[轉(zhuǎn)]《2018年中國(guó)大數(shù)據(jù)BI行業(yè)分析報(bào)告》（全文）

近年來(lái)师骗，隨著人們的數(shù)據(jù)意識(shí)和數(shù)據(jù)素養(yǎng)不斷提升，商業(yè)智能（BI，Business Intelligence）和數(shù)據(jù)分析領(lǐng)域迎來(lái)了快速發(fā)展期丧肴，據(jù)Gartner商業(yè)智能報(bào)告統(tǒng)計(jì)蚁孔，到2020年全球的商業(yè)智能市場(chǎng)容量預(yù)計(jì)將達(dá)到228億美元荠卷。

近年來(lái)，隨著人們的數(shù)據(jù)意識(shí)和數(shù)據(jù)素養(yǎng)不斷提升贞盯，商業(yè)智能（BI，Business Intelligence）和數(shù)據(jù)分析領(lǐng)域迎來(lái)了快速發(fā)展期沪饺，據(jù)Gartner商業(yè)智能報(bào)告統(tǒng)計(jì)躏敢，到2020年全球的商業(yè)智能市場(chǎng)容量預(yù)計(jì)將達(dá)到228億美元。同時(shí)整葡，大數(shù)據(jù)件余、人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的快速發(fā)展啼器，也促進(jìn)了商業(yè)智能和數(shù)據(jù)分析產(chǎn)品的新一輪進(jìn)化旬渠。

Gartner分析師認(rèn)為，到2020年端壳，自然語(yǔ)言生成和人工智能將是90%的新BI平臺(tái)的標(biāo)準(zhǔn)特征告丢，50%的分析查詢(xún)將使用搜索、自然語(yǔ)言處理更哄，或語(yǔ)音生成芋齿，或?qū)⒆詣?dòng)生成。但我們必須認(rèn)識(shí)到成翩，我國(guó)商業(yè)智能的市場(chǎng)特征觅捆、企業(yè)需求、關(guān)注點(diǎn)麻敌、發(fā)展階段均與國(guó)外有所不同栅炒，以Gartner為代表的分析機(jī)構(gòu)并不能準(zhǔn)確描述我國(guó)商業(yè)智能行業(yè)的實(shí)際狀況。

針對(duì)這一問(wèn)題术羔，帆軟數(shù)據(jù)應(yīng)用研究院調(diào)研了規(guī)模不一的216家企事業(yè)單位赢赊，了解到他們的大數(shù)據(jù)BI應(yīng)用狀態(tài)、需求情況级历、對(duì)大數(shù)據(jù)BI產(chǎn)品功能的期待释移，同時(shí)基于帆軟數(shù)據(jù)應(yīng)用研究院對(duì)行業(yè)的長(zhǎng)期觀察和思考，形成了該篇報(bào)告寥殖。

image

主要預(yù)測(cè)

2018年玩讳，中國(guó)大數(shù)據(jù) BI 產(chǎn)品將主要在自助分析的可操作性和功能豐富度、平臺(tái)的安全性嚼贡、數(shù)據(jù)管理能力熏纯、分析的共享能力、數(shù)據(jù)挖掘能力粤策、大數(shù)據(jù)處理能力六大功能模塊進(jìn)行提升樟澜。

2018年中國(guó)商業(yè)智能行業(yè)發(fā)展分析

(一) 行業(yè)總體形勢(shì)向好

在當(dāng)前經(jīng)濟(jì)環(huán)境下，企業(yè)盈利的壓力和難度不斷增加叮盘，越來(lái)越多的企業(yè)秩贰，尤其是一、二線稍具業(yè)務(wù)規(guī)模的企業(yè)熊户，其高層都希望通過(guò)精細(xì)化運(yùn)營(yíng)提升市場(chǎng)競(jìng)爭(zhēng)力萍膛，降低企業(yè)的運(yùn)營(yíng)成本。這些企業(yè)絕大多數(shù)都已經(jīng)在2008年_{2015年間上線了各種業(yè)務(wù)系統(tǒng)嚷堡，存儲(chǔ)了大量管理和運(yùn)營(yíng)數(shù)據(jù)蝗罗，具備應(yīng)用大數(shù)據(jù)BI進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)化管理的各種條件艇棕，這些需求將在2018年}2022年繼續(xù)爆發(fā)。值得注意的是串塑，艾瑞咨詢(xún)?cè)凇?017年中國(guó)商業(yè)智能行業(yè)研究報(bào)告》中指出沼琉，我國(guó)已經(jīng)進(jìn)入商業(yè)智能領(lǐng)域第一方陣，成為發(fā)展最快的國(guó)家之一桩匪，但和美國(guó)還有比較大的差距打瘪。所以未來(lái)中國(guó)大數(shù)據(jù)BI行業(yè)總體將呈現(xiàn)加速度增長(zhǎng)，市場(chǎng)容量將不斷擴(kuò)大傻昙。

(二) 大數(shù)據(jù)BI廠商馬太效應(yīng)顯現(xiàn)

