前言

近年來，隨著人們的數據意識和數據素養不斷提升，商業智慧和數據分析領域迎來了快速發展期，據Gartner商業智慧報告統計，到2020年全球的商業智慧市場容量預計將達到228億美元。同時，大數據、人工智慧AI、機器學習、深度學習等技術的快速發展，也促進了商業智慧和數據分析產品的新一輪進化。Gartner分析師認為，到2020年，自然語言生成和人工智慧將是90%的新BI平台的標準特徵，50%的分析查詢將使用搜索、自然語言處理，或語音生成，或將自動生成。但我們必須認識到，中國商業智慧的市場特徵、企業需求、關注點、發展階段均與國外有所不同，以Gartner為代表的分析機構並不能準確描述中國商業智慧行業的實際狀況。針對這一問題，帆軟數據應用研究院調研了規模不一的216家企事業單位，了解到他們的大數據BI系統應用狀態、需求情況、對大數據BI產品功能的期待，同時基於帆軟數據應用研究院對行業的長期觀察和思考，形成了該篇報告。

主要預測：
2018年，中國大數據BI產品將主要在自助分析的可操作性和功能豐富度、平台的安全性、數據管理能力、分析的共享能力、數據探勘能力、大數據處理能力六大功能模塊進行提升。

一、2018年中國商業智慧行業發展分析

(一)行業總體形勢向好

在當前經濟環境下，企業盈利的壓力和難度不斷增加，越來越多的企業，尤其是一、二線稍具業務規模的企業，其高層都希望通過精細化運營提升市場競爭力，降低企業的運營成本。這些企業絕大多數都已經在2008年~2015年間上線了各種業務系統，存儲了大量管理和運營數據，具備應用大數據BI進行數據分析和數據化管理的各種條件，這些需求將在2018年~2022年繼續爆發。值得注意的是，艾瑞諮詢在《2017年中國商業智慧行業研究報告》中指出，中國已經進入商業智慧領域第一方陣，成為發展最快的國家之一，但和美國還有比較大的差距。所以未來中國大數據BI行業總體將呈現加速度增長，市場容量將不斷擴大。

(二)大數據BI廠商馬太效應顯現

馬太效應是指強者越強，弱者越弱的現象，國內BI行業的馬太效應已經顯現。據帆軟品牌部調研數據顯示，處於行業第一梯隊的帆軟、Tableau、微軟PowerBI的品牌知名度和市場份額與其他廠商進一步拉大。帆軟2017年全年營收2.77億人民幣，遠超其他國內廠商之和。同時帆軟銷售部反映，2017年度銷售跟單中遇到的競品種類和數量均較2016年有相當大幅度的下降。BI行業出現馬太效應實屬必然，綜合實力強大的廠商更能投入資源做好產品、服務，解決更多用戶的需求和問題。可以預見，2018年中國BI行業馬太效應將進一步增強，逐步淘汰掉實力弱、規模小、產品差的企業。

(三)新型自助式BI與傳統型BI平分秋色

得益於敏捷、自助的特徵，從2013年起新型自助式BI迎來了高速發展期，這一時期也是傳統型BI的衰退期。

2017年，傳統型BI與新型自助式BI在國內市場中平分秋色。受訪企業中，約50.2%的企業仍然在使用傳統型BI，其中最典型的需求是企業常規日報、月報等匯總分析報告。約49.8%的企業應用新型自助式BI，通過報表平台+自助式BI+大數據底層平台的解決方案，來解決企業綜合的數據展示和分析需求，形成經營和戰略決策。在調研中我們注意到，約有18%的企業引進了新型自助式BI，部分或全部替代了傳統BI。雖然傳統型BI有其自身優勢和應用場景，但隨著新型自助式BI的不斷發展，傳統型BI必將逐漸退出歷史舞台，從國際傳統BI巨頭積極調整產品結構可見一斑。

二、2017年中國商業智慧用戶狀況分析

根據企業的IT人員和業務人員在數據分析中的工作量和投入程度佔比，我們將BI用戶（企業）劃分為5大類型，即BI應用金字塔模型，以更好的統計、分析企業的BI應用狀況。

