目錄
商業智慧（Business Intelligence）也被稱為商業智慧或商務智慧，人們習慣的稱呼為“BI”，圍繞BI工具建設的平臺常稱為“某某BI系統”、“某某報表平臺”、“某某管理駕駛艙”等。BI（商業智慧）技術提供使企業迅速分析資料的技術和方法，包括收集、管理和分析資料，將這些資料轉化為有用的資訊，然後分發到企業各處，讓企業決策有資料依據，減少決策盲目性，理性地驅動企業決策和運營。近幾年，BI越來越多的跟大數據聯繫在一起，BI工具需要提供大數據處理能力，也需要能即時對接大數據平臺進行資料分析計算。
BI商業智慧系統為未來資訊產業趨勢，由具體的數據可以看出：台灣商業智慧軟體市場2004年的US￥13.1M，到2015年，這塊市場總值已經成長到US￥2615M，年複合成長率達7.94%。雖然企業外部環境愈加複雜，市場規模依然很小，但我們可以肯定地是，台灣未來商業智慧行業的發展潛力非常大。
馬太效應威力太强，該如何選擇？
大數據BI行業已然是個香餑餑，進場者越來越多，魚龍混雜，整個競爭局面是神仙打架，小鬼遭殃。BI行業是個充滿吸引力的領域，同時也是極具門檻的領域。B2B行業與B2C、C2C行業屬性不同，即便是在互聯網巨頭或大量資本的支援下，沒有較明顯的產品優勢、服務優勢和使用者基礎，新創品牌是很難闖出一片天的。早些年大量融資的BI企業，2018年的日子並不好過，後勁明顯不足。
在市場知名度方面（品牌提及率，提到BI想到的廠商品牌），帆軟以29.27%的品牌提及率一馬當先，IBM以11.54%、SAP以5.98%分列榜眼、探花，微軟以5.34%位居第四，Tableau以3.63%位居第五。
IBM、SAP因為未能提供有競爭力的自助式BI產品，其知名度正持續下降，但得益於他們在IT領域的沉澱，銷售業績並未出現大幅度的衰減。微軟、Tableau的產品因為本土化服務策略、商業策略以及產品特性，知名度也有限。至於領頭羊的帆軟，其穩健的產品和服務策略，知名度、銷售業績雙雙提升。其他廠商則過於小眾，提及率普遍在1%以下，甚至更低。
可以看到，同金融、保險、生產製造、互聯網等行業一樣，結合各企業的實力現狀和發展潛力（人才結構、企業文化理念等因素），我們相信在未來的很長一段時間內，BI行業的馬太效應持續增強，強者益強，弱者益弱。
企業應用BI系統頻率上升，IT部門由幕後走到臺前
如上文所述，企業對BI的重視程度在不斷增加。為了讓BI成功落地，產出更多價值，大多數企業改進了組織架構，對IT部門進行重新定位，比如分拆除ITBP、資料分析師、營運智慧分析師等職能崗位。據調研，2018年約7成的企業已經成立了履行資料分析工作的相關部門（或擴展IT部門的職能），較2017年增長將近10個百分點。
因為企業的需求，IT部門也正逐漸從幕後走向台前，承擔更多的責任。調查資料顯示，有35.2%的企業資訊化方向和策略，是基於該公司戰略目標或管理層決策制定的。
有47.1%企業處於技術運維階段（能夠通過IT手段，增強企業業務的管理和運作能力，對業務有一定的支撐），有40%處於合作夥伴階段（合作夥伴，能夠在業務部門還未想到之前，就運用IT技術，幫助實現業務的發展和新業務的開拓）。對於工作成績，領導層對資料分析/BI專案的滿意度超過80%（非常滿意的38.9%，比較滿意的42.6%）。
在IT部門不斷崛起的過程中，BI的價值也得到了更充分的釋放。調查資料顯示，約38%的企業處於業務監測階段（傳統的DW/BI階段，用以監測現有業務的運行狀況），26%的企業處於業務洞察階段（使用統計分析、預測分析、資料採擷，來提示重大、相關的業績改善建議，即“告訴我我所需要知悉的”階段）。有16.7%的企業明確表示，BI建設落後，無法滿足多變的需求，需要升級。