馬太效應(yīng)是指強(qiáng)者越強(qiáng)闺骚，弱者越弱的現(xiàn)象，國(guó)內(nèi)BI行業(yè)的馬太效應(yīng)已經(jīng)顯現(xiàn)妆档。據(jù)帆軟品牌部調(diào)研數(shù)據(jù)顯示僻爽，處于行業(yè)第一梯隊(duì)的帆軟、Tableau贾惦、微軟PowerBI的品牌知名度和市場(chǎng)份額與其他廠商進(jìn)一步拉大胸梆。帆軟2017年全年?duì)I收2.77億，遠(yuǎn)超其他國(guó)內(nèi)廠商之和须板。同時(shí)帆軟銷(xiāo)售部反映碰镜，2017年度銷(xiāo)售跟單中遇到的競(jìng)品種類(lèi)和數(shù)量均較2016年有相當(dāng)大幅度的下降。BI行業(yè)出現(xiàn)馬太效應(yīng)實(shí)屬必然习瑰，綜合實(shí)力強(qiáng)大的廠商更能投入資源做好產(chǎn)品绪颖、服務(wù)，解決更多用戶(hù)的需求和問(wèn)題甜奄〔しⅲ可以預(yù)見(jiàn)，2018年中國(guó)BI行業(yè)馬太效應(yīng)將進(jìn)一步增強(qiáng)贺嫂，逐步淘汰掉實(shí)力弱、規(guī)模小雁乡、產(chǎn)品差的企業(yè)第喳。

(三) 新型自助式BI與傳統(tǒng)型BI平分秋色

得益于敏捷、自助的特征踱稍，從2013年起新型自助式BI迎來(lái)了高速發(fā)展期曲饱，這一時(shí)期也是傳統(tǒng)型BI的衰退期。

2017年珠月，傳統(tǒng)型BI與新型自助式BI在國(guó)內(nèi)市場(chǎng)中平分秋色扩淀。受訪企業(yè)中，約50.2%的企業(yè)仍然在使用傳統(tǒng)型BI啤挎，其中最典型的需求是企業(yè)常規(guī)日?qǐng)?bào)驻谆、月報(bào)等匯總分析報(bào)告卵凑。約49.8%的企業(yè)應(yīng)用新型自助式BI，通過(guò)報(bào)表平臺(tái)+自助式BI+大數(shù)據(jù)底層平臺(tái)的解決方案胜臊，來(lái)解決企業(yè)綜合的數(shù)據(jù)展示和分析需求勺卢，形成經(jīng)營(yíng)和戰(zhàn)略決策。在調(diào)研中我們注意到象对，約有18%的企業(yè)引進(jìn)了新型自助式BI黑忱，部分或全部替代了傳統(tǒng)BI。雖然傳統(tǒng)型BI尤其自身優(yōu)勢(shì)和應(yīng)用場(chǎng)景勒魔，但隨著新型自助式BI的不斷發(fā)展甫煞，傳統(tǒng)型BI必將逐漸退出歷史舞臺(tái)，從國(guó)際傳統(tǒng)BI巨頭積極調(diào)整產(chǎn)品結(jié)構(gòu)可見(jiàn)一斑冠绢。

2017年中國(guó)商業(yè)智能用戶(hù)狀況分析

根據(jù)企業(yè)的IT人員和業(yè)務(wù)人員在數(shù)據(jù)分析中的工作量和投入程度占比抚吠，我們將BI用戶(hù)（企業(yè)）劃分為5大類(lèi)型，即BI應(yīng)用金字塔模型唐全，以更好的統(tǒng)計(jì)埃跷、分析企業(yè)的BI應(yīng)用狀況：

(一) BI應(yīng)用金字塔模型

1. IT完全主導(dǎo)型

○其典型特征為，IT人員做底層數(shù)據(jù)倉(cāng)庫(kù)邮利，以及BI工具層面的數(shù)據(jù)模型處理的所有相關(guān)工作弥雹，完成95%以上的BI分析頁(yè)面（注：主要是指用于生產(chǎn)、經(jīng)營(yíng)延届、管理會(huì)議所需要的數(shù)據(jù)分析頁(yè)面剪勿，下同）的開(kāi)發(fā)。業(yè)務(wù)人員僅負(fù)責(zé)前端數(shù)據(jù)查看方庭，完成查看報(bào)表時(shí)相關(guān)聯(lián)動(dòng)鉆取操作厕吉。

○調(diào)研中發(fā)現(xiàn)，處于“IT完全主導(dǎo)型”這一等級(jí)的企業(yè)械念，約有93.2%都在使用傳統(tǒng)型BI工具头朱，企業(yè)的業(yè)務(wù)人員基本沒(méi)有能力，也沒(méi)有需求去自主完成數(shù)據(jù)分析的工作龄减。這些企業(yè)的業(yè)務(wù)變革并不劇烈项钮，企業(yè)管理層認(rèn)為當(dāng)前的日常數(shù)據(jù)報(bào)告能夠滿足企業(yè)管理和決策的需要，相對(duì)缺少變革的動(dòng)力希停。

2. IT強(qiáng)主導(dǎo)型

○其典型特征為烁巫，IT人員做底層數(shù)據(jù)倉(cāng)庫(kù)，以及BI工具層面的數(shù)據(jù)模型處理的所有相關(guān)工作宠能，完成80%~95%數(shù)量的BI分析頁(yè)面亚隙。業(yè)務(wù)人員完成低于20%數(shù)量的BI分析頁(yè)面。

