正在阅读:

一边高速奔跑,一边屡遭诟病,BI行业何去何从?

扫一扫下载界面新闻APP

一边高速奔跑,一边屡遭诟病,BI行业何去何从?

BI行业的现状到底什么样子?

文|第一新声 不做闲鱼

编辑|也行

商业智能(BI)赛道经历了从国外厂商到国内厂商的迁移,也正经历从传统时代向智能时代的变革。

近期,市场上有人阐述了BI行业停滞不前的窘境以及数据分析工具市场的现状。并且有许多读者留下了共鸣的讨论,其中一些评论者认为:商业智能(BI)系统的推出或部署过于频繁,却从最终用户那里得到不冷不热的反应,长期以来饱受采用率低下之苦。

目前,BI行业的现状到底什么样子?真的是停滞不前吗?未来BI的道路该如何发展?第一新声带着这些疑问,与国内两家BI头部企业进行了交流,看看他们是如何解释的?

一、BI仍是刚需,未来5年增长率17.9%

BI即Business Intelligence,中文称商业智能或商业智慧。1996年,Gartner正式将商业智能定义为:一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。

BI的核心技术主要包括数据存储、数据ETL、数据分析、数据挖掘,以及数据可视化分析。随着数据量的激增和应用场景的复杂化,诸如Hadoop和Hive等大数据技术的出现很好地弥补了BI处理大数据的能力。

从发展阶段来看,2013年以前属于传统BI,该阶段的产品以IT为主导,在大数据量的处理上拥有较好的性能和稳定性,但是数据分析的能力和灵活性比较差。

2013年至今,自助型BI高速发展期,传统BI逐渐衰退。这是由于IT驱动向业务驱动的转变让敏捷型/自主型BI产品出现,使得采购成本低、项目周期短,

值得注意的是,2013年大数据概念在国内开始普及,国内BI市场进入萌芽阶段。

国内大部分BI厂商都是在2013年前后成立,或拿到融资、或市场份额翻倍增长。此外,国外的老牌BI产品从这个阶段开始市场份额逐步下滑,新型的国外BI产品例如Tableau、Qlik 等开始在国内快速布局,微软也推出Power View。

要知道,早年间以Business Objects、Cognos、BIEE、Micro Strategy为首的四大品牌近乎统领了全球的BI市场。

随着我国大数据产业迅速发展,政府出台各项扶持政策,大量创新企业迎来发展机遇,国产BI也崭露头角。同时,BI行业的演进出现两个趋势,从IT到业务,从报表到决策。

从企业类型来看,国内市面上从事BI的企业分为两种,一是独立厂商,以帆软、思迈特、永洪科技等为代表。他们的产品历经市场和客户检验,客户触点广泛,竞争实力不容小觑。

二是互联网大厂,例如阿里云基于阿里电商生态打造了Quick BI 数据可视化分析平台,对接各类云上数据库和自建数据库;腾讯基于微信社交生态,推出腾讯有数,帮助微信内平台进行系统性的数据分析;百度则基于百度智能云,打造数据可视化Sugar BI 平台;网易也于2017年推出了网易有数。脱胎于内部复杂业务的互联网大厂,具有更为明显的资金供给、生态搭建、人才培养等方面的优势。

从市场增速来看,发展至今,我国已进入BI及DA(数据分析)领域的第一方阵,并成为发展最快的国家之一。

IDC数据显示,2020年中国商业智能软件市场规模为5.8亿美元,同比增长17.1%。2021年中国商业智能软件市场增速将快速恢复,市场规模预计达到7.0亿美元,同比增长恢复到21%。到2025年,中国商业智能软件市场规模将达到13.3亿美元,未来5年整体市场年复合增长率(CAGR)为17.9%。

“早期仅有金融、电信领域对BI有必要的需求,近20年的时间,各行各业对于数据的依赖度越来越高,现在广泛的对BI有了需求,虽然BI市场在所有的技术领域里不算很大的蛋糕,但增长率确实非常快,比GDP的增长率高了好几倍,说明BI市场很有活力。”思迈特软件副总裁徐晶在参加第一新声举办的峰会时说道。

观远数据曾接受媒体采访时表示,中国数据分析与商业智能的市场才刚刚开始,数字化转型是未来十年中国经济的最大主题,而BI是其中最确定的刚需之一。未来10年,国内会有现在50-100倍的用户活跃的使用BI与数据分析,在企业运营与决策中获得领先优势。