(一)BI應用金字塔模型

1、IT完全主導型

其典型特徵為，IT人員做底層數據倉庫，以及BI大數據應用工具層面的數據模型處理的所有相關工作，完成95%以上的BI分析頁面（註：主要是指用於生產、經營、管理會議所需要的數據分析頁面，下同）的開發。業務人員僅負責前端數據查看，完成查看報表時相關聯動鑽取操作。

調研中我們發現，處於「IT完全主導型」這一等級的企業，約有93.2%都在使用傳統型BI工具，企業的業務人員基本沒有能力，也沒有需求去自主完成數據分析的工作。這些企業的業務變革並不劇烈，企業管理層認為當前的日常數據簡報能夠滿足企業管理和決策的需要，相對缺少變革的動力。

2、IT強主導型

其典型特徵為，IT人員做底層數據倉庫，以及BI大數據工具層面的數據模型處理的所有相關工作，完成80%~95%數量的BI分析頁面。業務人員完成低於20%數量的BI分析頁面。

從調研數據來看，這類企業中，67.5%的企業認為當前業務人員不具備數據分析的能力。而企業需要快速完成部分數據分析工作，所以選擇讓IT人員更多承擔工作。這類企業中普遍認為，商業智慧產品本身並非能夠快速上手，且業務人員仍需要統計學基礎，阻礙數據分析工作從IT人員向業務人員的轉移。

3、業務強主導型

其典型特徵為，IT人員做底層數據倉庫，以及BI大數據分析工具層面的數據模型處理的所有相關工作，完成前期示例不超過20%數量的BI分析頁面。業務人員完成超過80%數量的BI分析頁面。

從調研數據來看，這類企業中，超過80.2%是曾經推行傳統BI的企業，並且部分業務人員是有較高學歷和能力的，能夠學習和掌握商業智慧BI工具和數據分析技能，並願意在工作中積極使用；從帆軟數據應用研究院的實地走訪的部分企業來看，這些企業普遍行業排名靠前，公司從高層就重視數據分析工作。

4、業務完全主導型

其典型特徵為，IT人員做底層數據倉庫，以及BI大數據分析工具層面的數據模型處理的部分相關工作。業務人員完成95%以上數量的BI分析頁面和相當部分BI工具層面的數據模型處理。

相比於第三類使用人群（業務強主導型），這類用戶的一大特點是業務變革十分迅速，從事業務工作的人員學歷普遍較高，業務經營和發展需要企業快速做出決策。而基於數據分析得出的業務判斷相比個人歷史經驗準確度更高，是這類企業基本共識。比如在新興的互聯網企業，或者新零售領域，這個特點尤為突出。

5、智慧自助型

其典型特徵為，IT人員只做底層數據倉庫、數據連接、數據字典相關工作。業務人員處理所有BI大數據分析軟體層面的數據處理，以及所有BI分析頁面。

IT人員搭建數據中心，業務人員完全自主處理和分析數據，這類企業有著明顯的資源密集型的特點，業務人員更多的是偏向運營相關的工作。當然，因為此類受訪企業佔比較少，原因分析的可信度還有待進一步調研來核實。

(二)BI用戶狀況分布

基於BI應用金字塔模型，2017年企業分布如下；

從調研數據中，我們可以得出兩大結論。

1、IT人員主導企業數據分析的模式仍佔據主流，也就是IT驅動仍是2017年企業BI系統平台應用現狀。從數據調研的受訪企業來看，有高達60.5%的企業的數據分析工作仍是第二類型（IT強主導型），甚至有21.5%的企業的數據分析工作處在第一類型（IT完全主導型），這顯然和業務人員自助數據分析的目標距離遙遠。

2、新型自助BI正在成為商業智慧市場的主流。17.5%的企業是在2017年上線了新型自助BI系統，實現了讓少部分業務人員自助完成BI數據分析的目標。

三、2018年商業智慧用戶需求分析

(一)企業多級部門數據分層次IT許可權和平台管控，占受訪企業97.6%

需求描述：BI系統工具支援企業的多級部門的數據/分析頁面許可權管控，使得不同層級的部門機構只能看到本部門機構和轄屬部門機構的數據/分析頁面。

需求產生的原因：有的資訊中心為釋放壓力，放權給業務部門使用數據，一旦口子打開，數據缺口就會像洪水一樣泛濫，就又會走向另外一個極端，導致放權下的數據管理混亂，數據口徑不統一，部門之間的數據壁壘等等問題就會出現，同時這將給企業帶來極大的數據安全隱患。