此外，我們在調研中發現，BI的應用層面正從領導層向下擴散，越來越多的中間層（業務管理層、業務執行層）使用BI，2019年將更快的增長。從誕生之日起，BI的直接使用者都是企業的決策者，但近來由於入門級BI（報表工具）的推廣應用，越來越多的中層開始享用BI系統帶來的好處。調研發現，在成功上線BI項目的企業中，約有57.3%的企業領導在使用BI進行資料查看和分析；業務管理層和業務執行層中越來越多的人在使用BI，人數已經過半。
我們驚喜的發現，IT部門與業務部門的配合愈加緊密。雖然IT完全主導、IT強主導仍然是常態，但是業務強主導則從2017年的9.67%增長至2018年的23.31%，翻倍增長。未來將會更加緊密。僅有3.45%的企業，IT與業務的配合較差，存在一些部門牆。但是，25.9%的企業配合如魚得水，IT理解業務，業務認可IT。
既是挑戰也是機遇
資料整合治理。64.8%的受訪企業表示資料的整合與治理，是未來的主要挑戰。資料問題主要集中在：“資料過於分散，形成資料孤島，取數分析麻煩” “底層資料混亂，存在準確、失效、性能的問題”這兩個方面。一半的受訪企業認為，資料人才的培養和資料分析工具的選擇，也是主要難點。
資料人才的培養。從整體背景來看，越來越多的企業開始把資料人才作 為企業經營戰略版圖的核心組成部分，集中表現越來越願意花高薪聘請大數據人才，整體薪資水準在不斷提升。但是優秀的大數據人才培養的成本居高不下，培養週期長，人才供應始終是在大數據人才需求越來越大的背景下捉襟見肘。薪資競爭力不足以及企業創新力不足，讓傳統企業愈加困難。
企業資料文化的建設。在企業認可資料，積累資料的過程中，大數據團隊對資料人才的培養也會逐步找到一些法門，這些方法和技巧無不是圍繞在資料文化建設之上。調查顯示，在彰顯資料文化方面，雖然“溝通協調討論用資料說話，基於資料討論”達到了81.8%，但“資料獲得容易，資料分析快速、流暢”還不足35.19%。
讓BI成功並非易事，尤其是讓BI能持續產出價值，更是一個重大挑戰。無論BI廠商如何去改進產品，都不能忽視掉使用BI的人的要素。我們交付給企業一款好的產品，但不教給他足夠的本領去駕馭這款產品，就像給你一把絕世好劍，但沒有給你劍譜，你依然是個菜鳥，即便給了你一個劍譜，如果你沒有刻意練習，那到頭還是一事無成。我們結合2017、2018年的售前諮詢經驗發現，企業用戶如果不具備充足的BI專案建設能力，那麼他們更傾向于讓BI廠商提供一攬子方案，而不是只採購軟體然後讓企業的IT部門學習、實施。未來BI廠商提供給使用者的，除了產品以外，還有配套的學習資源、培訓資源、服務資源、交流平臺、各行業諮詢方案以及一攬子的專案實施，這一套組合拳，也正是我們BI廠商克敵制勝的法寶。
你不可不知的七大核心模組
Gartner2019年度分析和商業智慧平臺的魔力象限報告分析認為，到2020年，增強分析將成為新購買分析和商業智慧，資料科學和機器學習平臺以及嵌入式分析的主要推動力，50％的分析查詢將通過搜索，自然語言處理或語音生成，或者將自動生成；到2021年，自然語言處理和會話分析將提高分析和商業智慧的採用率，從35％提升到50％以上。
而現實中，台灣實際情況與歐美不同，以Gartner為代表的分析機構並不能準確描述台灣BI行業的實際狀況，帆軟數據應用研究院更接近用戶的聲音：台灣BI用戶目前主要的需求還是圍繞企業BI平臺資料許可權管控、探索式自助分析、快速搭建業務資料模型、OLAP多維分析、大資料處理性能、自助資料處理、移動資料分析查看這七大核心模組。
(1)企業BI平臺資料許可權管控
支援企業使用者的多級資料許可權分配，資料表支援分配行級別以及列級別的許可權，同時支持分級管理員對自己許可權範圍內的資料表、業務包、範本和使用者進行管理，滿足集團企業分級管理的需求。當今時代企業對資料安全管控越來越重視。無論未來商業智慧市場發展趨勢如何，BI平臺資料許可權管控都將是現代企業商業智慧分析的基石。
(2)探索式自助分析
