每日干貨好文分享丨請(qǐng)點(diǎn)擊+關(guān)注

對(duì)商業(yè)智能BI、數(shù)據(jù)分析挖掘、大數(shù)據(jù)、機(jī)器學(xué)習(xí)感興趣的加微信tsbeidou，邀請(qǐng)你進(jìn)入交流群，數(shù)據(jù)愛(ài)好者們都在這兒。

歡迎關(guān)注天善智能微信公眾號(hào)，我們是專注于商業(yè)智能BI，大數(shù)據(jù)，數(shù)據(jù)分析領(lǐng)域的垂直社區(qū)。

本文主要涉及到以下四個(gè)方面的內(nèi)容：

1. 傳統(tǒng) BI 和新型 BI 的分水嶺（2013年）

2. 新型 BI 的高速發(fā)展期和傳統(tǒng)BI的衰退（2013年-2016年）

3. 傳統(tǒng) BI 巨頭下滑期的變革與快速調(diào)整（2013年-2016年）

4. 商業(yè)智能 BI 發(fā)展的新趨勢(shì)（2017年-2020年）

( 作者：呂品，天善智能聯(lián)合創(chuàng)始人&運(yùn)營(yíng)總監(jiān)，微信：tianshanlvpin，引用此文需完全保留此段文字和鏈接 https://ask./blog/lvpin/5818)

在展望2017年商業(yè)智能 BI 發(fā)展趨勢(shì)前，我們先來(lái)了解一下商業(yè)智能 BI 發(fā)展的幾個(gè)重要階段。

傳統(tǒng) BI 和新型 BI 的分水嶺（2013年）

大背景

在2013年以前相當(dāng)長(zhǎng)的一個(gè)周期（2005年-2013年），市場(chǎng)主要流行的商業(yè)智能BI產(chǎn)品以 SAP BO、Oracle BIEE、IBM Cognos 等老牌巨頭為主。Microsoft 旗下的BI產(chǎn)品到SQL Server 2005 才開始推出了一套比較完整的產(chǎn)品解決方案（SSIS、SSAS、SSRS），但總體來(lái)說(shuō)在市場(chǎng)上的聲音也比較薄弱，主要用戶還是微軟相關(guān)技術(shù)體系的客戶群體，相對(duì)封閉。

同時(shí)，東南融通在并購(gòu)BI黃埔軍校菲奈特后也基本上橫掃了國(guó)內(nèi)金融銀行市場(chǎng)服務(wù)領(lǐng)域，打下了國(guó)內(nèi)BI市場(chǎng)的半壁江山。很多公司的決策者、企業(yè)高層、一些BI廠商和大數(shù)據(jù)公司的創(chuàng)始人或核心團(tuán)隊(duì)成員都來(lái)自于這個(gè)體系。

國(guó)內(nèi)BI廠商例如潤(rùn)乾、Smartbi、帆軟、奧威Power-BI在這個(gè)周期也處于一個(gè)起步和緩慢成長(zhǎng)期。

在這個(gè)時(shí)期出現(xiàn)了數(shù)據(jù)倉(cāng)庫(kù)之路， CognosChina，中國(guó)統(tǒng)計(jì)網(wǎng)、向上論壇等大小十幾個(gè)商業(yè)智能BI和社區(qū)，整個(gè)商業(yè)智能BI的生態(tài)都算是比較良好。

以上是2013年以前國(guó)內(nèi)商業(yè)智能BI的大概情況，我們?cè)賮?lái)看看商業(yè)智能BI的市場(chǎng)特點(diǎn)。

商業(yè)智能BI市場(chǎng)的特點(diǎn)

商業(yè)智能 BI 市場(chǎng)的成熟需要依托企業(yè)業(yè)務(wù)應(yīng)用系統(tǒng)的成熟，這個(gè)成熟主要是指業(yè)務(wù)系統(tǒng)數(shù)據(jù)沉淀的數(shù)據(jù)周期，這個(gè)過(guò)程至少需要3-5年的時(shí)間，企業(yè)才會(huì)考慮到數(shù)據(jù)打通和整合的問(wèn)題，通過(guò)上BI產(chǎn)品來(lái)完成日常的經(jīng)營(yíng)分析、客戶分析和報(bào)表展現(xiàn)。沒(méi)有IT基礎(chǔ)建設(shè)和各個(gè)業(yè)務(wù)系統(tǒng)的成熟，BI就是空中樓閣。

