分析:商业智能BI走向何方?

  在展望2017年商业智能BI发展趋势前,我们先来了解一下商业智能BI发展的几个重要阶段。

  在2013年以前相当长的一个周期(2005年-2013年),市场主要流行的商业智能BI产品以SAP BO、Oracle BIEE、IBM Cognos等老牌巨头为主。Microsoft旗下的BI产品到SQL Server 2005才开始推出了一套比较完整的产品解决方案(SSIS、SSAS、SSRS),但总体来说在市场上的声音也比较薄弱,主要用户还是微软相关技术体系的客户群体,相对封闭。

  同时,东南融通在并购BI黄埔军校菲奈特后也基本上横扫了国内金融银行市场服务领域,打下了国内BI市场的半壁江山。很多公司的决策者、企业高层、一些BI厂商和大数据公司的创始人或核心团队成员都来自于这个体系。

  国内BI厂商例如润乾、Smartbi、帆软、奥威Power-BI在这个周期也处于一个起步和缓慢成长期。

  在这个时期出现了数据仓库之路,CognosChina,中国统计网、向上论坛等大小十几个商业智能BI和社区,整个商业智能BI的生态都算是比较良好。

  以上是2013年以前国内商业智能BI的大概情况,我们再来看看商业智能BI的市场特点。

  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,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。

  早在2005年-2010年期间,第一波以金融、保险、银行、电信、电网、医疗为主的大客户群体,他们最早上线了适应自己业务的应用系统,类似于ERP、CRM、OA、HIS等。因此按照数据沉淀的周期,大概从2008年-2013年期间,这些群体构成了商业智能BI产品的消费主体。同时也要注意到的是,他们也正好是能够有实力采购SAP BO、Oracle BIEE、IBM Cognos这些用户群体。

  随着IT信息化系统建设的成本越来越低,和越来越多的中小型企业也逐步重视起自己IT应用系统的建设和发展。基本上可以看到,在一线、二线城市稍微具备一定业务规模的企业都已经上线了各种业务系统,无论是自己IT内部开发的还是采购外部的业务系统。

  这个建设周期大家可以对照各自公司IT信息化建设的情况,大概也集中在2008-2013期间。业务系统一旦运转,以前手工作坊式的纸质的数据记录就逐步被抛弃,就意味着系统里源源不断的生产数据,这个就是数据沉淀、养数据的过程。用户期望与传统商业智能BI的矛盾点

  数据养好了,下一步动作就是要用好数据。但是问题在哪里?建设商业智能BI项目的成本!

  第一,产品成本。产品成本包括采购产品以及相关的硬件、后续的维护、咨询服务、培训成本。很多企业不是不想上SAP BO、OBIEE、Cognos,而是考虑到这些成本的问题。

  第二,项目实施周期和人力成本。传统商业智能BI的实施周期由于考虑到系统的可扩展性、查询性能优化等对传统数据仓库的设计规范要求相对来说是比较高的。无论是Kimball还是Inmon,或者两者结合的组合设计,这个周期都比较长,项目周期按月、按年来计算。

  第三,服务响应周期长。IT部门对于业务部门提出的数据需求,比如简单的报表制作,按照生产流程,少则一周多则一个月。这是纯粹的IT驱动,已经跟不上业务的发展要求。一个公司200个业务,每个人提一个报表需求,人少做不了,人多成本高。

  所以,在2013年前后,很多企业的IT信息化建设早已经完成,对应的数据沉淀也已经足够,下一步就是要解决商业智能BI上线的问题。但是,上述的三个成本因素阻碍了企业进一步的想法,市场上急需能够解决以上三个问题的新的解决方案或者新的产品。

  新的市场机会应运而生,2013年是一个商业智能BI发展史的一个重要转折点。同时,蛰伏了多年的大数据的概念从2013年开始也逐步由内部研究、小范围市场应用逐步走向前台。

  比如同期成立的公司有星环科技、海云数据、2011年成立的TalkingData也在2013年拿到A轮投资,2012年成立的Geo集奥也在2013年前后拿到A轮融资。

  新型BI的高速发展期和传统BI的衰退(2013年-2016年)可视化数据分析、Self-BI的集中在国内市场出现

  2013年-2016年是新型BI和高速发展期也是传统BI的衰退期。2013年整个市场和商业智能BI成长的主要特点就是传统商业智能BI开始向敏捷BI的转型、可视化数据分析、Self-BI的集中在国内市场出现。

