報告摘要
BI商業智能的核心在于體現決策價值
• 企業數字化轉型的本質是經驗驅動決策向數據驅動決策的轉變。
• BI平臺成為數據產生價值的主要方式。以BI建設為中心的數據中臺服務，逐漸成為海量數據處理與分析的核心平臺。
• 在企業中提供更深刻的業務洞察力，是管理層依賴BI平臺進行決策的基礎。
• BI業務的發展使得業務人員進行數據分析的門檻大幅降低。
向數據和分析兩端發展 一體化平臺成為趨勢
• 企業不再滿足于一般的報表與敏捷式儀表盤，企業的BI需求變得更加靈活和高效。以云BI平臺為基礎的一站式大數據平臺，成為新的趨勢。
• 在數據管理方面，現代BI平臺既需要利用傳統BI的數倉資產，還需具有更強數據源管理能力和深度分析功能。
• 在易用性方面，增強分析技術、語義搜索與嵌入式分析技術將大幅降低現代BI平臺的使用門檻。
技術平臺更加靈活 場景融合成為關鍵
• 隨著微服務架構及容器技術的發展，更多的BI一體化云平臺采用松耦合架構，基礎平臺具有更好的靈活性和業務適應性。
• BI系統在實施過程中，需要深入挖掘企業需求，重新梳理企業管理方法、流程和管理體系，這個過程技術平臺與垂直行業場景的融合成為關鍵。
目錄
一. BI商業智能行業概覽
二. BI商業智能的價值
三. BI商業智能的重要應用場景分析
四. BI市場規模測算與分析
五. BI商業智能的未來趨勢
六. BI商業智能廠商競爭分析及典型廠商介紹
結語
一、商業智能行業概覽
2019年，國際商業智能行業格局巨變。6月6日，Google以26億美元現金收購商業情報軟件和數據分析平臺Looker；4天之后，更具爆炸性的新聞爆出，SaaS第一股Salesforce以157億美元的價格收購BI領導者Tableau，成為Salesforce歷史上最大的一筆收購案。
國際巨頭通過收購進行產業整合并不新鮮，但如此密集的BI類并購在歷史上并不是首次，12年前就已經發生。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。這不禁讓人發問，IT巨頭為何熱衷于收購BI企業？
在互聯網C端市場，流量入口始終是商家必爭之地，而BI軟件則是數據分析領域最重要的入口之一。BI與分析領域的產品和技術，是所有用戶尤其是大客戶的剛需。2019年，云計算進入2.0時代，大數據為BI提供了海量數據分析需求，業務復雜性和數據復雜性帶來的雙重挑戰，成為新一輪BI并購潮主要推動力。
1.1 BI商業智能發展歷程
BI(Business Intelligence, 商業智能或商務智能)源自企業對業務數據進行價值挖掘與展現的需求。1989年，BI概念由Howard Dresner定義而廣泛傳播，此時的BI定義為由數據倉庫、查詢報表、數據分析、數據挖掘和數據維護等部分功能組成，以幫助企業決策為目的的技術應用。
圖1: 1968年-1989年傳統BI企業成立時間軸
數據來源：愛分析
商業智能不僅是一種技術，更是一種企業集成數據解決方案。這包括了ETL（Extract-Transform-Load，抽取-轉換-加載）、數據倉庫、DM（DataMining，數據挖掘）、OLAP、數據可視化等多種工具。1968年到1989年，傳統BI的廠商如Cognos、SAP、Oracle、Teradata、MicroStrategy等陸續成立。
2013年之前，傳統BI產品一直是市場的主流，但這并不是一個很好的市場。根據IBM的統計數據，實施傳統BI的項目失敗率在60%-70%，大量的BI系統并沒有得到有效的使用。傳統BI產品，通常只能由技術人員在設計好的維度模型上建立數據倉庫。這造成了兩個問題，技術人員難以完全理解業務人員的需求，數據倉庫不能滿足不斷變化的業務需要。