○從調(diào)研數(shù)據(jù)來(lái)看违崇，這類(lèi)企業(yè)中阿弃，67.5%的企業(yè)認(rèn)為當(dāng)前業(yè)務(wù)人員不具備數(shù)據(jù)分析的能力诊霹。而企業(yè)需要快速完成部分?jǐn)?shù)據(jù)分析工作，所以選擇讓IT人員更多承擔(dān)工作恤浪。這類(lèi)企業(yè)中普遍認(rèn)為畅哑，商業(yè)智能產(chǎn)品本身并非能夠快速上手，且業(yè)務(wù)人員仍需要統(tǒng)計(jì)學(xué)基礎(chǔ)水由，阻礙數(shù)據(jù)分析工作從IT人員向業(yè)務(wù)人員的轉(zhuǎn)移荠呐。

3.業(yè)務(wù)強(qiáng)主導(dǎo)型

○其典型特征為，IT人員做底層數(shù)據(jù)倉(cāng)庫(kù)砂客，以及BI工具層面的數(shù)據(jù)模型處理的所有相關(guān)工作泥张，完成前期示例不超過(guò)20%數(shù)量的BI分析頁(yè)面。業(yè)務(wù)人員完成超過(guò)80%數(shù)量的BI分析頁(yè)面鞠值。

○從調(diào)研數(shù)據(jù)來(lái)看媚创，這類(lèi)企業(yè)中，超過(guò)80.2%是曾經(jīng)推行傳統(tǒng)BI的企業(yè)彤恶，并且部分業(yè)務(wù)人員是有較高學(xué)歷和能力的钞钙，能夠?qū)W習(xí)和掌握商業(yè)智能工具和數(shù)據(jù)分析技能，并愿意在工作中積極使用声离；從帆軟數(shù)據(jù)應(yīng)用研究院的實(shí)地走訪的部分企業(yè)來(lái)看芒炼，這些企業(yè)普遍行業(yè)排名靠前，公司從高層就重視數(shù)據(jù)分析工作术徊。

4.業(yè)務(wù)完全主導(dǎo)型

○其典型特征為本刽，IT人員做底層數(shù)據(jù)倉(cāng)庫(kù)，以及BI工具層面的數(shù)據(jù)模型處理的部分相關(guān)工作赠涮。業(yè)務(wù)人員完成95%以上數(shù)量的BI分析頁(yè)面和相當(dāng)部分BI工具層面的數(shù)據(jù)模型處理子寓。

○相比于第三類(lèi)使用人群（業(yè)務(wù)強(qiáng)主導(dǎo)型），這類(lèi)用戶(hù)的一大特點(diǎn)是業(yè)務(wù)變革十分迅速笋除，從事業(yè)務(wù)工作的人員學(xué)歷普遍較高斜友，業(yè)務(wù)經(jīng)營(yíng)和發(fā)展需要企業(yè)快速做出決策。而基于數(shù)據(jù)分析得出的業(yè)務(wù)判斷相比個(gè)人歷史經(jīng)驗(yàn)準(zhǔn)確度更高垃它，是這類(lèi)企業(yè)基本共識(shí)蝙寨。比如在新興的互聯(lián)網(wǎng)企業(yè)，或者新零售領(lǐng)域嗤瞎，這個(gè)特點(diǎn)尤為突出。

5.智能自助型

○其典型特征為听系，IT人員只做底層數(shù)據(jù)倉(cāng)庫(kù)贝奇、數(shù)據(jù)連接、數(shù)據(jù)字典相關(guān)工作靠胜。業(yè)務(wù)人員處理所有BI工具層面的數(shù)據(jù)處理掉瞳，以及所有BI分析頁(yè)面毕源。

○IT人員搭建數(shù)據(jù)中心，業(yè)務(wù)人員完全自主處理和分析數(shù)據(jù)陕习，這類(lèi)企業(yè)有著明顯的資源密集型的特點(diǎn)霎褐，業(yè)務(wù)人員更多的是偏向運(yùn)營(yíng)相關(guān)的工作。當(dāng)然该镣，因?yàn)榇祟?lèi)受訪企業(yè)占比較少冻璃，原因分析的可信度還有待進(jìn)一步調(diào)研來(lái)核實(shí)。

(二) BI用戶(hù)狀況分布

▊基于BI應(yīng)用金字塔模型损合，2017年企業(yè)分布如下省艳；

image

○從調(diào)研數(shù)據(jù)中，我們可以得出兩大結(jié)論：

1嫁审、IT人員主導(dǎo)企業(yè)數(shù)據(jù)分析的模式仍占據(jù)主流跋炕，也就是IT驅(qū)動(dòng)仍是2017年企業(yè)商業(yè)智能平臺(tái)應(yīng)用現(xiàn)狀。從數(shù)據(jù)調(diào)研的受訪企業(yè)來(lái)看律适，有高達(dá)60.5%的企業(yè)的數(shù)據(jù)分析工作仍是第二類(lèi)型（IT強(qiáng)主導(dǎo)型）辐烂，甚至有21.5%的企業(yè)的數(shù)據(jù)分析工作處在第一類(lèi)型（IT完全主導(dǎo)型），這顯然和業(yè)務(wù)人員自助數(shù)據(jù)分析的目標(biāo)距離遙遠(yuǎn)捂贿。

