiàn)了多個(gè)行業(yè)解決方案的積累。永洪科技認(rèn)為BI廠商在平臺(tái)應(yīng)用成熟之后，可以將平臺(tái)積累的成熟行業(yè)解決方案出售給客戶或者通過合作伙伴渠道出售給有此需求的企業(yè)。

永洪科技通過兩年時(shí)間打磨出國內(nèi)首個(gè)“行業(yè)專家團(tuán)隊(duì)”，實(shí)現(xiàn)差異化的行業(yè)、企業(yè)、業(yè)務(wù)場(chǎng)景下的整體解決方案，實(shí)現(xiàn)從“數(shù)據(jù)咨詢->實(shí)施服務(wù)->客戶成功->數(shù)據(jù)分析課程培訓(xùn)”全程服務(wù)體系，全方位賦能客戶，幫助企業(yè)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長。

6.4 Tableau

Tableau成立2003年，2013年登錄紐交所，目前市值接近150億美元。

Tableau是一款敏捷型BI產(chǎn)品，可以使用Tableau便捷的連接不同的數(shù)據(jù)源，進(jìn)行探索式、自助式數(shù)據(jù)查詢。截止2019年，Tableau已經(jīng)連續(xù)7年處于Gartner 商業(yè)智能和分析平臺(tái)的魔力象限領(lǐng)導(dǎo)者地位，并具有極強(qiáng)的客戶滿意度。

Tableau除具備高客戶滿意度外，還有以下幾點(diǎn)優(yōu)勢(shì)：產(chǎn)品定位精準(zhǔn)，技術(shù)方向引領(lǐng)行業(yè)發(fā)展；具有很高的易用性；成功建立了超過100萬的活躍社區(qū)。Tableau在2017年收購ClearGraph，并將自然語言查詢帶入BI領(lǐng)域，2019年其自然語言查詢功能正式推出后，大受客戶歡迎。

Tableau有五大產(chǎn)品系列：Tableau Desktop、Tableau Server、Tableau Online、Tableau Public以及Vizable，這些產(chǎn)品都是為了解決一個(gè)問題：數(shù)據(jù)可視化，僅通過提供服務(wù)的方式進(jìn)行區(qū)別。

90%的Tableau產(chǎn)品都是買斷式的，客戶可以永久使用，只有很少一部分是按年付費(fèi)使用。這一點(diǎn)上，大大提高了Tableau的客戶滿意度。雖然看似一次性買斷，會(huì)對(duì)Tableau的營收造成影響，其實(shí)不然，Tableau在上市之后仍然保持了較高的營收增速，近三年平均營收增速達(dá)到21%。

Tableau的強(qiáng)勁增長正通過其后續(xù)的服務(wù)能力體現(xiàn)，包括產(chǎn)品的更新迭代以及技術(shù)人員為客戶解答各類問題。第一年的服務(wù)費(fèi)包含在產(chǎn)品里面，從第二年開始要收取一定比例的費(fèi)用，這個(gè)比例與產(chǎn)品價(jià)格和服務(wù)等級(jí)有關(guān)。最高服務(wù)等級(jí)是配備專線電話，7天24小時(shí)有人接聽。經(jīng)過多年發(fā)展，Tableau客戶每年的服務(wù)費(fèi)大概為產(chǎn)品費(fèi)用的50%。

2019年6月，Tableau被Salesforce收購。Salesforce與Tableau業(yè)務(wù)協(xié)同性與互補(bǔ)性很強(qiáng)：Salesforce具有完善的SaaS服務(wù)生態(tài)，擅長管理客戶關(guān)系，提升業(yè)務(wù)質(zhì)量，而Tableau則擅長于通過對(duì)數(shù)據(jù)的分析，讓企業(yè)更好地發(fā)掘市場(chǎng)機(jī)會(huì)并作出相應(yīng)決策?？梢钥吹剑瑑烧咴诳腿荷嫌泻艽笾丿B。

Tableau與Salesforce的聯(lián)姻另一方面可以看成兩家廠商應(yīng)對(duì)微軟的一種策略。早在2017年，微軟已經(jīng)在魔力象限中超越Tableau。微軟的BI堆棧對(duì)于兩者都具備無可比擬的優(yōu)勢(shì)，兩者結(jié)合后，Tableau快速融入Salesforce生態(tài)，而Salesforce則可以借助Tableau擺脫對(duì)Oracle的依賴，提高自身的數(shù)據(jù)分析能力，相得益彰。

結(jié)語 

BI是數(shù)據(jù)實(shí)現(xiàn)價(jià)值的窗口。無論是數(shù)據(jù)倉庫還是敏捷式BI，都是使得數(shù)據(jù)分析變得越來越簡(jiǎn)單、數(shù)據(jù)價(jià)值體現(xiàn)越來越直觀。從這個(gè)意義上看，BI的本質(zhì)是整個(gè)數(shù)據(jù)分析乃至大數(shù)據(jù)領(lǐng)域的入口。所以Salesforce和微軟要牢牢把握住這個(gè)入口。

從發(fā)展趨勢(shì)看，BI分別向數(shù)據(jù)端及分析端延伸。在數(shù)據(jù)量越來越多的情況下，數(shù)據(jù)管理會(huì)變得越來越容易；而通過自然語言理解和深度分析技術(shù)，前端的數(shù)據(jù)分析工作也將會(huì)越來越容易使用。利用語音或者文字進(jìn)行交互式分析，將成為BI發(fā)展的主流方向，并最終大幅超過現(xiàn)有BI的應(yīng)用范圍。

在未來，能夠與業(yè)務(wù)場(chǎng)景深度融合的BI產(chǎn)品將更具備競(jìng)爭(zhēng)力。在工業(yè)互聯(lián)網(wǎng)蓬勃發(fā)展的當(dāng)今，業(yè)務(wù)核心系統(tǒng)的發(fā)展仍然較為緩慢，但BI作為輔助運(yùn)營決策的主要方式，正在發(fā)揮越來越重要的作用。而對(duì)于業(yè)務(wù)系統(tǒng)的理解，將成為現(xiàn)有BI企業(yè)的巨大財(cái)富，并在未來競(jìng)爭(zhēng)中構(gòu)建競(jìng)爭(zhēng)壁壘。