早在2005年-2010年期間，第一波以金融、保險(xiǎn)、銀行、電信、電網(wǎng)、醫(yī)療為主的大客戶群體，他們最早上線了適應(yīng)自己業(yè)務(wù)的應(yīng)用系統(tǒng)，類似于ERP、CRM、OA、HIS等。因此按照數(shù)據(jù)沉淀的周期，大概從2008年-2013年期間，這些群體構(gòu)成了商業(yè)智能BI產(chǎn)品的消費(fèi)主體。同時(shí)也要注意到的是，他們也正好是能夠有實(shí)力采購(gòu) SAP BO、Oracle BIEE、IBM Cognos 這些用戶群體。

隨著IT信息化系統(tǒng)建設(shè)的成本越來(lái)越低，和越來(lái)越多的中小型企業(yè)也逐步重視起自己IT應(yīng)用系統(tǒng)的建設(shè)和發(fā)展?；旧峡梢钥吹剑谝痪€、二線城市稍微具備一定業(yè)務(wù)規(guī)模的企業(yè)都已經(jīng)上線了各種業(yè)務(wù)系統(tǒng)，無(wú)論是自己IT內(nèi)部開發(fā)的還是采購(gòu)?fù)獠康臉I(yè)務(wù)系統(tǒng)。這個(gè)建設(shè)周期大家可以對(duì)照各自公司IT信息化建設(shè)的情況，大概也集中在2008-2013期間。業(yè)務(wù)系統(tǒng)一旦運(yùn)轉(zhuǎn)，以前手工作坊式的紙質(zhì)的數(shù)據(jù)記錄就逐步被拋棄，就意味著系統(tǒng)里源源不斷的生產(chǎn)數(shù)據(jù)，這個(gè)就是數(shù)據(jù)沉淀、養(yǎng)數(shù)據(jù)的過(guò)程。

用戶期望與傳統(tǒng)商業(yè)智能BI的矛盾點(diǎn)

數(shù)據(jù)養(yǎng)好了，下一步動(dòng)作就是要用好數(shù)據(jù)。但是問(wèn)題在哪里？建設(shè)商業(yè)智能BI項(xiàng)目的成本！

第一，產(chǎn)品成本。產(chǎn)品成本包括采購(gòu)產(chǎn)品以及相關(guān)的硬件、后續(xù)的維護(hù)、咨詢服務(wù)、培訓(xùn)成本。很多企業(yè)不是不想上 SAP BO、OBIEE、Cognos，而是考慮到這些成本的問(wèn)題。

第二，項(xiàng)目實(shí)施周期和人力成本。傳統(tǒng)商業(yè)智能BI的實(shí)施周期由于考慮到系統(tǒng)的可擴(kuò)展性、查詢性能優(yōu)化等對(duì)傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)規(guī)范要求相對(duì)來(lái)說(shuō)是比較高的。無(wú)論是Kimball還是 Inmon，或者兩者結(jié)合的組合設(shè)計(jì)，這個(gè)周期都比較長(zhǎng)，項(xiàng)目周期按月、按年來(lái)計(jì)算。

第三，服務(wù)響應(yīng)周期長(zhǎng)。IT部門對(duì)于業(yè)務(wù)部門提出的數(shù)據(jù)需求，比如簡(jiǎn)單的報(bào)表制作，按照生產(chǎn)流程，少則一周多則一個(gè)月。這是純粹的IT驅(qū)動(dòng)，已經(jīng)跟不上業(yè)務(wù)的發(fā)展要求。一個(gè)公司200個(gè)業(yè)務(wù)，每個(gè)人提一個(gè)報(bào)表需求，人少做不了，人多成本高。

所以，在2013年前后，很多企業(yè)的IT信息化建設(shè)早已經(jīng)完成，對(duì)應(yīng)的數(shù)據(jù)沉淀也已經(jīng)足夠，下一步就是要解決商業(yè)智能BI上線的問(wèn)題。但是，上述的三個(gè)成本因素阻礙了企業(yè)進(jìn)一步的想法，市場(chǎng)上急需能夠解決以上三個(gè)問(wèn)題的新的解決方案或者新的產(chǎn)品。