2纠修、新型自助BI正在成為商業(yè)智能市場(chǎng)的主流。17.5%的企業(yè)是在2017年上線了新型自助BI眷蜓，實(shí)現(xiàn)了讓少部分業(yè)務(wù)人員自助完成BI數(shù)據(jù)分析的目標(biāo)分瘾。

2018年商業(yè)智能用戶(hù)需求分析

image

(一) 企業(yè)多級(jí)部門(mén)數(shù)據(jù)分層次IT權(quán)限和平臺(tái)管控，占受訪企業(yè)97.6%

○需求描述：BI工具支持企業(yè)的多級(jí)部門(mén)的數(shù)據(jù)/分析頁(yè)面權(quán)限管控吁系，使得不同層級(jí)的部門(mén)機(jī)構(gòu)只能看到本部門(mén)機(jī)構(gòu)和轄屬部門(mén)機(jī)構(gòu)的數(shù)據(jù)/分析頁(yè)面德召。

○需求產(chǎn)生的原因：有的信息中心為釋放壓力，放權(quán)給業(yè)務(wù)部門(mén)使用數(shù)據(jù)汽纤，一旦口子打開(kāi)上岗，數(shù)據(jù)缺口就會(huì)像洪水一樣泛濫，就又會(huì)走向另外一個(gè)極端蕴坪，導(dǎo)致放權(quán)下的數(shù)據(jù)管理混亂肴掷，數(shù)據(jù)口徑不統(tǒng)一，部門(mén)之間的數(shù)據(jù)壁壘等等問(wèn)題就會(huì)出現(xiàn)背传，同時(shí)這將給企業(yè)帶來(lái)極大的數(shù)據(jù)安全隱患呆瞻。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：在滿足業(yè)務(wù)部門(mén)BI數(shù)據(jù)自助分析的同時(shí)，兼顧企業(yè)的數(shù)據(jù)權(quán)限管控径玖，形成企業(yè)以IT部門(mén)集中管理下的良性數(shù)據(jù)分析風(fēng)貌痴脾，杜絕企業(yè)數(shù)據(jù)安全隱患。

(二) 業(yè)務(wù)人員可通過(guò)BI工具進(jìn)行自助數(shù)據(jù)分析梳星，占受訪企業(yè)94.5%

○需求描述：業(yè)務(wù)人員可以在瀏覽器前端赞赖，對(duì)自己權(quán)限范圍內(nèi)的數(shù)據(jù)進(jìn)行多維拖拽探索和自助分析滚朵，發(fā)掘隱含在數(shù)據(jù)中的業(yè)務(wù)價(jià)值。

○需求產(chǎn)生的原因：企業(yè)的傳統(tǒng)信息化建設(shè)中前域，IT信息中心對(duì)公司數(shù)據(jù)進(jìn)行高度集中的管控辕近，來(lái)自企業(yè)各職能部門(mén)的數(shù)據(jù)處理以及報(bào)表就會(huì)全部由IT人員來(lái)輸出，一旦業(yè)務(wù)部門(mén)需求集中扎堆匿垄，就會(huì)造成響應(yīng)不足移宅，業(yè)務(wù)部門(mén)怨聲載道。信息中心自身成員熬夜加班做報(bào)表年堆，成就感卻很低吞杭。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：通過(guò)高效靈活的BI工具，業(yè)務(wù)人員對(duì)自己權(quán)限范圍內(nèi)感興趣數(shù)據(jù)進(jìn)行多維拖拽探索和自助分析变丧，以工具簡(jiǎn)單易上手的低學(xué)習(xí)成本芽狗，讓真正對(duì)分析業(yè)務(wù)價(jià)值最熟悉的業(yè)務(wù)人員實(shí)現(xiàn)自助數(shù)據(jù)分析探索，最大化業(yè)務(wù)數(shù)據(jù)的分析維度和分析效率痒蓬，靈活發(fā)掘數(shù)據(jù)中可能潛在的業(yè)務(wù)價(jià)值童擎，同時(shí)也解放了IT人員的勞動(dòng)力，降低企業(yè)人力成本攻晒。

(三) 可快速搭建型自助BI業(yè)務(wù)數(shù)據(jù)模型顾复，占受訪企業(yè)87.5%

○需求描述：數(shù)據(jù)庫(kù)表中的數(shù)據(jù)需要基于業(yè)務(wù)分析主題進(jìn)行分類(lèi)管理，相關(guān)數(shù)據(jù)表之間支持手動(dòng)/自動(dòng)構(gòu)建關(guān)聯(lián)模型鲁捏，同時(shí)建立的關(guān)聯(lián)模型支持靈活應(yīng)用芯砸，無(wú)需反復(fù)編輯修改或創(chuàng)建新的模型，一次建立即可靈活滿足多重業(yè)務(wù)場(chǎng)景進(jìn)行數(shù)據(jù)分析使用给梅。

○需求產(chǎn)生的原因：傳統(tǒng)BI工具創(chuàng)建的底層數(shù)據(jù)關(guān)聯(lián)相互獨(dú)立假丧，無(wú)法重復(fù)利用，一旦遇到新的業(yè)務(wù)數(shù)據(jù)計(jì)算分析場(chǎng)景动羽，數(shù)據(jù)關(guān)聯(lián)就需要修改或重新創(chuàng)建包帚，極為麻煩，非常不利于IT人員維護(hù)运吓。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：通過(guò)BI工具快速構(gòu)建的新型自助式BI業(yè)務(wù)數(shù)據(jù)模型渴邦，較傳統(tǒng)BI工具針對(duì)不同業(yè)務(wù)分析場(chǎng)景需要多次、重復(fù)建模的應(yīng)用痛點(diǎn)拘哨，極大地提高了BI工具的企業(yè)中業(yè)務(wù)數(shù)據(jù)分析應(yīng)用的效率谋梭，解放了以往IT人員對(duì)數(shù)據(jù)維護(hù)的壓力。