  我选取了一些大家在市场上比较熟知的厂商和产品,看看在2013年这个时间点上都发生了哪些事情。

  1.QlikTech-总部在美国的一家瑞典公司,2010年7月在纳斯达克上市。2013年前后上海亦策取代科加诺成为QlikView在国内最大的代理,目前已占据国内Qlik代理市场至少70%以上的份额。2013年年底QlikTech授权上海亦策成立中国首个QlikView授权培训中心。

  2.Tableau2013年5月登陆纽交所上市,同时2013年前后Tableau产品逐步在国内市场出现,相关技术社区已经开始出现对这个产品的讨论。2014年、2015年、2016年在国内飞速成长,产品代理合作伙伴由以前的几家快速增长到10来家以上,产品服务覆盖国内各大区域和城市。

  3.永洪科技2012年成立,2013年正式推出永洪的可视化分析产品,2014年年初获得艾瑞天使轮投资,2016年7月永洪科技C轮获投2亿元人民币。

  4.海致BDP-2013年11月成立,2014年1月活动IDG资本等A轮投资。推出的SaaS BI可视化分析产品,同类型的国外产品是DOMO。

  6.同时间在国内的商业智能BI厂商还有帆软、亿信华辰、润乾、同期还有ETHINKBI、Smartbi、奥威Power-BI。这些厂商在迈过了2013年这个时间点之后,一些厂商牢牢的把握了这个成长周期,获得快速成长。

  但也看到一些厂商在原地踏步,产品和服务还是处于多年前的水平,既没有技术的沉淀也没有看到对市场快速变化的积极调整。

  准确来说,在2013年-2016年这三年的时间中,商业智能BI市场还是发生了非常巨大的变化。传统BI在向新型BI快速转型

  1.类似于SAP BO、IBM Cognos、OracleBIEE、Microsoft BI的原有市场,受到了国内外新型BI工具比如Tableau、Qlik、帆软、永洪、Smartbi等厂商的集体冲击。我们社区的一些用户,企业项目中传统BI产品逐步下线,新型BI产品集中上线.从市场活动和声音上来看,光2016年Tableau、Qlik、帆软、永洪、Smartbi等新型BI工具厂商所举办的各种大小型沙龙峰会活动上百场。

  3.同时,我们也注意到我们学院和问答社区的活跃度上,传统BI的产品热度也逐步的在走下坡路,大家的注意力转移了。注意力转移到哪里了?更加前端、更加业务化了、更加注意数据分析和挖掘的业务价值上了。

  4.最后,我们平均每个工作日会接到1-3个有关产品方面、项目选型方面的咨询电线%以上的用户基本上都在寻找新的产品,咨询的都是新的BI产品工具和项目解决方案。

  1.产品采购的成本下降。以前采购传统BI工具的成本偏高,培训、服务咨询成本都算比较高。新型BI产品工具只着重解决一些点的问题,不一定需要大而全。

  2.项目周期缩短、人力成本降低。以前的项目周期主要的消耗在ETL处理和数据仓库建模、性能优化等方面。如今,建模的要求不再那么高,性能优化在大多数场景下也不再有问题。整个项目周期从以前的月或年为单位快速的减少到按天、周、月为单位。

  3.IT驱动逐步走向业务驱动。IT负责基础数据架构的整理和接口开放维护,业务人员自行进行快速的可视化分析和报表分析维护。

  在我们社区企业用户中,有一家企业同样的一个项目做了一年才完工了80%正好到报表开发阶段。还要面临性能优化、模型的更改和维护,自定义的报表制作麻烦等一系列问题。最后通过选用新型的BI产品和工具,短短两个月不到就已经完成了80%的业务报表分析制作,快速的对业务部门形成了强力的业务支撑。

  那么是不是传统BI就一直在走下坡路呢?我不这么认为,因为这些老牌的BI厂商特别是Microsoft、IBM、Oracle也在积极的进行产品转型。2013年-2016年是他们传统产品模式的下滑期,但同时也是他们新的产品模式的转型期和调整期。