新的市場(chǎng)機(jī)會(huì)應(yīng)運(yùn)而生，2013年是一個(gè)商業(yè)智能BI發(fā)展史的一個(gè)重要轉(zhuǎn)折點(diǎn)。同時(shí)，蟄伏了多年的大數(shù)據(jù)的概念從2013年開始也逐步由內(nèi)部研究、小范圍市場(chǎng)應(yīng)用逐步走向前臺(tái)。

比如同期成立的公司有星環(huán)科技、海云數(shù)據(jù)、 2011年成立的 TalkingData 也在2013年拿到 A 輪投資，2012年成立的Geo 集奧也在2013年前后拿到 A 輪融資。

新型 BI 的高速發(fā)展期和傳統(tǒng)BI的衰退（2013年-2016年）

可視化數(shù)據(jù)分析、Self-BI 的集中在國(guó)內(nèi)市場(chǎng)出現(xiàn)

2013年-2016年是新型BI和高速發(fā)展期也是傳統(tǒng)BI的衰退期。2013年整個(gè)市場(chǎng)和商業(yè)智能BI成長(zhǎng)的主要特點(diǎn)就是傳統(tǒng)商業(yè)智能BI開始向敏捷BI的轉(zhuǎn)型、可視化數(shù)據(jù)分析、Self-BI 的集中在國(guó)內(nèi)市場(chǎng)出現(xiàn)。

我選取了一些大家在市場(chǎng)上比較熟知的廠商和產(chǎn)品，看看在2013年這個(gè)時(shí)間點(diǎn)上都發(fā)生了哪些事情。

1. QlikTech - 總部在美國(guó)的一家瑞典公司，2010年7月在納斯達(dá)克上市。2013年前后上海亦策取代科加諾成為 QlikView 在國(guó)內(nèi)最大的代理，目前已占據(jù)國(guó)內(nèi) Qlik 代理市場(chǎng)至少70%以上的份額。2013年年底 QlikTech 授權(quán)上海亦策成立中國(guó)首個(gè) QlikView 授權(quán)培訓(xùn)中心。

2. Tableau – 2013年5月登陸紐交所上市，同時(shí)2013年前后 Tableau產(chǎn)品逐步在國(guó)內(nèi)市場(chǎng)出現(xiàn)，相關(guān)技術(shù)社區(qū)已經(jīng)開始出現(xiàn)對(duì)這個(gè)產(chǎn)品的討論。2014年、2015年、2016年在國(guó)內(nèi)飛速成長(zhǎng)，產(chǎn)品代理合作伙伴由以前的幾家快速增長(zhǎng)到10來(lái)家以上，產(chǎn)品服務(wù)覆蓋國(guó)內(nèi)各大區(qū)域和城市。

3. 永洪科技 – 2012年成立，2013年正式推出永洪的可視化分析產(chǎn)品，2014年年初獲得艾瑞天使輪投資，2016年7月永洪科技C輪獲投2億元人民幣。

4. 海致BDP - 2013年11月成立，2014年1月活動(dòng) IDG資本等 A 輪投資。推出的 SaaS BI可視化分析產(chǎn)品，同類型的國(guó)外產(chǎn)品是 DOMO。

5. Ptmind –2013年開始進(jìn)入日本市場(chǎng)，2016年推出數(shù)據(jù)管理 SaaS 產(chǎn)品 DataDeck。

6. 同時(shí)間在國(guó)內(nèi)的商業(yè)智能BI廠商還有帆軟、億信華辰、潤(rùn)乾、同期還有 ETHINKBI、Smartbi、奧威Power-BI。這些廠商在邁過(guò)了2013年這個(gè)時(shí)間點(diǎn)之后，一些廠商牢牢的把握了這個(gè)成長(zhǎng)周期，獲得快速成長(zhǎng)。

但也看到一些廠商在原地踏步，產(chǎn)品和服務(wù)還是處于多年前的水平，既沒(méi)有技術(shù)的沉淀也沒(méi)有看到對(duì)市場(chǎng)快速變化的積極調(diào)整。

準(zhǔn)確來(lái)說(shuō)，在2013年-2016年這三年的時(shí)間中，商業(yè)智能BI市場(chǎng)還是發(fā)生了非常巨大的變化。