(四) OLAP多維分析：上卷倦青、下鉆瓮床、旋轉(zhuǎn)、切片、聯(lián)動(dòng)纤垂、跳轉(zhuǎn)等，占受訪企業(yè)84.5%

○需求描述：BI工具支持強(qiáng)大的頁(yè)面OLAP多維分析功能磷账，包括分析視角的上卷峭沦、下鉆，維度的旋轉(zhuǎn)切換逃糟，指標(biāo)的切換吼鱼，分析數(shù)據(jù)的切片過(guò)濾，組件之間的聯(lián)動(dòng)過(guò)濾绰咽、頁(yè)面超級(jí)鏈接跳轉(zhuǎn)等菇肃。

○需求產(chǎn)生的原因：隨著業(yè)務(wù)發(fā)展的復(fù)雜化，單一角度的數(shù)據(jù)分析往往難以再發(fā)掘出更多有價(jià)值的潛在業(yè)務(wù)信息取募，取而代之的是需要BI工具能夠滿足強(qiáng)大的頁(yè)面OLAP多維分析功能琐谤。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：通過(guò)BI工具強(qiáng)大的OLAP多維分析功能，以實(shí)現(xiàn)多角度玩敏、多關(guān)聯(lián)數(shù)據(jù)之間的數(shù)據(jù)無(wú)限層次探索分析斗忌，發(fā)掘出數(shù)據(jù)中潛在的業(yè)務(wù)價(jià)值。

(五) 大數(shù)據(jù)處理性能處理能力達(dá)到十億數(shù)據(jù)秒級(jí)響應(yīng)旺聚，占受訪企業(yè)63.6%

○需求描述：BI工具可支撐處理億級(jí)以上大數(shù)據(jù)分析計(jì)算的秒級(jí)響應(yīng)织阳，提供多維加速引擎對(duì)傳統(tǒng)關(guān)系型數(shù)據(jù)倉(cāng)庫(kù)（SQLServer、Oracle砰粹、Mysql等）進(jìn)行數(shù)據(jù)提速處理唧躲，同時(shí)也支持實(shí)時(shí)對(duì)接企業(yè)大數(shù)據(jù)平臺(tái)（Vertical、Kylin碱璃、Greenplum等）進(jìn)行數(shù)據(jù)分析計(jì)算弄痹。

○需求產(chǎn)生的原因：一方面，傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)在面對(duì)上億級(jí)別以上數(shù)據(jù)量時(shí)厘贼，容易出現(xiàn)性能瓶頸界酒，長(zhǎng)時(shí)間的查詢(xún)等待往往會(huì)導(dǎo)致業(yè)務(wù)數(shù)據(jù)分析效率太低。另一方面嘴秸，當(dāng)今信息化水平飛速發(fā)展毁欣，越來(lái)越多的企業(yè)已經(jīng)有了自己的高性能大數(shù)據(jù)平臺(tái)，對(duì)于這部分企業(yè)來(lái)說(shuō)岳掐，擁有一款能夠直接對(duì)接大數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)分析的工具尤為重要凭疮。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：BI工具提供的強(qiáng)大數(shù)據(jù)計(jì)算處理引擎，能夠降低企業(yè)數(shù)據(jù)查詢(xún)等待時(shí)間成本串述，提高業(yè)務(wù)數(shù)據(jù)分析效率执解。同時(shí)，通過(guò)直接對(duì)接企業(yè)大數(shù)據(jù)平臺(tái)，還可滿足企業(yè)實(shí)時(shí)數(shù)據(jù)分析的需求衰腌。

(六) 業(yè)務(wù)人員可完成工具層面的零代碼數(shù)據(jù)加工處理工作新蟆，占受訪企業(yè)57.5%

○需求描述：BI工具可通過(guò)快速易上手的交互方式，讓業(yè)務(wù)人員也能完成工具層面的零代碼數(shù)據(jù)加工處理工作右蕊，例如例如表合并琼稻、分組統(tǒng)計(jì)、結(jié)構(gòu)數(shù)據(jù)分層饶囚、過(guò)濾帕翻、增加列、同比環(huán)比萝风、累計(jì)值嘀掸、所有值、公式運(yùn)算等數(shù)據(jù)清洗和數(shù)據(jù)處理方法规惰，實(shí)現(xiàn)對(duì)數(shù)據(jù)的無(wú)限層次多維透視分析統(tǒng)計(jì)睬塌。