敏捷BI為了解決上述兩個問題而出現。敏捷BI，又稱自助式BI，是指由業務人員自助式建模，能夠實現快速部署、數據源集成、高性能計算、探索式分析的BI可視化產品。由于業務人員自行建模，擺脫了數據無法體現業務需求，技術人員不懂業務需求的困境。讓數據直接反映業務，成為敏捷BI的一大特點，典型的敏捷BI廠商有Tableau、永洪科技等。
表1: 傳統BI產品與敏捷BI產品
數據來源：愛分析搜集
1.2 BI商業智能技術架構和演進路線分析
傳統BI商業智能體系結構主要由數據源、數據存儲與管理、OLAP引擎和前端工具組成。數據倉庫、數據集市與OLAP引擎是傳統BI體系的核心。傳統BI技術體系對海量數據計算與動態業務的支持均不足，系統搭建、建模過程均需技術人員完成。
BI商業智能從傳統BI階段向敏捷BI的發展過程中，數據源與數據管理、增強性分析、交互易用性，是BI技術架構快速演變的主要方向。具體表現為傳統數倉向海量混合存儲與高效治理演進、離線數據分析向增強性實時分析演進、靜態報表向自助圖表和智能交互演進。
圖2: 傳統BI的體系結構
數據來源：愛分析搜集
1.2.1 傳統數倉向海量混合存儲與高效治理演進
傳統數據倉庫和OLAP引擎不適用于當今BI業務對數據存儲和查詢效率的需求。隨著業務數據的快速增長，傳統不的數據倉庫不能滿足存儲和計算的需求。一方面數據ETL的效率快速下降，原本在一個小時內可以準備好的數據通常延遲到一天后才能進行分析；另一方面數據查詢效率快速下降，實現秒級的查詢變得越來越困難。
MPP或大數據平臺成為應對海量數據的主要解決方案。MPP（Massively Parallel Processing，大規模并行處理系統）不同于事務處理數據庫，更適于OLAP場景。采用MPP方案的典型案例是領先的數據倉庫企業Teradata，其在1990年就發布了第一款MPP數據庫產品，目前MPP架構仍是處理高質量結構化關系型數據的首選方案。國產BI軟件中，永洪科技數據集市產品同樣采用了MPP架構。
Hadoop經過幾年的高速發展，近兩年雖略顯疲軟，但仍是主流的大數據平臺。Spark、Flink等分布式計算引擎與分布式數據庫、分布式存儲等新興技術快速補足大數據平臺生態的缺口。目前，大數據平臺已經能夠適用結構化、半結構化和非結構化數據處理，目前敏捷型BI產品一般都具有Hive、Spark SQL等大數據平臺查詢接口。
動態的業務需求對BI商業智能數據治理的要求更加嚴格。傳統BI成功的關鍵在于元數據的良好定義，元數據一旦定義，修改成本將十分高昂，但由于技術人員有限的業務理解和多變的業務形態，良好的元數據定義通常難以實現。數據治理即為了解決元數據標準不統一，數據質量管控、數據集成效率低等問題出現相關工具和方法。IBM、Qlik等BI企業都已在其產品提供或者加強了數據治理功能。
1.2.2 離線數據分析向增強性實時分析演進
傳統BI的離線數據分析難以滿足實時/準實時需求。通常當天業務結束后，BI系統進行統一的查詢、計算、分析和展現。客戶不能實時獲取當天的分析結果，難以滿足快消、物流、航空等實效性要求較高的業務對BI的需求。
實時/準實時BI分析目的是實現秒級的查詢響應。目前，實時BI產品有三個發展方向，采用MPP/大數據架構（Presto/Impala/SparkSQL/Drill）優化查詢性能、采用分布式搜索引擎架構（Elasticsearch、Solr）和預計算分布式OLAP引擎（Druid/Kylin）。
上述三種方案，采用了內存計算、并行計算、分布式計算和分布式通信等多種方式提高響應速度，除此之外現有的BI廠商還通過庫內計算技術，將開銷大的計算直接在數據存儲的地方計算，大大減少了數據移動，降低了通訊負擔，提高的數據分析性。