二、商业模式之选:产品/SaaS模式VS服务模式

TO B企业的商业模式总会面临两个选择,到底是产品/SaaS模式还是服务模式,BI行业也不例外。

一是产品/SaaS模式,是将BI产品或者SaaS交付给客户,并由客户自行实施。

Tableau是该模式的典型代表,其主要以Tableau Desktop和Server版本为主,同时也提供嵌入式开发和SaaS服务。除咨询服务外,Tableau的使用主要由业务人员根据实际需要自行完成。此外,MicroStrategy和大部分敏捷BI厂商及SaaS服务提供商都属于该模式。

产品/SaaS模式提供给客户灵活敏捷的BI产品,客户能够及时应对业务变化的需要,但是单一的产品通常难以满足客户业务定制化的需要。

二是服务模式,以IT服务或者业务服务的方式为客户提供基于BI的整体解决方案。另外,服务模式又包括IT服务型和业务服务型两种。

提供IT服务模式的企业主要以Oracle、SAP、IBM、SAS等传统BI企业为主。这类企业主要以搭建BI信息系统为主,但在搭建数据仓库过程中需要与业务人员进行充分配合,涉及大量业务咨询与梳理过程。传统BI厂商都建立有自身的BI实施方法论。以SAPBW为例,其实施过程大概分为项目计划和准备、设计阶段、开发阶段、测试和部署阶段以及系统上线阶段等。

IT服务模式虽然充分结合的业务需求和技术实现,但其主要以传统BI流程为主,通常涉及多个部门的协调配合,同时其高昂的部署成本难以灵活的适应现代企业的需要。

业务服务模式基于一站式大数据分析平台构建敏捷型BI产品,并以服务的方式支撑企业的业务分析需求。业务服务型厂商既要具备建立数据湖的能力,而不仅仅是建立数据仓库,以便数据整合;通常以SaaS方式提供多样化的服务。

一位投资人告诉第一新声,如果不是SaaS产品,未来企业在获客成本以及定制化成本可能会比较高,存在一定的风险。

徐晶表示:“我们自己走的路线是从大型客户的服务做起,慢慢地把它变成产品、品牌。至于企业选择什么模式,要从两方面来看,一是面对竞争激烈的市场,客户的需求经常变化,所以要求BI系统有极高的适应性和灵活性。我认为在中国,标准化的SaaS产品对大型客户是不行的,还是以服务为主。但也希望尽量产品化,以功能代替服务,降低交付成本。二是纯标准化产品也有未来,例如在一些新兴的小微企业,或者主动拥抱接云端SaaS服务的企业。这种情况下有标准化产品存在的空间。”

“我们的产品分为SaaS和私有部署两种模式,主要取决于客户是否愿意把数据存在公有云上。我明显感觉到未来的两年,SaaS模式的使用量将慢慢增长。”永洪科技联席总裁马云说道。

三、一边高速奔跑,一边屡遭诟病?

BI行业发展二十多年,现状却是一边是市场和厂商高速奔跑,一边是问题诸多、屡遭诟病。

尤其是传统式 BI 存在诸多问题。一是开发效率低下,传统BI的报表制作是由业务部门提交到IT部门,IT人员根据分析需求进行建模,业务人员查看分析结果报表,流程繁琐冗长,难以应对复杂多变的业务需求。二是分析不灵活,制作出的报表是相对静态的,仅能查看结果,不能实现灵活交互分析。三是开发部署周期长,BI项目部署开发周期往往需要几个月的开发时间,面对日新月异的商业环境,委实不够“敏捷”。

文章一开始,就提到过有人表示BI行业停滞不前,其中一个典型问题是,BI行业存在“玩具卖家问题”。销售玩具假定儿童是使用者 (用户),但父母是预算持有者和决策者。与玩具销售一样,BI部署中的用户和买家是两个不同的角色。企业BI销售流程主要是为买家(IT预算持有者)量身定制的,而不是为实际上每天都不得不使用产品的非技术人员定制的。结果,BI平台充斥着半生不熟、花里胡哨的无用功能,在组织购买平台后没有人实际使用这些功能,这也导致采用率低。

确实如此,目前在企业中负责BI工作的多为专业分析师、IT运维等职能人员,角色属性决定了他们无法对于决策的业务结果负责,割裂了分析与执行,决策和结果。理想的模式应该是让业务人员自主完成分析工作,和他们的主观判断结合,形成最优的解决路径,并由他们对结果负责。

