2017年商业智能 BI 发展趋势分析

在2016年8月份我写过一篇文章《深入分析 BI 数据可视化市场 SaaS 模式》。在这篇文章中，我提到大概在2018年前后在国内大概会出现比较成熟或者很成熟的可视化BI分析SaaS模式的产品。判断的依据是什么？还是我在文章开始时提到的：“数据在哪里？分析就在哪里？”?这个观点。

商业智能BI的基础就是业务系统，业务系统本地化因此商业智能BI也是本地化的。当业务系统云端化，当国内SaaS?企业逐步成熟的时候，解决了什么样的问题？业务规范化、标准化和规模化，而随之而来就是数据规范化、标准化和规模化。这种模式一旦落地，很容易基于这些标准数据来做接口，基于这些接口形成较长时间内比较稳定的业务分析形态。

有三个方面的表现：

1.?BI SaaS?服务提供商和SaaS?服务提供商直接形成合作关系，直接将?BI SaaS?产品平台化，基于BI工具形成标准的分析成果，作为产品附加值提供给?SaaS?租户。但缺点是，租户在当前?SaaS?平台上只能分析当前?SaaS?平台上的业务数据。

2.?在提供?SaaS BI?产品的时候同时提供了各种SaaS平台上标准的数据接口，这是目前大多数?SaaS BI?服务商的做法。比如国外的?Salesforce、Twitter、Google Analytics?等等已经被一些 SaaS BI 厂商所打通。比如国内的?Ptmind?公司，他们提供的用户行为分析?SaaS产品?Ptengine?本身又为他们自己的?DataDeck SaaS?数据分析产品提供了?SaaS?数据源接口支持。

3. 最后，云端部署还有一个非常大的优势，价格便宜。关于更多的有关?SaaS BI?的分析不再这里一一说明，具体的可以参看《深入分析 BI 数据可视化市场 SaaS 模式》。

我认为除了这几家巨头?（Microsoft、IBM、Oracle）在云端产品布局以外，在2017年和2018年间也一定会看到一些其它的?BI?厂商往云端进行转变。

在国内整个?SaaS BI?的成熟期将会受到国内?SaaS?服务市场的成熟度的影响，国内SaaS?市场成熟的越早，SaaS BI?的成熟就越快。但从行业的角度上来看，也不是所有的行业都适用于?SaaS BI?产品，比如金融、银行、电信因数据体量和数据安全性上的考虑本身对?SaaS?服务天然屏蔽的行业。但无论如何，这一定是一个大的趋势，这个市场空间还是非常巨大的。

第二，BI?的边界会逐步模糊?

未来的数据产品解决方案不仅仅是解决内部取数和数据分析与展现的问题，而可能通过云端的数据接口拿到更多的外部数据。大数据、小数据的边界会越来越模糊，人们更加关注的是数据本身，要用数据解决什么样的问题，更加聚焦在数据产生价值上。

大数据和小数据不再有严格的区分，特别是当云端?SaaS?服务模式越来越普及的时候，云BI也能解决大多数业务场景下的大数据和性能方面的困扰。

在我观察到的国内一些数据类产品中，就发现了这样的一些趋势。前端用户行为分析越来越朝着BI的方向走，而一些SaaS BI?产品也在解决好用户内部数据之外引入了外部数据包括用户行为分析数据。

第三，单纯的BI工具价值逐步削弱?

就如同前面提到的，人们不再单纯的关注于工具本身能够实现什么样的可视化效果。而更加注重如何利用工具进行业务价值的实现，需要更多行业咨询和业务指导。以单纯的工具作为唯一的卖点在将来会被逐步淘汰。

第四，可视化分析也需要配备轻量级的?ETL?数据准备工具?

很多企业在内部的数据管理和业务系统数据规范性上一样存在很大的问题，在?IT?部门对基础的数据质量做完梳理之后，业务人员在很多场景下也一样需要相应的数据准备工作，可视化分析工具需要搭配一些简单易用的?ETL?工具能够让业务人员自助完成一些基础的数据准备工作。当然，如果未来业务在云端，数据标准化的过程将会更加容易和便捷。

第五，预测性分析、人工智能和机器学习是未来新的增长点?

在今年Microsoft Ignite?技术大会上我们已经看到了Microsoft Power BI Quick Insight?和?Anna Talk?的结合。IBM Waston Analytics?强大的自然语言进行预测性分析和交互。这两者都实现了预测性分析、对自然语言解析以及可视化推送的效果。以往的数据洞察需要靠人，靠拖拽数据、钻取数据交互分析获得，但在以后多了更多的方式?——?机器洞察、智能洞察。虽然从数据的准确度、合理性、语言处理维度的程度上都不能完全替代人们自助的数据分析方式，但无论如何，这种尝试已经在朝着成熟的方向来发展了。

第六，移动?BI?和协作办公越来越强?

移动BI应该包括两个方面的因素：移动?+?协作。在之前提到过，在下个阶段的BI发展趋势上，移动BI的展现已经不再是亮点，移动BI已经成为企业数据展现的标配。传统的数据信息交换方式是单向输出，中心到个人的输出模式，而以后的模式是中心到个人，个人到个人可逆的传输模式。目前我们已经看到一些移动协作的方式，比如和微信的集成打通。但以后的数据分析和分享协作模式应该会越来越丰富，很有想象的空间。

总结

无论产品的趋势如何发展，大家更加关注的还是如何通过数据发掘业务价值。围绕业务价值对数据进行认知和发掘，无论大数据还是小数据，关心用户真正面临的和要解决的问题，才是一个产品发展的真正内涵。?

（全文完，本文仅代表个人观点，仅供参考，不作为任何商业指导用途。）

近期精彩活动（直接点击查看）：

福利 · 阅读 | 免费申请读大数据新书 第15期?