傳統(tǒng)BI在向新型BI快速轉(zhuǎn)型

1. 類似于 SAP BO、IBM Cognos、OracleBIEE、Microsoft BI 的原有市場(chǎng)，受到了國(guó)內(nèi)外新型 BI 工具比如Tableau、Qlik、帆軟、永洪、Smartbi等廠商的集體沖擊。我們社區(qū)的一些用戶，企業(yè)項(xiàng)目中傳統(tǒng)BI產(chǎn)品逐步下線，新型BI產(chǎn)品集中上線。

2. 從市場(chǎng)活動(dòng)和聲音上來(lái)看，光2016年 Tableau、Qlik、帆軟、永洪、Smartbi 等新型BI工具廠商所舉辦的各種大小型沙龍和峰會(huì)活動(dòng)上百場(chǎng)。

3. 同時(shí)，我們也注意到我們 www.學(xué)院和問(wèn)答社區(qū)的活躍度上，傳統(tǒng)BI的產(chǎn)品熱度也逐步的在走下坡路，大家的注意力轉(zhuǎn)移了。注意力轉(zhuǎn)移到哪里了？更加前端、更加業(yè)務(wù)化了、更加注意數(shù)據(jù)分析和挖掘的業(yè)務(wù)價(jià)值上了。

4. 最后，我們平均每個(gè)工作日會(huì)接到1-3個(gè)有關(guān)產(chǎn)品方面、項(xiàng)目選型方面的咨詢電話。90%以上的用戶基本上都在尋找新的產(chǎn)品，咨詢的都是新的BI產(chǎn)品工具和項(xiàng)目解決方案。

傳統(tǒng)BI在衰退，此消彼長(zhǎng)。

新型 BI 為什么優(yōu)于傳統(tǒng) BI ？

1. 產(chǎn)品采購(gòu)的成本下降。以前采購(gòu)傳統(tǒng)BI工具的成本偏高，培訓(xùn)、服務(wù)咨詢成本都算比較高。新型BI產(chǎn)品工具只著重解決一些點(diǎn)的問(wèn)題，不一定需要大而全。

2. 項(xiàng)目周期縮短、人力成本降低。以前的項(xiàng)目周期主要的消耗在 ETL 處理和數(shù)據(jù)倉(cāng)庫(kù)建模、性能優(yōu)化等方面。如今，建模的要求不再那么高，性能優(yōu)化在大多數(shù)場(chǎng)景下也不再有問(wèn)題。整個(gè)項(xiàng)目周期從以前的月或年為單位快速的減少到按天、周、月為單位。

3. IT 驅(qū)動(dòng)逐步走向業(yè)務(wù)驅(qū)動(dòng)。IT負(fù)責(zé)基礎(chǔ)數(shù)據(jù)架構(gòu)的整理和接口開放維護(hù)，業(yè)務(wù)人員自行進(jìn)行快速的可視化分析和報(bào)表分析維護(hù)。

在我們社區(qū)企業(yè)用戶中，有一家企業(yè)同樣的一個(gè)項(xiàng)目做了一年才完工了80% 正好到報(bào)表開發(fā)階段。還要面臨性能優(yōu)化、模型的更改和維護(hù)，自定義的報(bào)表制作麻煩等一系列問(wèn)題。最后通過(guò)選用新型的BI產(chǎn)品和工具，短短兩個(gè)月不到就已經(jīng)完成了80%的業(yè)務(wù)報(bào)表分析制作，快速的對(duì)業(yè)務(wù)部門形成了強(qiáng)力的業(yè)務(wù)支撐。

那么是不是傳統(tǒng)BI就一直在走下坡路呢？我不這么認(rèn)為，因?yàn)檫@些老牌的BI廠商特別是Microsoft、IBM、Oracle 也在積極的進(jìn)行產(chǎn)品轉(zhuǎn)型。2013年-2016年是他們傳統(tǒng)產(chǎn)品模式的下滑期，但同時(shí)也是他們新的產(chǎn)品模式的轉(zhuǎn)型期和調(diào)整期。