○需求產(chǎn)生的原因：當(dāng)業(yè)務(wù)需求相對(duì)偏復(fù)雜時(shí)，簡(jiǎn)單的維度和指標(biāo)統(tǒng)計(jì)往往無(wú)法直接計(jì)算出業(yè)務(wù)所需要的計(jì)算結(jié)果卿拴，以往的處理方式往往可能是業(yè)務(wù)部門(mén)提需求給IT衫仑，然后IT經(jīng)過(guò)SQL或者代碼對(duì)底層數(shù)據(jù)表加工處理，然后最終導(dǎo)出一張excel數(shù)據(jù)表給業(yè)務(wù)部門(mén)堕花，期間的反復(fù)溝通和等待時(shí)間往往降低了企業(yè)的業(yè)務(wù)數(shù)據(jù)分析應(yīng)用效率文狱。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：通過(guò)BI工具，使得業(yè)務(wù)人員也能快速實(shí)現(xiàn)對(duì)數(shù)據(jù)的無(wú)限層次多維透視分和析加工統(tǒng)計(jì)缘挽，降低了傳統(tǒng)模式下的溝通成本和等待時(shí)間瞄崇，提高了企業(yè)業(yè)務(wù)數(shù)據(jù)分析的應(yīng)用效率。

(七) 移動(dòng)端數(shù)據(jù)分析查看支持壕曼，占受訪企業(yè)44.9%

○需求描述：BI工具支持移動(dòng)端數(shù)據(jù)分析多維分析查看功能（兼容PC端的上卷苏研、下鉆、旋轉(zhuǎn)腮郊、切片摹蘑、聯(lián)動(dòng)、跳轉(zhuǎn)等）轧飞，對(duì)于BI工具的應(yīng)用app支持便捷的掃碼登陸衅鹿、離線查看、批注过咬、分享等功能大渤，同時(shí)滿足某些社區(qū)平臺(tái)如微信、釘釘?shù)钠髽I(yè)公眾號(hào)集成掸绞。

○需求產(chǎn)生的原因：在當(dāng)今這個(gè)移動(dòng)設(shè)備便捷時(shí)代泵三，僅僅PC端的數(shù)據(jù)分析已經(jīng)不能滿足某些特定時(shí)間和場(chǎng)所的業(yè)務(wù)分析需求了，而B(niǎo)I對(duì)移動(dòng)端的支持已經(jīng)成了必然要滿足的功能點(diǎn)。

○滿足該需求對(duì)企業(yè)的價(jià)值和意義：通過(guò)移動(dòng)端的BI分析查看烫幕，使得數(shù)據(jù)分析不僅僅局限于PC端俺抽，較大地增強(qiáng)了數(shù)據(jù)分析的便捷性。同時(shí)微信和釘釘?shù)募山尤虢下寴I(yè)務(wù)通過(guò)社區(qū)平臺(tái)也能直接查看想要的數(shù)據(jù)分析頁(yè)面凌埂，更是為移動(dòng)端數(shù)據(jù)分析錦上添花。

中國(guó)大數(shù)據(jù)BI產(chǎn)品功能預(yù)測(cè)

結(jié)合用戶(hù)需求調(diào)研诗芜，和我國(guó)BI廠商的產(chǎn)品計(jì)劃研究，2018年如下六個(gè)大的功能模塊將會(huì)得到增強(qiáng)：

(一) 提升自助分析的可操作性和功能豐富度

為滿足業(yè)務(wù)人員可通過(guò)BI工具進(jìn)行自助數(shù)據(jù)分析的需求埃疫，中國(guó)大數(shù)據(jù)BI產(chǎn)品需要改善自助分析的功能和可操作性伏恐，包括圖表的豐富性。

前端布局自定義搭配栓霜，讓業(yè)務(wù)人員隨心所欲布置翠桦。比如儀表板自由布局，可快速拖拽生成所需要分析的頁(yè)面胳蛮；在全面支持常見(jiàn)的柱狀圖销凑、條形圖等圖形基礎(chǔ)上，增加支持中國(guó)（世界）地圖仅炊、GIS地圖斗幼、桑基圖等大數(shù)據(jù)圖表抚垄；

為了適應(yīng)更加多樣的用戶(hù)蜕窿，大數(shù)據(jù)BI平臺(tái)需要支持強(qiáng)大的OLAP多維分析功能，包括分析視角的上卷呆馁、下鉆桐经，維度的旋轉(zhuǎn)切換，指標(biāo)的切換浙滤，分析數(shù)據(jù)的切片過(guò)濾阴挣，組件之間的聯(lián)動(dòng)過(guò)濾、頁(yè)面超級(jí)鏈接跳轉(zhuǎn)等纺腊。業(yè)務(wù)人員在OLAP多維分析的基礎(chǔ)上畔咧，能夠在數(shù)據(jù)分析查看時(shí)，再次對(duì)所有維度進(jìn)行二次的維度指標(biāo)加工摹菠，并無(wú)限層次多維透視分析統(tǒng)計(jì)盒卸，全面開(kāi)放業(yè)務(wù)人員對(duì)數(shù)據(jù)的處理和分析操作，以滿足當(dāng)前中國(guó)用戶(hù)多個(gè)視角次氨、多個(gè)層級(jí)的分析需求蔽介，把傳統(tǒng)業(yè)務(wù)分析的智慧充分沉淀到數(shù)據(jù)分析系統(tǒng)中來(lái)。

為了給不同用戶(hù)提供個(gè)性化的視覺(jué)體驗(yàn)，大數(shù)據(jù)BI平臺(tái)支持表格動(dòng)態(tài)數(shù)值預(yù)警功能和圖形設(shè)置動(dòng)態(tài)警戒線虹蓄，支持圖表樣式風(fēng)格自由拖拽調(diào)整犀呼。同時(shí)，也需要大數(shù)據(jù)BI平臺(tái)智能自動(dòng)設(shè)置預(yù)警值和樣式風(fēng)格等薇组。