滿足該需求對企業的價值和意義：在滿足業務部門BI數據自助分析的同時，兼顧企業的數據許可權管控，形成企業以IT部門集中管理下的良性數據分析風貌，杜絕企業數據安全隱患。

(二)業務人員可通過BI工具進行自助數據分析，占受訪企業94.5%。

需求描述：業務人員可以在瀏覽器前端，對自己許可權範圍內的數據進行多維拖拽探索和自助分析，發掘隱含在數據中的業務價值。

需求產生的原因：企業的傳統E化建設中，IT資訊中心對公司數據進行高度集中的管控，來自企業各職能部門的數據處理以及報表就會全部由IT人員來輸出，一旦業務部門需求集中扎堆，就會造成響應不足，業務部門怨聲載道。資訊中心自身成員熬夜加班做報表，成就感卻很低。

滿足該需求對企業的價值和意義：通過高效靈活的BI工具，業務人員對自己許可權範圍內感興趣數據進行多維拖拽探索和自助分析，以工具簡單易上手的低學習成本，讓真正對分析業務價值最熟悉的業務人員實現自助數據分析探索，最大化業務數據的分析維度和分析效率，靈活發掘數據中可能潛在的業務價值，同時也解放了IT人員的勞動力，降低企業人力成本。

(三)可快速搭建型自助BI業務數據模型，占受訪企業87.5%。

需求描述：資料庫表中的數據需要基於業務分析主題進行分類管理，相關數據表之間支援手動/自動構建關聯模型，同時建立的關聯模型支援靈活應用，無需反覆編輯修改或創建新的模型，一次建立即可靈活滿足多重業務場景進行數據分析使用。

需求產生的原因：傳統BI大數據分析工具創建的底層數據關聯相互獨立，無法重複利用，一旦遇到新的業務數據計算分析場景，數據關聯就需要修改或重新創建，極為麻煩，非常不利於IT人員維護。

滿足該需求對企業的價值和意義：通過BI大數據分析軟體快速構建的新型自助式BI業務數據模型，較傳統BI工具針對不同業務分析場景需要多次、重複建模的應用痛點，極大地提高了BI工具的企業中業務數據分析應用的效率，解放了以往IT人員對數據維護的壓力。

(四)OLAP多維分析：上卷、下鑽、旋轉、切片、聯動、跳轉等，占受訪企業84.5%

需求描述：BI大數據分析軟體支援強大的頁面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，分析數據的切片過濾，組件之間的聯動過濾、頁面超級鏈接跳轉等。

需求產生的原因：隨著業務發展的複雜化，單一角度的數據分析往往難以再發掘出更多有價值的潛在業務信息，取而代之的是需要BI工具能夠滿足強大的頁面OLAP多維分析功能。

滿足該需求對企業的價值和意義：通過BI工具強大的OLAP多維分析功能，以實現多角度、多關聯數據之間的數據無限層次探索分析，發掘出數據中潛在的業務價值。

(五)大數據處理性能處理能力達到十億數據秒級響應，占受訪企業63.6%

需求描述：BI系統工具可支撐處理億級以上大數據分析計算的秒級響應，提供多維加速引擎對傳統關係型數據倉庫（SQLServer、Oracle、Mysql等）進行數據提速處理，同時也支援實時對接企業大數據應用平台（Vertical、Kylin、Greenplum等）進行數據分析計算。

需求產生的原因：一方面，傳統關係型資料庫在面對上億級別以上數據量時，容易出現性能瓶頸，長時間的查詢等待往往會導致業務數據分析效率太低。另一方面，當今信息化水平飛速發展，越來越多的企業已經有了自己的高性能大數據平台，對於這部分企業來說，擁有一款能夠直接對接大數據平台進行數據分析的工具尤為總要。