除實時性要求外，隨著AI技術的快速發展，利用自然語言處理與機器學習技術進行增強性分析成為BI系統的剛需。微軟、Tableau、ThoughtSpot、MicroStrategy都推出了相關產品。未來，數據預測和數據挖掘的將變得更加智能，自動化的數據準備、基于模型的擴展分析、預測式分析等增強分析技術將成為主流。
1.2.3 靜態報表式表現向自助圖表和智能交互演進
傳統BI的前端為靜態類報表，業務人員不能直接調整報表；業務需求變更時，需由技術人員配合變更。在部分場景下，如月度財務會計場景，這類靜態報表在效率和準確性上具有優勢，但在動態業務場景下，靜態報表已經不能滿足現代企業對數據分析的需求。
敏捷BI為業務人員提供探索式分析與自助圖表工具。在已有的數據指標和維度不能夠滿足業務分析的需求，傳統BI往往無能為力；而業務人員使用敏捷BI，可以通過拖拽的方式，自定義新的指標和維度，進行探索式分析。這一過程不需要技術人員長期參與，大大縮短了業務人員與數據之間的距離。在海量存儲和高效查詢的技術支撐下，敏捷BI可以利用自助圖表實時展現自定義指標，從而快速滿足業務需求。
由智能問答技術支撐的智能交互成為新的BI表現形式。無論是傳統BI還是敏捷BI都在往智能化BI的方向發展。利用自然語言理解進行自然語句查詢、利用知識圖譜實現業務預警、利用專家系統提供業務咨詢成為商務智能新的發展方向。
除自助式表現與智能交互成為新的BI表現形式外，嵌入式分析也成為主要發展方向。利用嵌入式分析，不同的系統的相關報告可以實時整合到一個圖表，從而形式上避免了數據孤島的產生。
1.3 BI商業智能的業務流程及主要商業模式
1.3.1 業務流程
BI商業智能的業務流程從傳統BI和敏捷BI兩個角度，可分為兩種。兩種BI業務流程在適用場景、部署方式、部署/使用成本上都各有不同。
傳統BI業務流程，分為業務需求定義、BI平臺建立與部署、BI使用及維護三步，其中BI平臺建立及部署又可分為建立數倉模型、數據抽取-轉換-加載、構建分析主題以及分析報表和儀表盤制作。在傳統BI業務流程中，BI平臺的使用和業務需求的定義主要由業務人員完成，而BI平臺的構建與部署主要由技術人員完成。
圖3: 傳統BI業務流程
數據來源：愛分析
傳統BI業務流程經過長時間檢驗，具有成熟的建模方法，能夠很好的整合業務數據。建立數倉的過程通常也是企業業務流程梳理和數據價值提煉過程，因此，從數據倉庫中獲取的數據通常是精煉有序的業務數據。
同時，傳統BI的構建過程十分復雜，因此業務需求方、使用方與平臺的構建方是分離的。因此造成傳統BI流程，部署成本高、部署周期長、業務需求與平臺功能不一致、報表剛性難以調整，業務人員難以根據需要制作報表、IT部門負擔重等缺點。
因此傳統BI流程適用于基礎性、大容量，需求和數據框架穩定的數據分析業務。
敏捷BI業務流程，通過敏捷型的BI工具或者平臺實現的。在敏捷BI業務流程中，技術實現與業務分析實現了分離，因此敏捷BI業務流程中主要以業務人員自助式實現數據源連接、指標集定義、探索式分析和自助的報表制作和儀表盤展示。
圖4: 敏捷BI業務流程
數據來源：永洪科技
實時性作為物流BI系統的核心能力，其快速響應時間通常在10S以內，可實現全量數據聯動分析。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，也可對內加強運輸配送環節的安全管控。
5.4 BI商業智能與垂直場景融合，更加貼近客戶場景訴求
BI作為企業決策解決方案，熟悉企業業務是必要環節。BI系統在實施過程中，需要重新梳理企業管理方法、流程、體系，并得到管理層、中層和業務層的支持，深入挖掘企業需求，有時還需要IT咨詢人員介入，才能制定有效的BI實施方案。在這個過程中，通過BI系統實現智能運維，是垂直行業場景融合的關鍵。