  这次调整基本上一次性完成了传统BI到新型BI的转型,同时对未来做了布局。

  传统BI巨头下滑期的变革与快速调整(2013年-2016年)传统BI巨头的产品转型

  这两个阶段的产品发布让DV的产品组件不仅仅支持本地部署,也可以在云端方便的访问。同时,在个人的桌面端,用户也可以自如的分析任何来自个人或者企业内部的数据。

  除了强大的可视化分析服务之外,也支持云端部署。2016年11月,就在前不久的Microsoft Ignite大会上微软已经和中国的世纪互联合作正式让PowerBI SaaS服务落地在国内。同时,在大会上看到的PowerBI内部的Quick Insight预测性分析和Anna Talk的对接也打通了自然语言和预测性可视化分析流程。

  同时,协同IBM Waston Analytics(云端的业务SaaS分析服务)组成了强大的自然语言进行预测性分析和交互。打通了数据准备、预测分析和可视化呈现等自动化分析流程。

  可以看到三大厂商在2013年-2016年这几年中对产品进行了快速调整,其中调整的重点和关注点在什么地方?云端部署、预测性分析洞察、而预测性分析洞察背后隐藏的是人工智能和机器学习。

  这样的调整完成了对未来商业智能BI发展趋势的判断,对未来的产品方向做了提前布局。可以预测的是,在2013年-2016年大家重点关注的区别于传统BI的一些产品特点,比如可视化分析、移动BI、业务驱动自助分析、性能、用户友好等已经成为BI产品的标配,在市场上已经相对稳定和成熟,在2017年这些将不再是重要的关注点和亮点。市场用户是否成熟的判断

  1.自助式BI可视化分析应该成为常态,自助式BI分析已经成为常态,业务人员已经可以独立的完成业务分析。传统的由IT驱动的数据分析转变成为业务驱动分析。

  2.IT负责数据架构的治理、数据质量的梳理;业务人员自助分析;以前BI是大公司的专利,现在初创公司通过基本的分析工具就可以完成日常业务数据的分析工作。

  3.传统数据仓库建模的方式会逐步消亡,取而代之的是更加敏捷的BI实现方式,通过表之间的关联关系并及时的进行可视化数据分析并获得结果。

  5.人们不再单纯的关注于工具本身,能够实现什么样的可视化效果。而更加注重如何利用工具进行业务价值的实现,需要更多行业咨询和业务指导。以单纯的工具作为唯一卖点在将来会被逐步淘汰。

  通过以上这几点基本上就可以判断出在这变革的三年期间,用户的成熟度是否随着新型BI所带来的用户价值观改变而得到提升。在未来,在商业智能BI领域,我们应该更关注什么,会发生什么?

  在2016年8月份我写过一篇文章深入分析BI数据可视化市场SaaS模式。在这篇文章中,我提到大概在2018年前后在国内大概会出现比较成熟或者很成熟的可视化BI分析SaaS模式的产品。判断的依据是什么?还是我在文章开始时提到的:“数据在哪里?分析就在哪里?”这个观点。

  商业智能BI的基础就是业务系统,业务系统本地化因此商业智能BI也是本地化的。当业务系统云端化,当国内SaaS企业逐步成熟的时候,解决了什么样的问题?业务规范化、标准化和规模化,而随之而来就是数据规范化、标准化和规模化。这种模式一旦落地,很容易基于这些标准数据来做接口,基于这些接口形成较长时间内比较稳定的业务分析形态。有三个方面的表现:

  1.BI SaaS服务提供商和SaaS服务提供商直接形成合作关系,直接将BI SaaS产品平台化,基于BI工具形成标准的分析成果,作为产品附加值提供给SaaS租户。但缺点是,租户在当前SaaS平台上只能分析当前SaaS平台上的业务数据。

  2.在提供SaaS BI产品的时候同时提供了各种SaaS平台上标准的数据接口,这是目前大多数SaaS BI服务商的做法。比如国外的Salesforce、Twitter、Google Analytics等等已经被一些SaaS BI厂商所打通。比如国内的Ptmind公司,他们提供的用户行为分析SaaS产品Ptengine本身又为他们自己的DataDeck SaaS数据分析产品提供了SaaS数据源接口支持。

  3.最后,云端部署还有一个非常大的优势,价格便宜。关于更多的有关SaaS BI的分析不再这里一一说明,具体的可以参看深入分析BI数据可视化市场SaaS模式。

  我认为除了这几家巨头(Microsoft、IBM、Oracle)在云端产品布局以外,在2017年和2018年间也一定会看到一些其它的BI厂商往云端进行转变。

  在国内整个SaaS BI的成熟期将会受到国内SaaS服务市场的成熟度的影响,国内SaaS市场成熟的越早,SaaS BI的成熟就越快。但从行业的角度上来看,也不是所有的行业都适用于SaaS BI产品,比如金融、银行、电信因数据体量和数据安全性上的考虑本身对SaaS服务天然屏蔽的行业。但无论如何,这一定是一个大的趋势,这个市场空间还是非常巨大的。