滿足該需求對企業的價值和意義：BI大數據分析軟體提供的強大數據計算處理引擎，能夠降低企業數據查詢等待時間成本，提高業務數據分析效率。同時，通過直接對接企業大數據平台，還可滿足企業實時數據分析的需求。

(六)業務人員可完成工具層面的零程式碼數據加工處理工作，占受訪企業57.5%。

需求描述：BI系統工具可通過快速易上手的交互方式，讓業務人員也能完成工具層面的零程式碼數據加工處理工作，例如例如表合并、分組統計、結構數據分層、過濾、增加欄、同比環比、累計值、所有值、公式運算等數據清洗和數據處理方法，實現對數據的無限層次多維透視分析統計。

需求產生的原因：當業務需求相對偏複雜時，簡單的維度和指標統計往往無法直接計算出業務所需要的計算結果，以往的處理方式往往可能是業務部門提需求給IT，然後IT經過SQL或者程式碼對底層數據表加工處理，然後最終導出一張excel數據表給業務部門，期間的反覆溝通和等待時間往往降低了企業的業務數據分析應用效率。

滿足該需求對企業的價值和意義：通過BI大數據分析軟體，使得業務人員也能快速實現對數據的無限層次多維透視分和析加工統計，降低了傳統模式下的溝通成本和等待時間，提高了企業業務數據分析的應用效率。

(七)行動端數據分析查看支援，占受訪企業44.9%

需求描述：BI工具支援行動端數據分析多維分析查看功能（兼容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支援便捷的掃碼登入、離線查看、批註、分享等功能，同時滿足某些社群平台如Wechat、釘釘的企業公眾號集成。

需求產生的原因：在當今這個行動設備便捷時代，僅僅PC端的數據分析已經不能滿足某些特定時間和場所的業務分析需求了，而BI對行動端的支援已經成了必然要滿足的功能點。

滿足該需求對企業的價值和意義：通過行動端的BI分析查看，使得數據分析不僅僅局限於PC端，較大地增強了數據分析的便捷性。同時Wechat和釘釘的集成接入，讓業務通過社區平台也能直接查看想要的數據分析頁面，更是為行動端數據分析錦上添花。

四、中國大數據BI產品功能預測

結合用戶需求調研，和中國BI廠商的產品計劃研究，2018年如下六個大的功能模塊將會得到增強。

(一)提升自助分析的可操作性和功能豐富度

為滿足業務人員可通過BI系統工具進行自助數據分析的需求，中國大數據BI產品需要改善自助分析的功能和可操作性，包括圖表的豐富性。

前端布局自定義搭配，讓業務人員隨心所欲布置。比如儀表板自由布局，可快速拖拽生成所需要分析的頁面；在全面支援常見的柱狀圖、條形圖等圖形基礎上，增加支援中國（世界）地圖、GIS地圖、桑基圖等大數據圖表；

為了適應更加多樣的用戶，大數據BI平台需要支援強大的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，分析數據的切片過濾，組件之間的聯動過濾、頁面超級鏈接跳轉等。業務人員在OLAP多維分析的基礎上，能夠在數據分析查看時，再次對所有維度進行二次的維度指標加工，並無限層次多維透視分析統計，全面開放業務人員對數據的處理和分析操作，以滿足當前中國用戶多個視角、多個層級的分析需求，把傳統業務分析的智慧充分沉澱到數據分析系統中來。

為了給不同用戶提供個性化的視覺體驗，大數據BI平台支援表格動態數值預警功能和圖形設置動態警戒線，支援圖表樣式風格自由拖拽調整。同時，也需要大數據BI平台智慧自動設定預警值和樣式風格等。

(二)提昇平台的數據探勘能力

為滿足企業業務人員自助數據分析和自動探勘的需求，中國大數據BI產品需要在已有的資料視覺化和數據分析的功能基礎上，增強數據自動探勘能力，使業務人員在能夠掌握探勘基本概念的基礎上，深入挖掘分析業務數據，為業務運營提供數據結論支援。