于是,自助式 BI 应运而生,自助式 BI 面向业务人员,追求业务人员与 IT 人员的高效配合。国外产品主要有Power BI、Tableau、Qlikview,国内产品有帆软、永洪科技、观远数据等。

在思迈特软件副总裁徐晶看来,无论是传统开发式BI还有自助式BI,在企业应用时均面临三大挑战。

第一是数据质量或数据管理的问题。

这么多年没有一种解决方案能把企业的数据治理清楚或者管理到位,每个企业对数据的认知不到位,一开始就没有规划好数据标准和指标体系,都是先做业务,再逐步优化流程,再产生数据,然后不断改变业务,调整流程,积累了各种各样的数据,而且各部门数据口径不一致,连最基础的数据标准都无法统一,那数据分析也将成为“精确的错误”,无法真正发挥出数据价值。

第二是数据分析的工具,即BI本身也是一个挑战,如何让业务员真的用起来不是一个简单的可视化解决方案,它在实际应用中会出现很多的问题。

数据分析实际上是一个立体的需求,不是一个简单的功能需求,就好像每个人都要去参与城市交通,而交通工具是一种解决交通需求的工具体系,比如有自行车、公交车、出租车、私家车、地铁等各种各样的方案。数据分析在企业里面也是一样,没有一个行业会用一种的方式去分析数据,也没有一个企业的所有人会愿意用同一种方式分析数据。

所以无论BI怎么发展,Excel这种数据分析方式会永远存在。也就是说数据分析需要有更多的包容性和灵活性。在对数据分析工具上面,不能死咬一条路、一条腿走路,应该是全方位发展,思迈特软件做了很多的功能创新。

第三个是数据分析的文化,到底数据分析在企业里面有什么样的价值,或者怎么提高它整体的效率等都存在问题。如果鼓励所有人去做自助分析,就好比鼓励所有人去开私家车,整体的道路资源、停车资源就变得非常紧张。

马云与徐晶的观点相似,其认为BI的瓶颈有两点,一是数据管理的能力,大量的数据如何有统一的标准,怎么保证数据的一致性?如何有效的组织,然后让分析师和业务人员能够理解数据,或者是需要解决一个问题的时候,从哪些数据可以得到相关的数据做分析?二是分析平台的能力和应用性,即在分析的过程中,平台能给人带来的便捷性也很重要,智能化方向就是在扩展这方面的能力。

“此外,采用率低是因为以前由IT决定采购,使用者并未有任何体验。未来我们坚定的走‘人人都是数据分析师’路线,让业务人员自助分析,业务驱动使用,这样就能提高采用率。所以在落地的过程中要去降低门槛,让业务人员能够轻松地上手。”马云说道。

“中国企业需要的是提供一揽子交钥匙的服务,涉及到产品能力、交付能力,甚至培训客户把产品真正用起来的能力,综合到一起才能让客户满意。我们通过不断的服务企业获取市场上客户的需求,找到共同点再抽取,在产品的非标上做演变,争取把产品丰富起来。”永洪科技副总裁石虎说道。

面对诸多挑战,BI与AI的结合正在为企业打开一片新天地。

一是增强分析将是 BI 技术的主要发展方向,其中又以自然语言相关技术为主,考虑到滞后期的存在,预测国内 BI 市场将在 2025 年左右出现明显的增强分析需求。企业对数据挖掘技术的需求开始呈上升趋势。

当前在中国,AI与BI仅存在极小的重合部分,随着AI技术和BI系统的不断成熟,AI在BI中的应用将会越来越多,二者重合的部分也越来越多,但是因为它们存在本质上的区别,因此不会完全重合。

二是加强数据实时处理能力也是未来BI需要进一步加强的地方。BI分析大部分建立在离线分析的基础上,将分析的数据以定期更新的方式导入数据仓库,分析结果会有滞后性。

马云表示,过去BI更多的是依赖人的经验和总结完成业务的分析。随着技术的进步,它可以利用自然语言等实现智能的问答,让BI直接帮员工关联和分析业务间的逻辑,然后把图表画出来,随着数据的不断增多,预测准确度也能逐渐地提升,对业务的预测分析能力也将增强。未来的BI产品预计在性能上能满足用户在几十亿量级的数据下实现数据的动态查询和分析。

经过十多年的发展,国内BI市场经历了传统BI、敏捷BI,预计在2025年左右将开始迈入智能化阶段,到2030年,BI的智能化也将进一步扩大。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

一边高速奔跑,一边屡遭诟病,BI行业何去何从?