這次調(diào)整基本上一次性完成了傳統(tǒng)BI到新型BI的轉(zhuǎn)型，同時(shí)對(duì)未來(lái)做了布局。

傳統(tǒng) BI 巨頭下滑期的變革與快速調(diào)整（2013年-2016年）

傳統(tǒng) BI 巨頭的產(chǎn)品轉(zhuǎn)型

1. Oracle 在2015年10月的甲骨文全球大會(huì)上正式發(fā)布Oracle 數(shù)據(jù)可視化云服務(wù) （Oracle DataVisualization Cloud Service），旨在為用戶提供豐富和功能強(qiáng)大的可視化分析功能。2016年 Oracle 數(shù)據(jù)可視化桌面版（DataVisualization Desktop 簡(jiǎn)稱 DVDesktop）也正式發(fā)布。

這兩個(gè)階段的產(chǎn)品發(fā)布讓DV 的產(chǎn)品組件不僅僅支持本地部署，也可以在云端方便的訪問(wèn)。同時(shí)，在個(gè)人的桌面端，用戶也可以自如的分析任何來(lái)自個(gè)人或者企業(yè)內(nèi)部的數(shù)據(jù)。

2. Microsoft 早在2013年就已經(jīng)推出了 Power BI for Office 365預(yù)覽版和 Power BI in Excel 更新（Power Map 和 Power Query）。2015年正式推出了 PowerBI Desktop（前身 PowerBI Designer）。

除了強(qiáng)大的可視化分析服務(wù)之外，也支持云端部署。2016年11月，就在前不久的 Microsoft Ignite 大會(huì)上微軟已經(jīng)和中國(guó)的世紀(jì)互聯(lián)合作正式讓 PowerBI SaaS服務(wù)落地在國(guó)內(nèi)。同時(shí)，在大會(huì)上看到的PowerBI 內(nèi)部的 Quick Insight 預(yù)測(cè)性分析和 Anna Talk 的對(duì)接也打通了自然語(yǔ)言和預(yù)測(cè)性可視化分析流程。

3. IBM 在2015年12月推出了IBM Cognos Analytics，支持業(yè)務(wù)用戶可視化自行分析業(yè)務(wù)，同時(shí)具備發(fā)布到云端（OnCloud）和本地安裝版本（OnPremise）。

同時(shí)，協(xié)同IBM Waston Analytics （云端的業(yè)務(wù) SaaS 分析服務(wù)）組成了強(qiáng)大的自然語(yǔ)言進(jìn)行預(yù)測(cè)性分析和交互。打通了數(shù)據(jù)準(zhǔn)備、預(yù)測(cè)分析和可視化呈現(xiàn)等自動(dòng)化分析流程。

可以看到三大廠商在2013年-2016年這幾年中對(duì)產(chǎn)品進(jìn)行了快速調(diào)整，其中調(diào)整的重點(diǎn)和關(guān)注點(diǎn)在什么地方？云端部署、預(yù)測(cè)性分析洞察、而預(yù)測(cè)性分析洞察背后隱藏的是人工智能和機(jī)器學(xué)習(xí)。

這樣的調(diào)整完成了對(duì)未來(lái)商業(yè)智能BI發(fā)展趨勢(shì)的判斷，對(duì)未來(lái)的產(chǎn)品方向做了提前布局。可以預(yù)測(cè)的是，在2013年-2016年大家重點(diǎn)關(guān)注的區(qū)別于傳統(tǒng)BI的一些產(chǎn)品特點(diǎn)，比如可視化分析、移動(dòng)BI、業(yè)務(wù)驅(qū)動(dòng)自助分析、性能、用戶友好等已經(jīng)成為BI產(chǎn)品的標(biāo)配，在市場(chǎng)上已經(jīng)相對(duì)穩(wěn)定和成熟，在2017年這些將不再是重要的關(guān)注點(diǎn)和亮點(diǎn)。

市場(chǎng)用戶是否成熟的判斷

1. 自助式 BI 可視化分析應(yīng)該成為常態(tài)，自助式BI分析已經(jīng)成為常態(tài)，業(yè)務(wù)人員已經(jīng)可以獨(dú)立的完成業(yè)務(wù)分析。傳統(tǒng)的由IT驅(qū)動(dòng)的數(shù)據(jù)分析轉(zhuǎn)變成為業(yè)務(wù)驅(qū)動(dòng)分析。