(二) 提升平臺(tái)的數(shù)據(jù)挖掘能力

為滿足企業(yè)業(yè)務(wù)人員自助數(shù)據(jù)分析和自動(dòng)挖掘的需求外臂，中國(guó)大數(shù)據(jù)BI產(chǎn)品需要在已有的數(shù)據(jù)可視化和數(shù)據(jù)分析的功能基礎(chǔ)上，增強(qiáng)數(shù)據(jù)自動(dòng)挖掘能力律胀，使業(yè)務(wù)人員在能夠掌握挖掘基本概念的基礎(chǔ)上宋光，深入挖掘分析業(yè)務(wù)數(shù)據(jù)，為業(yè)務(wù)運(yùn)營(yíng)提供數(shù)據(jù)結(jié)論支持炭菌。

大數(shù)據(jù)BI平臺(tái)需要支持嵌入式高級(jí)分析功能罪佳，用戶(hù)能夠輕松使用平臺(tái)內(nèi)置的高級(jí)分析功能，也可以通過(guò)導(dǎo)入和集成外部開(kāi)發(fā)的高級(jí)分析模型黑低。比如平臺(tái)內(nèi)含數(shù)據(jù)挖掘常見(jiàn)算法（如線性預(yù)測(cè)赘艳、時(shí)序預(yù)測(cè)、聚類(lèi)克握、分類(lèi)等）蕾管，或者提供外接其他數(shù)據(jù)挖掘平臺(tái)和工具的可視化接口（如R語(yǔ)言或者Python語(yǔ)言），甚至內(nèi)含適合特定業(yè)務(wù)場(chǎng)景的挖掘模型 菩暗。

(三) 提升平臺(tái)大數(shù)據(jù)處理能力

為滿足企業(yè)對(duì)大數(shù)據(jù)BI平臺(tái)實(shí)時(shí)響應(yīng)的需求掰曾，中國(guó)大數(shù)據(jù)BI產(chǎn)品需要將當(dāng)前大數(shù)據(jù)處理能力提升一個(gè)量級(jí)，達(dá)到10億數(shù)據(jù)量秒級(jí)響應(yīng)水平停团，同時(shí)支持豐富多樣的數(shù)據(jù)源婴梧。

大數(shù)據(jù)BI平臺(tái)需要支持豐富的數(shù)據(jù)源，如企業(yè)主流的關(guān)系型數(shù)據(jù)庫(kù)客蹋、大數(shù)據(jù)平臺(tái)塞蹭、NOSQL數(shù)據(jù)庫(kù)以及多維數(shù)據(jù)庫(kù)，需要支持實(shí)時(shí)對(duì)接數(shù)據(jù)平臺(tái)和分布式引擎拓展讶坯，同時(shí)支持跨數(shù)據(jù)源關(guān)聯(lián)番电，同時(shí)支持對(duì)較大級(jí)別數(shù)據(jù)量進(jìn)行數(shù)據(jù)抽取和索引建模，提高數(shù)據(jù)分析效率辆琅。

(四) 提升平臺(tái)的數(shù)據(jù)管理能力

為了滿足中國(guó)企業(yè)業(yè)務(wù)人員用戶(hù)對(duì)數(shù)據(jù)處理的需求漱办，中國(guó)大數(shù)據(jù)BI平臺(tái)需要提升自身的元數(shù)據(jù)管理能力、數(shù)據(jù)的ETL處理能力婉烟、數(shù)據(jù)存儲(chǔ)能力娩井。

提高元數(shù)據(jù)管理能力，使得用戶(hù)能夠集中管理元數(shù)據(jù)似袁，包括對(duì)元數(shù)據(jù)進(jìn)行檢索洞辣、提取咐刨、處理、存儲(chǔ)扬霜、分享復(fù)用和對(duì)外發(fā)布定鸟。中國(guó)企業(yè)的業(yè)務(wù)人員將需要在數(shù)據(jù)分析的過(guò)程中，直接操作經(jīng)過(guò)IT人員標(biāo)準(zhǔn)化處理的元數(shù)據(jù)著瓶。

近幾年來(lái)联予，中國(guó)數(shù)據(jù)分析人才迅速增加，企業(yè)中也成長(zhǎng)出一批有一定數(shù)據(jù)分析能力的業(yè)務(wù)人才材原，這些中國(guó)企業(yè)業(yè)務(wù)人才更多的是需要對(duì)數(shù)據(jù)進(jìn)行ETL處理和存儲(chǔ)沸久，這就需要平臺(tái)功支持用于查詢(xún)、提取余蟹、轉(zhuǎn)換和加載的功能麦向，具有索引、管理客叉、調(diào)度數(shù)據(jù)的能力。