底層獲取數據能力增強，加速了BI與垂直場景融合。隨著大數據技術與物聯網技術的發展，現代BI可以實時獲取生產數據或者經營數據。這類直接獲得的數據更多與垂直場景相關，如廣告中利用精準營銷進行獲客引流，供應鏈管理中利用物聯網獲得的進出場信息獲取倉儲管理情況，越來越多的行業屬性信息，加速了BI與垂直場景融合。
自助式分析、增強分析的BI方案落地依賴于對垂直場景的深刻理解。通用的BI產品通常不能直接解決業務分析的需求，只有依據業務場景，確定問題邊界，才能選擇合適的模型和算法，使用增強分析技術，才能制定有效的BI實施方案。例如，交通出行場景，除獲取相關的業務數據外，BI系統還必須選擇合適的人工智能或者運籌學模型，才能計算相關的最短路程與出行時間。
云BI的快速發展，BI的客戶場景通過SaaS快速實現。BI云化后，BI產品的應用和部署將變得更加便捷，客戶將按照業務場景選擇BI服務，而不是簡單的選用BI的通用型服務。簡單的如營銷過程的用戶畫像、教育行業的教育評測、征信服務的征信評價均可以通過SaaS服務方式提供給客戶。而附加的行業解決方案，正成為現代BI著重開發的要點。
六、BI商業智能廠商競爭分析及典型廠商介紹
6.1 BI商業智能廠商核心競爭力分析
愛分析認為，技術、產品、獲客、客群/LTV、場景理解能力五個方面，體現了BI廠商的核心競爭力，這五個方面通過影響客單價和客戶數量，對整體收入和利潤產生影響。
圖25: BI商業智能廠商核心競爭力分析模型
數據來源：愛分析
技術了決定了廠商開拓新業務能力，影響解決客戶需求的復雜度，進而影響客單價。在領導者和遠見者象限中的廠商，除了本身扎實的技術基礎外，在市場前沿技術方面都各具特色。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據準備功能；ThoughtSpot、MicroStrategy則具備市場領先的增強分析功能；Qlik、TIBCO、Sisense在數據管理、混合數據集成具備強有力的競爭優勢。
產品與生態影響產品的規模化復制能力，產品/服務的易用性，以及業務發展對人力依賴，并直接影響毛利率空間。微軟無疑在這方面具有最強大的實力，其傳統BI產品、敏捷式的Power BI以及具有廣泛用戶基礎的Access和Excel，以及強大的云端部署能力，構成了全鏈條、全網絡的BI應用生態環境。Tableau則可以與Salesforce的SaaS構成生態協同，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以及市場空間。客戶每年IT預算以及傳統BI系統投入占比、產品客單價、所服務客群的同行業和跨行業之間的復制能力等因素都影響BI廠商的發展潛力。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%分析的數據超過1tb，行表的中位數為5.85億，在2018年的特殊領域象限中Looker獲得顯著提升。
獲客則直接決定企業能夠服務目標客群，影響成本結構中的銷售費用占比。這一點上傳統BI廠商如IBM、SAS、Oracle具有強大的渠道能力，但這部分廠商在面臨轉型的環節，在原有BI產品和新的發展趨勢上難以取舍。而云服務興起后，BI廠商大部分都推出了相應的SaaS服務，而在Salesforce與微軟具有強大的云獲客能力。
場景化理解則影響客單價以及客戶黏性，對場景理解越深，壁壘越高，競爭越小，客單價越高。可以看到，2019年簡單的BI產品已經不能滿足行業客戶的需要，同時還要匹配相應的行業人員，進行業務適配。
6.2 國內BI領域廠商競爭力分析