2. IT負(fù)責(zé)數(shù)據(jù)架構(gòu)的治理、數(shù)據(jù)質(zhì)量的梳理；業(yè)務(wù)人員自助分析；以前BI是大公司的專利，現(xiàn)在初創(chuàng)公司通過(guò)基本的分析工具就可以完成日常業(yè)務(wù)數(shù)據(jù)的分析工作。

3. 傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)建模的方式會(huì)逐步消亡，取而代之的是更加敏捷的BI實(shí)現(xiàn)方式，通過(guò)表之間的關(guān)聯(lián)關(guān)系并及時(shí)的進(jìn)行可視化數(shù)據(jù)分析并獲得結(jié)果。

4. 移動(dòng) BI 應(yīng)該成為常態(tài)，但在新的趨勢(shì)中會(huì)有進(jìn)一步的增強(qiáng)。

5. 人們不再單純的關(guān)注于工具本身，能夠?qū)崿F(xiàn)什么樣的可視化效果。而更加注重如何利用工具進(jìn)行業(yè)務(wù)價(jià)值的實(shí)現(xiàn)，需要更多行業(yè)咨詢和業(yè)務(wù)指導(dǎo)。以單純的工具作為唯一賣點(diǎn)在將來(lái)會(huì)被逐步淘汰。

通過(guò)以上這幾點(diǎn)基本上就可以判斷出在這變革的三年期間，用戶的成熟度是否隨著新型BI所帶來(lái)的用戶價(jià)值觀改變而得到提升。

在未來(lái)，在商業(yè)智能BI領(lǐng)域，我們應(yīng)該更關(guān)注什么，會(huì)發(fā)生什么？

商業(yè)智能 BI 發(fā)展的新趨勢(shì)（2017年-2020年）

第一，云端化是重要趨勢(shì)

在2016年8月份我寫過(guò)一篇文章 深入分析 BI 數(shù)據(jù)可視化市場(chǎng) SaaS 模式。在這篇文章中，我提到大概在2018年前后在國(guó)內(nèi)大概會(huì)出現(xiàn)比較成熟或者很成熟的可視化BI分析SaaS模式的產(chǎn)品。判斷的依據(jù)是什么？還是我在文章開始時(shí)提到的：“數(shù)據(jù)在哪里？分析就在哪里？” 這個(gè)觀點(diǎn)。

商業(yè)智能BI的基礎(chǔ)就是業(yè)務(wù)系統(tǒng)，業(yè)務(wù)系統(tǒng)本地化因此商業(yè)智能BI也是本地化的。當(dāng)業(yè)務(wù)系統(tǒng)云端化，當(dāng)國(guó)內(nèi)SaaS 企業(yè)逐步成熟的時(shí)候，解決了什么樣的問(wèn)題？業(yè)務(wù)規(guī)范化、標(biāo)準(zhǔn)化和規(guī)?；?，而隨之而來(lái)就是數(shù)據(jù)規(guī)范化、標(biāo)準(zhǔn)化和規(guī)?；?。這種模式一旦落地，很容易基于這些標(biāo)準(zhǔn)數(shù)據(jù)來(lái)做接口，基于這些接口形成較長(zhǎng)時(shí)間內(nèi)比較穩(wěn)定的業(yè)務(wù)分析形態(tài)。

有三個(gè)方面的表現(xiàn)：

1. BI SaaS 服務(wù)提供商和SaaS 服務(wù)提供商直接形成合作關(guān)系，直接將 BI SaaS 產(chǎn)品平臺(tái)化，基于BI工具形成標(biāo)準(zhǔn)的分析成果，作為產(chǎn)品附加值提供給 SaaS 租戶。但缺點(diǎn)是，租戶在當(dāng)前 SaaS 平臺(tái)上只能分析當(dāng)前 SaaS 平臺(tái)上的業(yè)務(wù)數(shù)據(jù)。

2. 在提供 SaaS BI 產(chǎn)品的時(shí)候同時(shí)提供了各種SaaS平臺(tái)上標(biāo)準(zhǔn)的數(shù)據(jù)接口，這是目前大多數(shù) SaaS BI 服務(wù)商的做法。比如國(guó)外的 Salesforce、Twitter、Google Analytics 等等已經(jīng)被一些 SaaS BI 廠商所打通。比如國(guó)內(nèi)的 Ptmind 公司，他們提供的用戶行為分析 SaaS產(chǎn)品 Ptengine 本身又為他們自己的 DataDeck SaaS 數(shù)據(jù)分析產(chǎn)品提供了 SaaS 數(shù)據(jù)源接口支持。