(五) 提升平臺(tái)分析的共享能力

隨著ERP话告、OA兼搏、MES、HIS等常見(jiàn)業(yè)務(wù)系統(tǒng)的完善沙郭，企業(yè)少則數(shù)十套IT系統(tǒng)佛呻，多則上千套系統(tǒng)。新型自助BI需要能夠與多個(gè)系統(tǒng)同時(shí)融合病线，全面分析企業(yè)的業(yè)務(wù)數(shù)據(jù)吓著。這就需要中國(guó)大數(shù)據(jù)BI產(chǎn)品需要加強(qiáng)產(chǎn)品與不同軟件系統(tǒng)的集成融合能力，這是中國(guó)企業(yè)面臨的共同難題送挑。大數(shù)據(jù)BI平臺(tái)需要支持嵌入式部署绑莺，如主流的應(yīng)用服務(wù)器，支持跨平臺(tái)的權(quán)限集成和頁(yè)面集成惕耕。

大數(shù)據(jù)BI平臺(tái)不同用戶(hù)創(chuàng)建的分析頁(yè)面纺裁，可以方便地分享給其他成員。同時(shí)司澎，在企業(yè)的分析用戶(hù)設(shè)計(jì)儀表板時(shí)欺缘，可以復(fù)用儀表板中的圖表、維度挤安、指標(biāo)等谚殊，支持用戶(hù)分享指定頁(yè)面進(jìn)行給其他部門(mén)成員，便于互動(dòng)溝通交流蛤铜。

為滿足企業(yè)人員實(shí)時(shí)辦公嫩絮、互通信息的需要丛肢。大數(shù)據(jù)BI平臺(tái)還需要支持移動(dòng)端上共享和查看分析結(jié)果，支持在移動(dòng)端對(duì)分析結(jié)果進(jìn)行數(shù)據(jù)層級(jí)鉆取穿透絮记、聯(lián)動(dòng)等摔踱。

(六) 提升平臺(tái)的安全性

為了滿足企業(yè)多級(jí)部門(mén)同時(shí)使用、不同權(quán)限的功能怨愤，中國(guó)大數(shù)據(jù)BI產(chǎn)品除了要提供靈活豐富的用戶(hù)管理功能派敷、權(quán)限控制功能，還需要內(nèi)置強(qiáng)大的用戶(hù)行為監(jiān)控與分析功能撰洗，確保企業(yè)的數(shù)據(jù)安全和信息保密篮愉。

大數(shù)據(jù)BI平臺(tái)將支持持批量導(dǎo)入用戶(hù)，支持同步企業(yè)統(tǒng)一權(quán)限管理數(shù)據(jù)庫(kù)中的用戶(hù)差导，以企業(yè)IT系統(tǒng)統(tǒng)一的用戶(hù)管理方式進(jìn)行用戶(hù)管理虱颗。支持用戶(hù)以企業(yè)IT系統(tǒng)統(tǒng)一的用戶(hù)權(quán)限認(rèn)證方式進(jìn)行權(quán)限管理。同時(shí)晕粪，需要支持短信平臺(tái)功能泡挺，并可用于用戶(hù)賬號(hào)身份驗(yàn)證等，多種用戶(hù)和權(quán)限管理方式助析，來(lái)滿足廣大中國(guó)企業(yè)的不同的安全級(jí)別要求和安全管理策略犀被。

隨著大數(shù)據(jù)BI在中國(guó)的發(fā)展，中國(guó)企業(yè)自身的大數(shù)據(jù)BI平臺(tái)已有眾多員工賬號(hào)外冀。這就對(duì)大數(shù)據(jù)BI平臺(tái)提出新的挑戰(zhàn)寡键，除了要攔截非法用戶(hù)，還要對(duì)大數(shù)據(jù)BI平臺(tái)有效用戶(hù)進(jìn)行有效監(jiān)控雪隧。2018年西轩，大數(shù)據(jù)BI平臺(tái)需要支持監(jiān)控用戶(hù)的操作行為，支持監(jiān)控頁(yè)面被訪問(wèn)的頻次脑沿、訪問(wèn)來(lái)源藕畔，甚至是支持監(jiān)控訪問(wèn)到的數(shù)據(jù)范圍。

為了保證大數(shù)據(jù) BI平臺(tái)系統(tǒng)持續(xù)支持企業(yè)經(jīng)營(yíng)管理庄拇，需要大數(shù)據(jù)BI平臺(tái)支持系統(tǒng)數(shù)據(jù)遷移到企業(yè)數(shù)據(jù)庫(kù)劫流，支持對(duì)系統(tǒng)進(jìn)行備份與還原，備份可以手動(dòng)或設(shè)置周期定時(shí)備份丛忆。同時(shí)祠汇，支持云端服務(wù)器部署和本地服務(wù)器部署，支持多機(jī)熱備熄诡，達(dá)到企業(yè)的災(zāi)備要求可很。此外，為了有效避免BI平臺(tái)出現(xiàn)嚴(yán)重異常凰浮，還需要支持監(jiān)控自身的運(yùn)行性能我抠，遇到系統(tǒng)性能風(fēng)險(xiǎn)苇本，提前給出系統(tǒng)預(yù)警信號(hào)。

本文來(lái)源「帆軟數(shù)據(jù)應(yīng)用研究院」

聲明：本文來(lái)自數(shù)據(jù)觀菜拓，版權(quán)歸作者所有瓣窄。文章內(nèi)容僅代表作者獨(dú)立觀點(diǎn)，不代表安全內(nèi)參立場(chǎng)纳鼎，轉(zhuǎn)載目的在于傳遞更多信息俺夕。如有侵權(quán)，請(qǐng)聯(lián)系 anquanneican@163.com贱鄙。