大數據BI平台需要支援嵌入式高級分析功能，用戶能夠輕鬆使用平台內置的高級分析功能，也可以通過導入和集成外部開發的高級分析模型。比如平台內含數據探勘常見演算法（如線性預測、時序預測、聚類、分類等），或者提供外接其他數據探勘平台和工具的資料視覺化介面（如R語言或者Python語言），甚至內含適合特定業務場景的探勘模型。

(三)提昇平台大數據處理能力

為滿足企業對大數據BI平台實時響應的需求，中國大數據BI產品需要將當前大數據處理能力提升一個量級，達到10億數據量秒級響應水平，同時支援豐富多樣的資料源。

大數據BI平台需要支援豐富的數據源，如企業主流的關係型資料庫、大數據平台、NOSQL資料庫以及多維資料庫，需要支援實時對接數據平台和分布式引擎拓展，同時支援跨數據源關聯，同時支援對較大級別數據量進行數據抽取和索引建模，提高數據分析效率。

(四)提昇平台的數據管理能力

為了滿足中國企業業務人員用戶對數據處理的需求，中國大數據BI平台需要提升自身的元數據管理能力、數據的ETL處理能力、數據儲存能力。

提高元數據管理能力，使得用戶能夠集中管理元數據，包括對元數據進行檢索、提取、處理、儲存、分享復用和對外發布。中國企業的業務人員將需要在數據分析的過程中，直接操作經過IT人員標準化處理的元數據。

近幾年來，中國數據分析人才迅速增加，企業中也成長出一批有一定數據分析能力的業務人才，這些中國企業業務人才更多的是需要對數據進行ETL處理和存儲，這就需要平台功支援用於查詢、提取、轉換和載入的功能，具有索引、管理、調度數據的能力。

(五)提昇平台分析的共享能力

隨著ERP、OA、MES、HIS等常見業務系統的完善，企業少則數十套IT系統，多則上千套系統。新型自助BI需要能夠與多個系統同時融合，全面分析企業的業務數據。這就需要中國大數據BI產品需要加強產品與不同軟體系統的集成融合能力，這是中國企業面臨的共同難題。大數據BI平台需要支援嵌入式部署，如主流的應用伺服器，支援跨平台的許可權集成和頁面集成。

大數據BI平台不同用戶創建的分析頁面，可以方便地分享給其他成員。同時，在企業的分析用戶設計儀表板時，可以復用儀表板中的圖表、維度、指標等，支援用戶分享指定頁面進行給其他部門成員，便於互動溝通交流。

為滿足企業人員實時辦公、互通資訊的需要。大數據BI平台還需要支援行動端上共享和查看分析結果，支援在行動端對分析結果進行數據層級鑽取穿透、聯動等。

(六)提昇平台的安全性

為了滿足企業多級部門同時使用、不同許可權的功能，中國大數據BI產品除了要提供靈活豐富的用戶管理功能、許可權控制功能，還需要內置強大的用戶行為監控與分析功能，確保企業的數據安全和數據保密。

大數據BI平台將支援持批量導入用戶，支援同步企業統一許可權管理資料庫中的用戶，以企業IT系統統一的用戶管理方式進行用戶管理。支援用戶以企業IT系統統一的用戶許可權認證方式進行許可權管理。同時，需要支援簡訊平台功能，並可用於用戶帳戶身分驗證等，多種用戶和許可權管理方式，來滿足廣大中國企業的不同的安全級別要求和安全管理策略。

隨著大數據BI在中國的發展，中國企業自身的大數據BI平台已有眾多員工帳戶。這就對大數據BI平台提出新的挑戰，除了要攔截非法用戶，還要對大數據BI平台有效用戶進行有效監控。2018年，大數據BI平台需要支援監控用戶的操作行為，支援監控頁面被訪問的頻次、訪問來源，甚至是支援監控訪問到的數據範圍。

為了保證大數據BI平台系統持續支援企業經營管理，需要大數據BI平台支援系統數據遷移到企業資料庫，支援對系統進行備份與還原，備份可以手動或設定周期定時備份。同時，支援雲端伺服器部署和本地伺服器部署，支援多機熱備，達到企業的災備要求。此外，為了有效避免BI平台出現嚴重異常，還需要支援監控自身的運行性能，遇到系統性能風險，提前給出系統預警信號。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！