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)動決策向數(shù)據(jù)驅(qū)動決策的轉(zhuǎn)變。

• BI平臺成為數(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)中臺服務(wù)，逐漸成為海量數(shù)據(jù)處理與分析的核心平臺。

• 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 一體化平臺成為趨勢

• 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平臺為基礎(chǔ)的一站式大數(shù)據(jù)平臺，成為新的趨勢。

• 在數(shù)據(jù)管理方面，現(xiàn)代BI平臺既需要利用傳統(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平臺的使用門檻。

技術(shù)平臺更加靈活 場景融合成為關(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一體化云平臺采用松耦合架構(gòu)，基礎(chǔ)平臺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，這個過程技術(shù)平臺與垂直行業(yè)場景的融合成為關(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)用場景分析

四. BI市場規(guī)模測算與分析

五. BI商業(yè)智能的未來趨勢

六. BI商業(yè)智能廠商競爭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，流量入口始終是商家必爭之地，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)品一直是市場的主流，但這并不是一個很好的市場。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)體系對海量數(shù)據(jù)計(jì)算與動態(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)倉向海量混合存儲與高效治理演進(jìn)、離線數(shù)據(jù)分析向增強(qiáng)性實(shí)時分析演進(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)對數(shù)據(jù)存儲和查詢效率的需求。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，原本在一個小時內(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)秒級的查詢變得越來越困難。

MPP或大數(shù)據(jù)平臺成為應(yīng)對海量數(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。Spark、Flink等分布式計(jì)算引擎與分布式數(shù)據(jù)庫、分布式存儲等新興技術(shù)快速補(bǔ)足大數(shù)據(jù)平臺生態(tài)的缺口。目前，大數(shù)據(jù)平臺已經(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)平臺查詢接口。

動態(tài)的業(yè)務(wù)需求對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/準(zhǔn)實(shí)時需求。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)。客戶不能實(shí)時獲取當(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BI的需求。

實(shí)時/準(zhǔn)實(shí)時BI分析目的是實(shí)現(xiàn)秒級的查詢響應(yīng)。目前，實(shí)時BI產(chǎn)品有三個發(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)存儲的地方計(jì)算，大大減少了數(shù)據(jù)移動，降低了通訊負(fù)擔(dān)，提高的數(shù)據(jù)分析性。

除實(shí)時性要求外，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)測和數(shù)據(jù)挖掘的將變得更加智能，自動化的數(shù)據(jù)準(zhǔn)備、基于模型的擴(kuò)展分析、預(yù)測式分析等增強(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，需由技術(shù)人員配合變更。在部分場景下，如月度財(cái)務(wù)會計(jì)場景，這類靜態(tài)報(bào)表在效率和準(zhǔn)確性上具有優(yōu)勢，但在動態(tài)業(yè)務(wù)場景下，靜態(tài)報(bào)表已經(jīng)不能滿足現(xiàn)代企業(yè)對數(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)時整合到一個圖表，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兩個角度，可分為兩種。兩種BI業(yè)務(wù)流程在適用場景、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平臺建立與部署、BI使用及維護(hù)三步，其中BI平臺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，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：永洪科技

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

5.4 BI商業(yè)智能與垂直場景融合，更加貼近客戶場景訴求 

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)出場信息獲取倉儲管理情況，越來越多的行業(yè)屬性信息，加速了BI與垂直場景融合。

自助式分析、增強(qiáng)分析的BI方案落地依賴于對垂直場景的深刻理解。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間。

云BI的快速發(fā)展，BI的客戶場景通過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)場景選擇BI服務(wù)，而不是簡單的選用BI的通用型服務(wù)。簡單的如營銷過程的用戶畫像、教育行業(yè)的教育評測、征信服務(wù)的征信評價(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)智能廠商競爭分析及典型廠商介紹 

6.1 BI商業(yè)智能廠商核心競爭力分析

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

圖25: BI商業(yè)智能廠商核心競爭力分析模型

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化數(shù)據(jù)準(zhǔn)備功能；ThoughtSpot、MicroStrategy則具備市場領(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)有力的競爭優(yōu)勢。

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Α＠纾琓ableau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。

場景化理解則影響客單價(jià)以及客戶黏性，對場景理解越深，壁壘越高，競爭越小，客單價(jià)越高。可以看到，2019年簡單的BI產(chǎn)品已經(jīng)不能滿足行業(yè)客戶的需要，同時還要匹配相應(yīng)的行業(yè)人員，進(jìn)行業(yè)務(wù)適配。

6.2 國內(nèi)BI領(lǐng)域廠商競爭力分析   

國內(nèi)BI領(lǐng)域廠商參與者眾多，但技術(shù)門檻不高，競爭非常激烈。國內(nèi)BI市場基本分為三類，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)。

從市場集中度看，國內(nèi)BI市場集中度低，產(chǎn)品差異化不明顯。從國外市場來看，Tableau在市場占有率達(dá)3-5%時，增速已然放緩，大幅提升市場份額較難；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。從這一趨勢看，國內(nèi)采用SaaS服務(wù)的一體化BI平臺將會獲得更加高速的發(fā)展。

傳統(tǒng)IT巨頭預(yù)計(jì)將逐步退出中國市場，國產(chǎn)場景受到政策扶持。受政策影響，IBM、SAP、Oracle等廠商會逐步退出部分中國市場，這也是國內(nèi)廠商巨大機(jī)會。同時，從美國政府的實(shí)體禁運(yùn)清單中看出，高級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平臺替代原有的Oracle BIEE平臺產(chǎn)品。

互聯(lián)網(wǎng)巨頭將覆蓋中小企業(yè)市場，通用型廠商空間有限，業(yè)務(wù)領(lǐng)域廠商將各具優(yōu)勢。通用型敏捷BI產(chǎn)品，將因技術(shù)壁壘低，快速失去競爭優(yōu)勢。同時，由于中小客群價(jià)格敏感，需求簡單，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。

6.3 永洪科技

永洪科技成立于2012年，專注于為百億級數(shù)據(jù)量的大型企業(yè)和各個垂直行業(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，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、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)百億級數(shù)據(jù)秒級計(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，由部門級產(chǎn)品轉(zhuǎn)向企業(yè)級產(chǎn)品，能夠支持更大數(shù)據(jù)量、更多應(yīng)用場景，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。可將探索式分析查詢數(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上現(xiàn)成場景模板進(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，在這個過程中永洪科技也實(shí)現(xiàn)了多個行業(yè)解決方案的積累。永洪科技認(rèn)為BI廠商在平臺應(yīng)用成熟之后，可以將平臺積累的成熟行業(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間打磨出國內(nèi)首個“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：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，會對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，這個比例與產(chǎn)品價(jià)格和服務(wù)等級有關(guān)。最高服務(wù)等級是配備專線電話，7天24小時有人接聽。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則擅長于通過對數(shù)據(jù)的分析，讓企業(yè)更好地發(fā)掘市場機(jī)會并作出相應(yīng)決策。可以看到，兩者在客群上有很大重疊。

Tableau與Salesforce的聯(lián)姻另一方面可以看成兩家廠商應(yīng)對微軟的一種策略。早在2017年，微軟已經(jīng)在魔力象限中超越Tableau。微軟的BI堆棧對于兩者都具備無可比擬的優(yōu)勢，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)分析變得越來越簡單、數(shù)據(jù)價(jià)值體現(xiàn)越來越直觀。從這個意義上看，BI的本質(zhì)是整個數(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入口。

從發(fā)展趨勢看，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)場景深度融合的BI產(chǎn)品將更具備競爭力。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，并在未來競爭中構(gòu)建競爭壁壘。