3. 最后，云端部署還有一個(gè)非常大的優(yōu)勢(shì)，價(jià)格便宜。關(guān)于更多的有關(guān) SaaS BI 的分析不再這里一一說(shuō)明，具體的可以參看深入分析 BI 數(shù)據(jù)可視化市場(chǎng) SaaS 模式。

我認(rèn)為除了這幾家巨頭 （Microsoft、IBM、Oracle）在云端產(chǎn)品布局以外，在2017年和2018年間也一定會(huì)看到一些其它的 BI 廠商往云端進(jìn)行轉(zhuǎn)變。

在國(guó)內(nèi)整個(gè) SaaS BI 的成熟期將會(huì)受到國(guó)內(nèi) SaaS 服務(wù)市場(chǎng)的成熟度的影響，國(guó)內(nèi)SaaS 市場(chǎng)成熟的越早，SaaS BI 的成熟就越快。但從行業(yè)的角度上來(lái)看，也不是所有的行業(yè)都適用于 SaaS BI 產(chǎn)品，比如金融、銀行、電信因數(shù)據(jù)體量和數(shù)據(jù)安全性上的考慮本身對(duì) SaaS 服務(wù)天然屏蔽的行業(yè)。但無(wú)論如何，這一定是一個(gè)大的趨勢(shì)，這個(gè)市場(chǎng)空間還是非常巨大的。

第二，BI 的邊界會(huì)逐步模糊

未來(lái)的數(shù)據(jù)產(chǎn)品解決方案不僅僅是解決內(nèi)部取數(shù)和數(shù)據(jù)分析與展現(xiàn)的問(wèn)題，而可能通過(guò)云端的數(shù)據(jù)接口拿到更多的外部數(shù)據(jù)。大數(shù)據(jù)、小數(shù)據(jù)的邊界會(huì)越來(lái)越模糊，人們更加關(guān)注的是數(shù)據(jù)本身，要用數(shù)據(jù)解決什么樣的問(wèn)題，更加聚焦在數(shù)據(jù)產(chǎn)生價(jià)值上。

大數(shù)據(jù)和小數(shù)據(jù)不再有嚴(yán)格的區(qū)分，特別是當(dāng)云端 SaaS 服務(wù)模式越來(lái)越普及的時(shí)候，云BI也能解決大多數(shù)業(yè)務(wù)場(chǎng)景下的大數(shù)據(jù)和性能方面的困擾。

在我觀察到的國(guó)內(nèi)一些數(shù)據(jù)類產(chǎn)品中，就發(fā)現(xiàn)了這樣的一些趨勢(shì)。前端用戶行為分析越來(lái)越朝著BI的方向走，而一些SaaS BI 產(chǎn)品也在解決好用戶內(nèi)部數(shù)據(jù)之外引入了外部數(shù)據(jù)包括用戶行為分析數(shù)據(jù)。

第三，單純的BI工具價(jià)值逐步削弱

就如同前面提到的，人們不再單純的關(guān)注于工具本身能夠?qū)崿F(xiàn)什么樣的可視化效果。而更加注重如何利用工具進(jìn)行業(yè)務(wù)價(jià)值的實(shí)現(xiàn)，需要更多行業(yè)咨詢和業(yè)務(wù)指導(dǎo)。以單純的工具作為唯一的賣點(diǎn)在將來(lái)會(huì)被逐步淘汰。

第四，可視化分析也需要配備輕量級(jí)的 ETL 數(shù)據(jù)準(zhǔn)備工具

很多企業(yè)在內(nèi)部的數(shù)據(jù)管理和業(yè)務(wù)系統(tǒng)數(shù)據(jù)規(guī)范性上一樣存在很大的問(wèn)題，在 IT 部門對(duì)基礎(chǔ)的數(shù)據(jù)質(zhì)量做完梳理之后，業(yè)務(wù)人員在很多場(chǎng)景下也一樣需要相應(yīng)的數(shù)據(jù)準(zhǔn)備工作，可視化分析工具需要搭配一些簡(jiǎn)單易用的 ETL 工具能夠讓業(yè)務(wù)人員自助完成一些基礎(chǔ)的數(shù)據(jù)準(zhǔn)備工作。當(dāng)然，如果未來(lái)業(yè)務(wù)在云端，數(shù)據(jù)標(biāo)準(zhǔn)化的過(guò)程將會(huì)更加容易和便捷。