國內BI領域廠商參與者眾多，但技術門檻不高，競爭非常激烈。國內BI市場基本分為三類，第一類為傳統IT巨頭，如IBM、SAP等；第二類為云計算廠商，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。
從市場集中度看，國內BI市場集中度低，產品差異化不明顯。從國外市場來看，Tableau在市場占有率達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與云的結合成為主流。從這一趨勢看，國內采用SaaS服務的一體化BI平臺將會獲得更加高速的發展。
傳統IT巨頭預計將逐步退出中國市場，國產場景受到政策扶持。受政策影響，IBM、SAP、Oracle等廠商會逐步退出部分中國市場，這也是國內廠商巨大機會。同時，從美國政府的實體禁運清單中看出，高級BI類產品屬于被禁運產品之列，所以國內廠商受政治風波影響，尤其在公共服務領域，彎道超車的機會大增。
隨著外退內進的發展，采用國外BI產品的國內廠商逐漸使用國產BI產品進行替代，典型的如美的集團采用永洪BI平臺替代原有的Oracle BIEE平臺產品。
互聯網巨頭將覆蓋中小企業市場，通用型廠商空間有限，業務領域廠商將各具優勢。通用型敏捷BI產品，將因技術壁壘低，快速失去競爭優勢。同時，由于中小客群價格敏感，需求簡單，通用產品即可滿足，將成為互聯網巨頭目標客群，新興創業公司在中小客戶市場很難與之抗衡；而扎根行業、給傳統大型企業提供深度行業解決方案的廠商，才有立足之地和長遠機會。
6.3 永洪科技
永洪科技成立于2012年，專注于為百億級數據量的大型企業和各個垂直行業的中小企業提供靈活易用的大數據應用解決方案。其一站式大數據構建平臺，可以幫助企業輕松構建數據應用。永洪科技是業內第一家用大數據技術去做數據分析平臺建設的公司，這一點上處于國內外領先水平。
通過提供精細化本地實施、完善的咨詢服務、成熟的客戶成功體系和數據化運營最佳實踐的積累，永洪的項目的成功率達95%，這一點遠高一般企業不到50%的成功率。
永洪科技的BI包括Yonghong Z-SuiteX-Suite及其SaaS服務，垂直應用與行業解決解決方案，并且能夠提供數據資訊、數據治理、項目實施及開發服務。與國外廠商更多將BI產品定位部門級產品不同，永洪科技則背道而馳，不斷擴張自己的產品線，將產品做得越來越厚。永洪科技從產品深度和廣度兩個角度加強數據分析能力，使得產品線具備了全面的一站式數據分析平臺能力。
圖26: 永洪科技BI產品與服務結構
數據來源：永洪科技&愛分析
永洪科技利用其高性能計算引擎Z-Data Mart，利用列存儲、庫內計算、內存計算、分布式計算以及分布式通訊技術，可以實現百億級數據秒級計算。強化數據處理能力，使得BI產品所能處理的數據量更大，由部門級產品轉向企業級產品，能夠支持更大數據量、更多應用場景，實現增強式自助式分析。
其深度分析引擎Z-Advanced Analytics，連通探索式分析和深度分析，提供一站式數據分析洞察能力。在深度分析引擎內部，封裝了機器學習等AI算法，擁有可視化工作流。可將探索式分析查詢數據作為深度分析的輸入，深度分析結果可以直接通過可視化進行展示，形成業務閉環。
深度分析引擎將自助式分析，升級為自助探索式分析。一方面業務人員可以直接使用平臺上現成場景模板進行分析，另一方面數據科學家可以基于平臺上的算法自己開發模型。
永洪科技并非只是BI產品提供商，其前期以咨詢方式切入大客戶，做好頂層設計，然后根據項目需要給企業配置合適的應用解決方案，在這個過程中永洪科技也實現了多個行業解決方案的積累。永洪科技認為BI廠商在平臺應用成熟之后，可以將平臺積累的成熟行業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。