BI行业的现状到底什么样子?

文|第一新声 不做闲鱼

编辑|也行

商业智能(BI)赛道经历了从国外厂商到国内厂商的迁移,也正经历从传统时代向智能时代的变革。

近期,市场上有人阐述了BI行业停滞不前的窘境以及数据分析工具市场的现状。并且有许多读者留下了共鸣的讨论,其中一些评论者认为:商业智能(BI)系统的推出或部署过于频繁,却从最终用户那里得到不冷不热的反应,长期以来饱受采用率低下之苦。

目前,BI行业的现状到底什么样子?真的是停滞不前吗?未来BI的道路该如何发展?第一新声带着这些疑问,与国内两家BI头部企业进行了交流,看看他们是如何解释的?

一、BI仍是刚需,未来5年增长率17.9%

BI即Business Intelligence,中文称商业智能或商业智慧。1996年,Gartner正式将商业智能定义为:一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。

BI的核心技术主要包括数据存储、数据ETL、数据分析、数据挖掘,以及数据可视化分析。随着数据量的激增和应用场景的复杂化,诸如Hadoop和Hive等大数据技术的出现很好地弥补了BI处理大数据的能力。

从发展阶段来看,2013年以前属于传统BI,该阶段的产品以IT为主导,在大数据量的处理上拥有较好的性能和稳定性,但是数据分析的能力和灵活性比较差。

2013年至今,自助型BI高速发展期,传统BI逐渐衰退。这是由于IT驱动向业务驱动的转变让敏捷型/自主型BI产品出现,使得采购成本低、项目周期短,

值得注意的是,2013年大数据概念在国内开始普及,国内BI市场进入萌芽阶段。

国内大部分BI厂商都是在2013年前后成立,或拿到融资、或市场份额翻倍增长。此外,国外的老牌BI产品从这个阶段开始市场份额逐步下滑,新型的国外BI产品例如Tableau、Qlik 等开始在国内快速布局,微软也推出Power View。

要知道,早年间以Business Objects、Cognos、BIEE、Micro Strategy为首的四大品牌近乎统领了全球的BI市场。

随着我国大数据产业迅速发展,政府出台各项扶持政策,大量创新企业迎来发展机遇,国产BI也崭露头角。同时,BI行业的演进出现两个趋势,从IT到业务,从报表到决策。

从企业类型来看,国内市面上从事BI的企业分为两种,一是独立厂商,以帆软、思迈特、永洪科技等为代表。他们的产品历经市场和客户检验,客户触点广泛,竞争实力不容小觑。

二是互联网大厂,例如阿里云基于阿里电商生态打造了Quick BI 数据可视化分析平台,对接各类云上数据库和自建数据库;腾讯基于微信社交生态,推出腾讯有数,帮助微信内平台进行系统性的数据分析;百度则基于百度智能云,打造数据可视化Sugar BI 平台;网易也于2017年推出了网易有数。脱胎于内部复杂业务的互联网大厂,具有更为明显的资金供给、生态搭建、人才培养等方面的优势。

从市场增速来看,发展至今,我国已进入BI及DA(数据分析)领域的第一方阵,并成为发展最快的国家之一。

IDC数据显示,2020年中国商业智能软件市场规模为5.8亿美元,同比增长17.1%。2021年中国商业智能软件市场增速将快速恢复,市场规模预计达到7.0亿美元,同比增长恢复到21%。到2025年,中国商业智能软件市场规模将达到13.3亿美元,未来5年整体市场年复合增长率(CAGR)为17.9%。

“早期仅有金融、电信领域对BI有必要的需求,近20年的时间,各行各业对于数据的依赖度越来越高,现在广泛的对BI有了需求,虽然BI市场在所有的技术领域里不算很大的蛋糕,但增长率确实非常快,比GDP的增长率高了好几倍,说明BI市场很有活力。”思迈特软件副总裁徐晶在参加第一新声举办的峰会时说道。

观远数据曾接受媒体采访时表示,中国数据分析与商业智能的市场才刚刚开始,数字化转型是未来十年中国经济的最大主题,而BI是其中最确定的刚需之一。未来10年,国内会有现在50-100倍的用户活跃的使用BI与数据分析,在企业运营与决策中获得领先优势。