支援業務人員對自己許可權範圍內感興趣資料進行多維拖拽探索和自助分析，以工具簡單易上手的門檻和低學習成本，讓真正對分析業務價值最熟悉的業務人員實現自助資料分析探索，最大化業務資料的分析維度和分析效率，靈活發掘資料中可能潛在的業務價值。
相比于過去IT集中式做報表的資訊化模式，在未來，業務部門的資料和分析專家數量將以IT部門專家的三倍速度增長，相信這將迫使企業重新考慮其組織模式和資料技能。通過現代商業智慧產品簡單易上手的學習門檻，這將會讓人人都成為資料分析師的能力不再只是IT人的獨有技能。
(3)快速搭建業務資料模型
根據企業不同業務資料分析主題進行分類管理，同時支持自動/手動構建高度可複用性業務資料關聯模型，一次創建即可滿足不同資料分析業務場景應用，無需反復對底層資料模型進行編輯修改。透過構建高度靈活、高可複用性的敏捷業務資料模型，讓IT部門逐步擺脫企業取數機的困境，大幅度提高企業的資料分析應用效率。
(4) OLAP多維分析
支援強大的頁面OLAP多維分析功能，包括分析視角的上卷、下鑽，維度的旋轉切換，指標的切換，分析資料的切片過濾，元件之間的聯動過濾、頁面超級連結跳轉等。
由於傳統的單一匯總式指標展示形式，已經逐漸無法滿足業務分析的複雜度，OLAP多維分析提供的強大分析功能正是説明使用者洞察資料背後的深刻業務見解提供了便利的工具。
(5)大數據處理性能
BI工具可支撐處理億級大數據分析計算的秒級回應，提供加速引擎對傳統關聯式資料倉庫（SQLServer、Oracle、Mysql等）進行資料提速處理，同時也支援即時對接企業大數據平臺（Vertical、Kylin、Greenplum等）進行資料分析計算。透過BI工具強大的資料抽取計算引擎，能夠極大地提高資料計算速度，同時也支援即時對接企業大數據平臺，為業務使用者提供海量資料下分析的性能保障。
(6)自助資料處理
BI工具可通過快速易上手的對話模式，讓業務人員也能完成工具層面的零代碼資料加工處理工作，例如例如表合併、分組統計、結構資料分層、過濾、增加列、同比環比、累計值、所有值、公式運算等資料清洗和資料處理方法，實現對資料的無限層次多維分析統計。
傳統BI工具對於一些稍微複雜的資料分析場景，往往需要依賴IT人員進行SQL或者ETL處理，然後再將結果資料匯出給業務分析使用者，溝通成本大，分析效率低。而通過零編碼式的自助資料處理，讓普通的業務分析用戶也能快速的完成基礎的資料清洗和加工操作。
(7) 支援各种各样的行動裝置資料分析查看
BI工具支援行動端資料分析多維分析查看功能（相容PC端的上卷、下鑽、旋轉、切片、聯動、跳轉等），對於BI工具的應用app支援便捷的掃碼登陸、離線查看、批註、分享等功能，透過行動端的資料分析應用，正逐步讓企業的資料分析展示終端不再僅僅局限於PC和大屏應用，較大地提高了分析的便捷性。
商業智慧已經成為企業精細化運營不可獲取的一部分。企業資料需要轉換為資訊，升級為知識，昇華成價值的過程要用到的種種技術和工具，就是BI。如果把企業經營和管理的資料比喻為金礦，那麼BI就是一個淘金場，負責採集大量的金礦石、金沙，然後經過進一步的分離、加工等操作，最後提煉出千足金。BI系統的運作過程，也是煉石成金的過程。
酒香也怕巷子深，BI工具的知名度還亟待提升。很多企業有非常明顯的BI需求，但是他們不知道有“BI工具”可以幫他們解決問題，更不要說對BI廠商的認知了，這也從側面反映出商業智慧軟體市場的巨大潛力。市場教育不是一朝一夕的事情，需要BI同行們的共同努力。“待到山花爛漫時，她在叢中笑”，2019年，大數據BI行業會更好。
獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！
相關閲讀：
BI商業智慧怎麼選？重點看這10個技術指標（Gartner魔力象限測評標準）
喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！