第五，預(yù)測(cè)性分析、人工智能和機(jī)器學(xué)習(xí)是未來(lái)新的增長(zhǎng)點(diǎn)

在今年Microsoft Ignite 技術(shù)大會(huì)上我們已經(jīng)看到了Microsoft Power BI Quick Insight 和 Anna Talk 的結(jié)合。IBM Waston Analytics 強(qiáng)大的自然語(yǔ)言進(jìn)行預(yù)測(cè)性分析和交互。這兩者都實(shí)現(xiàn)了預(yù)測(cè)性分析、對(duì)自然語(yǔ)言解析以及可視化推送的效果。以往的數(shù)據(jù)洞察需要靠人，靠拖拽數(shù)據(jù)、鉆取數(shù)據(jù)交互分析獲得，但在以后多了更多的方式 —— 機(jī)器洞察、智能洞察。雖然從數(shù)據(jù)的準(zhǔn)確度、合理性、語(yǔ)言處理維度的程度上都不能完全替代人們自助的數(shù)據(jù)分析方式，但無(wú)論如何，這種嘗試已經(jīng)在朝著成熟的方向來(lái)發(fā)展了。

第六，移動(dòng) BI 和協(xié)作辦公越來(lái)越強(qiáng)

移動(dòng)BI應(yīng)該包括兩個(gè)方面的因素：移動(dòng) + 協(xié)作。在之前提到過(guò)，在下個(gè)階段的BI發(fā)展趨勢(shì)上，移動(dòng)BI的展現(xiàn)已經(jīng)不再是亮點(diǎn)，移動(dòng)BI已經(jīng)成為企業(yè)數(shù)據(jù)展現(xiàn)的標(biāo)配。傳統(tǒng)的數(shù)據(jù)信息交換方式是單向輸出，中心到個(gè)人的輸出模式，而以后的模式是中心到個(gè)人，個(gè)人到個(gè)人可逆的傳輸模式。目前我們已經(jīng)看到一些移動(dòng)協(xié)作的方式，比如和微信的集成打通。但以后的數(shù)據(jù)分析和分享協(xié)作模式應(yīng)該會(huì)越來(lái)越豐富，很有想象的空間。

總結(jié)

無(wú)論產(chǎn)品的趨勢(shì)如何發(fā)展，大家更加關(guān)注的還是如何通過(guò)數(shù)據(jù)發(fā)掘業(yè)務(wù)價(jià)值。圍繞業(yè)務(wù)價(jià)值對(duì)數(shù)據(jù)進(jìn)行認(rèn)知和發(fā)掘，無(wú)論大數(shù)據(jù)還是小數(shù)據(jù)，關(guān)心用戶真正面臨的和要解決的問(wèn)題，才是一個(gè)產(chǎn)品發(fā)展的真正內(nèi)涵。

最后，祝大家新年快樂(lè)！

2016年12月31日

（全文完，本文僅代表個(gè)人觀點(diǎn)，僅供參考，不作為任何商業(yè)指導(dǎo)用途。）

友情提示：

天善智能是國(guó)內(nèi)最大的商業(yè)智能BI、數(shù)據(jù)分析、大數(shù)據(jù)領(lǐng)域社區(qū)，歡迎大家登陸天善學(xué)院有更多免費(fèi)行業(yè)專家數(shù)據(jù)庫(kù)，商業(yè)智能BI，數(shù)據(jù)分析，大數(shù)據(jù)，數(shù)據(jù)挖掘視頻和干貨好文分享。

12月29日晚8:30 Oracle大數(shù)據(jù)分析之?dāng)?shù)據(jù)探索在金融業(yè)的應(yīng)用分享

1月5日晚8:30 平凡之處見(jiàn)真章！Excel透視表實(shí)戰(zhàn)直播分享

參加每周四的公開課分享活動(dòng)，請(qǐng)加微信：tsbeidou（備注：公司+行業(yè)+姓名）。

更多內(nèi)容歡迎登陸：https://www./ 。