二、商业模式之选:产品/SaaS模式VS服务模式

TO B企业的商业模式总会面临两个选择,到底是产品/SaaS模式还是服务模式,BI行业也不例外。

一是产品/SaaS模式,是将BI产品或者SaaS交付给客户,并由客户自行实施。

Tableau是该模式的典型代表,其主要以Tableau Desktop和Server版本为主,同时也提供嵌入式开发和SaaS服务。除咨询服务外,Tableau的使用主要由业务人员根据实际需要自行完成。此外,MicroStrategy和大部分敏捷BI厂商及SaaS服务提供商都属于该模式。

产品/SaaS模式提供给客户灵活敏捷的BI产品,客户能够及时应对业务变化的需要,但是单一的产品通常难以满足客户业务定制化的需要。

二是服务模式,以IT服务或者业务服务的方式为客户提供基于BI的整体解决方案。另外,服务模式又包括IT服务型和业务服务型两种。

提供IT服务模式的企业主要以Oracle、SAP、IBM、SAS等传统BI企业为主。这类企业主要以搭建BI信息系统为主,但在搭建数据仓库过程中需要与业务人员进行充分配合,涉及大量业务咨询与梳理过程。传统BI厂商都建立有自身的BI实施方法论。以SAPBW为例,其实施过程大概分为项目计划和准备、设计阶段、开发阶段、测试和部署阶段以及系统上线阶段等。

IT服务模式虽然充分结合的业务需求和技术实现,但其主要以传统BI流程为主,通常涉及多个部门的协调配合,同时其高昂的部署成本难以灵活的适应现代企业的需要。

业务服务模式基于一站式大数据分析平台构建敏捷型BI产品,并以服务的方式支撑企业的业务分析需求。业务服务型厂商既要具备建立数据湖的能力,而不仅仅是建立数据仓库,以便数据整合;通常以SaaS方式提供多样化的服务。

一位投资人告诉第一新声,如果不是SaaS产品,未来企业在获客成本以及定制化成本可能会比较高,存在一定的风险。

徐晶表示:“我们自己走的路线是从大型客户的服务做起,慢慢地把它变成产品、品牌。至于企业选择什么模式,要从两方面来看,一是面对竞争激烈的市场,客户的需求经常变化,所以要求BI系统有极高的适应性和灵活性。我认为在中国,标准化的SaaS产品对大型客户是不行的,还是以服务为主。但也希望尽量产品化,以功能代替服务,降低交付成本。二是纯标准化产品也有未来,例如在一些新兴的小微企业,或者主动拥抱接云端SaaS服务的企业。这种情况下有标准化产品存在的空间。”

“我们的产品分为SaaS和私有部署两种模式,主要取决于客户是否愿意把数据存在公有云上。我明显感觉到未来的两年,SaaS模式的使用量将慢慢增长。”永洪科技联席总裁马云说道。

三、一边高速奔跑,一边屡遭诟病?

BI行业发展二十多年,现状却是一边是市场和厂商高速奔跑,一边是问题诸多、屡遭诟病。

尤其是传统式 BI 存在诸多问题。一是开发效率低下,传统BI的报表制作是由业务部门提交到IT部门,IT人员根据分析需求进行建模,业务人员查看分析结果报表,流程繁琐冗长,难以应对复杂多变的业务需求。二是分析不灵活,制作出的报表是相对静态的,仅能查看结果,不能实现灵活交互分析。三是开发部署周期长,BI项目部署开发周期往往需要几个月的开发时间,面对日新月异的商业环境,委实不够“敏捷”。

文章一开始,就提到过有人表示BI行业停滞不前,其中一个典型问题是,BI行业存在“玩具卖家问题”。销售玩具假定儿童是使用者 (用户),但父母是预算持有者和决策者。与玩具销售一样,BI部署中的用户和买家是两个不同的角色。企业BI销售流程主要是为买家(IT预算持有者)量身定制的,而不是为实际上每天都不得不使用产品的非技术人员定制的。结果,BI平台充斥着半生不熟、花里胡哨的无用功能,在组织购买平台后没有人实际使用这些功能,这也导致采用率低。

确实如此,目前在企业中负责BI工作的多为专业分析师、IT运维等职能人员,角色属性决定了他们无法对于决策的业务结果负责,割裂了分析与执行,决策和结果。理想的模式应该是让业务人员自主完成分析工作,和他们的主观判断结合,形成最优的解决路径,并由他们对结果负责。