永洪科技通過兩年時間打磨出國內首個“行業專家團隊”，實現差異化的行業、企業、業務場景下的整體解決方案，實現從“數據咨詢->實施服務->客戶成功->數據分析課程培訓”全程服務體系，全方位賦能客戶，幫助企業實現數據驅動業務增長。
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產品，可以使用Tableau便捷的連接不同的數據源，進行探索式、自助式數據查詢。截止2019年，Tableau已經連續7年處于Gartner 商業智能和分析平臺的魔力象限領導者地位，并具有極強的客戶滿意度。
Tableau除具備高客戶滿意度外，還有以下幾點優勢：產品定位精準，技術方向引領行業發展；具有很高的易用性；成功建立了超過100萬的活躍社區。Tableau在2017年收購ClearGraph，并將自然語言查詢帶入BI領域，2019年其自然語言查詢功能正式推出后，大受客戶歡迎。
Tableau有五大產品系列：Tableau Desktop、Tableau Server、Tableau Online、Tableau Public以及Vizable，這些產品都是為了解決一個問題：數據可視化，僅通過提供服務的方式進行區別。
90%的Tableau產品都是買斷式的，客戶可以永久使用，只有很少一部分是按年付費使用。這一點上，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到21%。
Tableau的強勁增長正通過其后續的服務能力體現，包括產品的更新迭代以及技術人員為客戶解答各類問題。第一年的服務費包含在產品里面，從第二年開始要收取一定比例的費用，這個比例與產品價格和服務等級有關。最高服務等級是配備專線電話，7天24小時有人接聽。經過多年發展，Tableau客戶每年的服務費大概為產品費用的50%。
2019年6月，Tableau被Salesforce收購。Salesforce與Tableau業務協同性與互補性很強：Salesforce具有完善的SaaS服務生態，擅長管理客戶關系，提升業務質量，而Tableau則擅長于通過對數據的分析，讓企業更好地發掘市場機會并作出相應決策。可以看到，兩者在客群上有很大重疊。
Tableau與Salesforce的聯姻另一方面可以看成兩家廠商應對微軟的一種策略。早在2017年，微軟已經在魔力象限中超越Tableau。微軟的BI堆棧對于兩者都具備無可比擬的優勢，兩者結合后，Tableau快速融入Salesforce生態，而Salesforce則可以借助Tableau擺脫對Oracle的依賴，提高自身的數據分析能力，相得益彰。
結語
BI是數據實現價值的窗口。無論是數據倉庫還是敏捷式BI，都是使得數據分析變得越來越簡單、數據價值體現越來越直觀。從這個意義上看，BI的本質是整個數據分析乃至大數據領域的入口。所以Salesforce和微軟要牢牢把握住這個入口。
從發展趨勢看，BI分別向數據端及分析端延伸。在數據量越來越多的情況下，數據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，前端的數據分析工作也將會越來越容易使用。利用語音或者文字進行交互式分析，將成為BI發展的主流方向，并最終大幅超過現有BI的應用范圍。
在未來，能夠與業務場景深度融合的BI產品將更具備競爭力。在工業互聯網蓬勃發展的當今，業務核心系統的發展仍然較為緩慢，但BI作為輔助運營決策的主要方式，正在發揮越來越重要的作用。而對于業務系統的理解，將成為現有BI企業的巨大財富，并在未來競爭中構建競爭壁壘。
