BI 数据分析平台产品发展趋势.docxVIP

BI 数据分析平台产品发展趋势 编辑导语：数据分析，是用统计分析方法对收集来的大量数据进行分析，提取有用信息从而形成结论。简单来说，就是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律。随着数据分析被越来越多的企业所采用，出现了越来越多的数据分析平台，本文作者就对BI数据分析平台产品的发展趋势进行了分析。 近十几年来，在互联网技术和业务快速发展的同时，商用BI数据分析产品和行业发生了翻天覆地的变化。 十几年前，传统BI平台厂商占据着大部分市场；2010年前后，以Tableau为首的现代BI数据分析平台厂商开始快速崛起，最后抢占了绝大部分的市场。 是什么让现代BI获得了企业和组织的青睐，最终在市场竞争中获胜？BI平台的发展趋势，又能给我们什么样的启示？通过对Garnter魔力象限和相关资料的解读，我总结出以下几点： 笔者在公司负责内部数据分析类产品的建设，后续的分析将围绕数据使用进行，其它如厂商市场策略、数据技术方面的内容将不会涉及。 一、数据使用的门槛不断降低 2005年来，技术发展和产品设计思路的创新，让BI平台在产品部署、数据的准备和使用方面的门槛都大幅降低，让业务人员以更低的成本获得所需的数据。 1.? 从依赖IT部门到自助分析 企业中BI平台的用户，可以根据工作职责分到两类部门：业务部门和IT部门。 1）业务部门 是企业中直接负责业务经营的部门，业务部门往往直接面对企业的用户和市场，直接对企业的业务目标负责。业务部门会生产出一系列原始数据，并利用分析这些数据得出的结论优化业务结果。 2）IT部门 一般由技术人员或专业数据分析师组成，他们具备专业技术知识，能进行BI平台的部署和维护；他们也能够根据业务需求，进行数据分析和报表的开发。 IT部门主要的工作职责，是通过辅助和支撑业务部门的工作，间接推动公司的业务发展。 传统BI平台产品设计的重点是产品的标准化和功能性，而没有在易用性上投入足够的精力，导致传统BI平台有着较高的使用门槛，只有经过训练的IT部门的技术人员才能进行数据的开发和维护。 因此，所有业务部门的数据报表需求，都被集中到IT部门进行排期开发，IT部门成为了整个公司数据化的瓶颈。 对于IT部门，需求沟通和开发工作量巨大，每天疲于奔命；对于业务部门，业务需求沟通开发周期很长，无法满足业务发展对数据的需求。 尤其是业务方面的一些数据探索类分析需求，在这样的时间周期下，近乎无法实施，拖慢了整个组织的运营效率，更别提进入快速试错，迭代认知的正循环。 以Tableau为首的现代BI平台，被称为敏捷BI或者自助BI。这类BI产品提供了轻量的部署方式、易用的数据源连接功能和通过拖拉拽进行交互式数据可视化的能力，降低了BI平台的使用门槛。 业务部门的人员经过一定的学习就可以摆脱对IT部门的依赖，自行进行数据准备，数据报表的创建和数据分析。将原来按月、按周计算的开发周期，缩短到按天甚至按小时、分钟计算，数据需求实现的周期有了数量级级别的降低。 去IT部门中心化，让组织内部的数据应用的广度和深度都有所提升。 广度方面，原本IT部门资源有限，组织的数据使用场景更多的集中在企业经营的核心领域，比如：财务、销售、业绩管理这些直接跟公司业绩直接相关的领域；其它方面的数据应用，投入相对较少。 现代BI平台的诞生，让营销、供应链、仓储、HR、风险管理等等领域的负责部门获得搭建自身的数据分析体系的能力。 数据应用的深度的增加可以从两个角度理解： 数据覆盖人员层次的纵深增加。一开始数据只能提供给高级管理者，作为企业的重要决策参考使用；数据门槛降低后，数据可以渗透到一线员工的具体工作中，让更多人形成分析-行动-反馈的正循环； 数据在决策过程的覆盖率增加。数据在组织中的主要用途是减少决策的不确定性，提升决策质量。在决策链路或推理过程的诸多论证步骤中，得到的数据支撑越多越有力，决策的可靠性就会越高，最后决策的效果就会越好。 虽然去IT部门中心化的开发方式提升了业务数据需求的实现速度，帮助现代BI平台产品在市场竞争中获胜。 但各个部门独立进行数据准备和分析，缺乏统一的管理。在数据应用规模增大后，导致了数据的重复开发、数据口径不一致等诸多问题。 这些问题已经超出了BI平台本身产品的范围，更多的是组织结构、流程和数据管理的问题，建设企业级的数据中台是目前业界用于解决上述问题的方案，在此就不展开阐述了。 2. 自然语言查询 虽然现代BI平台已经让数据分析门槛下降了很多，但仍然存在一定的学习成本。用户需要具备一定的数据分析思路和方法，理解现代BI平台多维数据模型，掌握BI平台的界面逻辑和交互方式。 NLP技术的发展和对用户场景的理解，让BI平台开始尝试开发通过自然语言进行数据查询的功能。 用户只需要提出数据问题，BI平台就可以根据已