于是,自助式 BI 应运而生,自助式 BI 面向业务人员,追求业务人员与 IT 人员的高效配合。国外产品主要有Power BI、Tableau、Qlikview,国内产品有帆软、永洪科技、观远数据等。

在思迈特软件副总裁徐晶看来,无论是传统开发式BI还有自助式BI,在企业应用时均面临三大挑战。

第一是数据质量或数据管理的问题。

这么多年没有一种解决方案能把企业的数据治理清楚或者管理到位,每个企业对数据的认知不到位,一开始就没有规划好数据标准和指标体系,都是先做业务,再逐步优化流程,再产生数据,然后不断改变业务,调整流程,积累了各种各样的数据,而且各部门数据口径不一致,连最基础的数据标准都无法统一,那数据分析也将成为“精确的错误”,无法真正发挥出数据价值。

第二是数据分析的工具,即BI本身也是一个挑战,如何让业务员真的用起来不是一个简单的可视化解决方案,它在实际应用中会出现很多的问题。

数据分析实际上是一个立体的需求,不是一个简单的功能需求,就好像每个人都要去参与城市交通,而交通工具是一种解决交通需求的工具体系,比如有自行车、公交车、出租车、私家车、地铁等各种各样的方案。数据分析在企业里面也是一样,没有一个行业会用一种的方式去分析数据,也没有一个企业的所有人会愿意用同一种方式分析数据。

所以无论BI怎么发展,Excel这种数据分析方式会永远存在。也就是说数据分析需要有更多的包容性和灵活性。在对数据分析工具上面,不能死咬一条路、一条腿走路,应该是全方位发展,思迈特软件做了很多的功能创新。

第三个是数据分析的文化,到底数据分析在企业里面有什么样的价值,或者怎么提高它整体的效率等都存在问题。如果鼓励所有人去做自助分析,就好比鼓励所有人去开私家车,整体的道路资源、停车资源就变得非常紧张。

马云与徐晶的观点相似,其认为BI的瓶颈有两点,一是数据管理的能力,大量的数据如何有统一的标准,怎么保证数据的一致性?如何有效的组织,然后让分析师和业务人员能够理解数据,或者是需要解决一个问题的时候,从哪些数据可以得到相关的数据做分析?二是分析平台的能力和应用性,即在分析的过程中,平台能给人带来的便捷性也很重要,智能化方向就是在扩展这方面的能力。

“此外,采用率低是因为以前由IT决定采购,使用者并未有任何体验。未来我们坚定的走‘人人都是数据分析师’路线,让业务人员自助分析,业务驱动使用,这样就能提高采用率。所以在落地的过程中要去降低门槛,让业务人员能够轻松地上手。”马云说道。

“中国企业需要的是提供一揽子交钥匙的服务,涉及到产品能力、交付能力,甚至培训客户把产品真正用起来的能力,综合到一起才能让客户满意。我们通过不断的服务企业获取市场上客户的需求,找到共同点再抽取,在产品的非标上做演变,争取把产品丰富起来。”永洪科技副总裁石虎说道。

面对诸多挑战,BI与AI的结合正在为企业打开一片新天地。

一是增强分析将是 BI 技术的主要发展方向,其中又以自然语言相关技术为主,考虑到滞后期的存在,预测国内 BI 市场将在 2025 年左右出现明显的增强分析需求。企业对数据挖掘技术的需求开始呈上升趋势。

当前在中国,AI与BI仅存在极小的重合部分,随着AI技术和BI系统的不断成熟,AI在BI中的应用将会越来越多,二者重合的部分也越来越多,但是因为它们存在本质上的区别,因此不会完全重合。

二是加强数据实时处理能力也是未来BI需要进一步加强的地方。BI分析大部分建立在离线分析的基础上,将分析的数据以定期更新的方式导入数据仓库,分析结果会有滞后性。

马云表示,过去BI更多的是依赖人的经验和总结完成业务的分析。随着技术的进步,它可以利用自然语言等实现智能的问答,让BI直接帮员工关联和分析业务间的逻辑,然后把图表画出来,随着数据的不断增多,预测准确度也能逐渐地提升,对业务的预测分析能力也将增强。未来的BI产品预计在性能上能满足用户在几十亿量级的数据下实现数据的动态查询和分析。

经过十多年的发展,国内BI市场经历了传统BI、敏捷BI,预计在2025年左右将开始迈入智能化阶段,到2030年,BI的智能化也将进一步扩大。

本文为转载内容,授权事宜请联系原著作权人。