  未来的数据产品解决方案不仅仅是解决内部取数和数据分析与展现的问题,而可能通过云端的数据接口拿到更多的外部数据。大数据、小数据的边界会越来越模糊,人们更加关注的是数据本身,要用数据解决什么样的问题,更加聚焦在数据产生价值上。

  大数据和小数据不再有严格的区分,特别是当云端SaaS服务模式越来越普及的时候,云BI也能解决大多数业务场景下的大数据和性能方面的困扰。

  在我观察到的国内一些数据类产品中,就发现了这样的一些趋势。前端用户行为分析越来越朝着BI的方向走,而一些SaaS BI产品也在解决好用户内部数据之外引入了外部数据包括用户行为分析数据。

  就如同前面提到的,人们不再单纯的关注于工具本身能够实现什么样的可视化效果。而更加注重如何利用工具进行业务价值的实现,需要更多行业咨询和业务指导。以单纯的工具作为唯一的卖点在将来会被逐步淘汰。

  很多企业在内部的数据管理和业务系统数据规范性上一样存在很大的问题,在IT部门对基础的数据质量做完梳理之后,业务人员在很多场景下也一样需要相应的数据准备工作,可视化分析工具需要搭配一些简单易用的ETL工具能够让业务人员自助完成一些基础的数据准备工作。当然,如果未来业务在云端,数据标准化的过程将会更加容易和便捷。

  在今年Microsoft Ignite技术大会上我们已经看到了Microsoft Power BI Quick Insight和Anna Talk的结合。IBM Waston Analytics强大的自然语言进行预测性分析和交互。这两者都实现了预测性分析、对自然语言解析以及可视化推送的效果。以往的数据洞察需要靠人,靠拖拽数据、钻取数据交互分析获得,但在以后多了更多的方式机器洞察、智能洞察。虽然从数据的准确度、合理性、语言处理维度的程度上都不能完全替代人们自助的数据分析方式,但无论如何,这种尝试已经在朝着成熟的方向来发展了。

  移动BI应该包括两个方面的因素:移动+协作。在之前提到过,在下个阶段的BI发展趋势上,移动BI的展现已经不再是亮点,移动BI已经成为企业数据展现的标配。传统的数据信息交换方式是单向输出,中心到个人的输出模式,而以后的模式是中心到个人,个人到个人可逆的传输模式。目前我们已经看到一些移动协作的方式,比如和微信的集成打通。但以后的数据分析和分享协作模式应该会越来越丰富,很有想象的空间。

  无论产品的趋势如何发展,大家更加关注的还是如何通过数据发掘业务价值。围绕业务价值对数据进行认知和发掘,无论大数据还是小数据,关心用户真正面临的和要解决的问题,才是一个产品发展的真正内涵。(来源:亿欧网 文/吕品 编选:中国电子商务研究中心)

  今年以来,中国电商企业掀起上市第二波热潮,如美团点评、齐家网、宝宝树、拼多多、找钢网、同程艺龙、沪江教育、小狗电器、什么值得买、中粮我买网等都已提交IPO申请。在此背景下,7月10日,国内知名电商智库电子商务研究中心发布了《2017-2018年度中国电商上市公司数据报告》(全文下载:)。对电商上市公司财务数据进行分析,电商各领域上市公司包括:

  :生意宝、焦点科技、上海钢联、欧浦智网、慧聪集团、科通芯城、卓尔集团、冠福股份;(2)零售电商:阿里巴巴、京东、唯品会、苏宁易购、寺库、聚美优品、国美零售、南极电商、宝尊电商、御家汇、有赞、优信集团、小米集团。(3)生活服务电商:携程网、途牛、58同城、一嗨租车、无忧英语、前程无忧、搜房网、阿里影业、阿里健康、乐居、平安好医生;(4)跨境电商:跨境通、广博股份、天泽信息、华鼎股份、浔兴股份、山鼎设计、联络互动、新维国际控股、兰亭集势;(5)电商物流:顺丰控股、圆通速递、申通快递、韵达股份、德邦股份、中通快递、百世。

您可能还会对下面的文章感兴趣: