佘诗曼郑嘉颖吻戏很多人觉得BI玄乎,其实很大程度是因为BI厂家给造的名词太多了,敏捷BI、智能BI、自助式BI等...
同时,BI翻译过来的商业智能,看起来每个字都懂,但其实真问你是啥,没几个人说的清楚。加上BI又常跟大数据、数据中台、数据分析组合在一起聊,让人更难理解、分清BI是用来干嘛的?
但其实看本质,BI对个人来说就是个数据分析工具,通过制作可视化图表来实现storytelling。只不过国内BI很依赖项目实施,所以倒逼国内的BI更像是一套企业端到端的数据解决方案,而不是工具本身,这也是为什么有人说BI是工具、有的人又说是解决方案的原因。
但总归来说,BI就是通过数据分析来帮企业了解企业的情况,辅助企业做好决策,提高数据分析效率,和Excel可以说是某种程度上的一样,因为事情还是一样的事情,只是环境变了,需要应用更高效的方式和工具罢了。
“给满山跑的野人卖西服”是在陈果老师的文章里学到的,在这引用下,真心觉得比喻的很恰当。
BI的思维方式:是业务人员基于已有的业务问题,先做业务假设,再对IT人员已经处理过的结构化数据去做数据分析验证,整个过程中对使用者的思维要求高,强调的是“探索式”
国人数据思维方式:中国上至老板下至基层管理,都习惯看固定的报表/图表,业务指标也都是定死的,整个分析过程强调的是“结果导向式”
相悖的两种思维方式,注定导致在给市场做BI教育的初期是条艰难的路。毕竟业务人员的数据思维方式要是没更改过来,就不会去主动操作,他们还是会更喜欢从报表门户上把报表下载下来,然后用EXCEL去做各种处理和分析,因为这样已经足够应付工作了。那么,面向业务人员的BI工具必然只能被闲置着,无法发挥应有的作用。
总结归纳一下,BI高要求的使用和思维门槛和欠缺操作能力及思维固化的业务人员间的落差,是导致国内BI无法快速发展的重要原因之一。
国内企业的数据建设之差真的难以想象,我认识的一家国企的IT部门,前年才打算开始做信息化建设(疫情一拖,估计现在还是规划中...)
在国内企业这种数据环境下,BI无法发展起来是显而易见,毕竟BI是一个对已预处理的数据,进行数据分析和结果可视化展现的工具,连数据都没有,何谈预处理,何谈数据分析、展现?
就目前而言,用BI用的比较好的都是本身企业/行业自带“数字”基因且从业人员综合素质较高的,例如金融、互联网、零售、医药等。
企业看重投入产出比,上一套BI少至几w,高至几十万,撇开这两年疫情行情差的原因,就单从目前企业使用BI的情况来看,BI的必要性也是远低于预期的。
当然随着企业数字化转型的普及深入和探索性需求的不断增加,BI软件还是有机会,反正我个人是看好的,只不过这条路不好走,需要BI厂家做好市场普及和教育。
国外BI能用起来,有部分原因是企业养不起一支专门为业务人员取数的IT团队,因此只能自力更生,用BI就可以只雇1-2个IT整数,剩下让业务人员自行分析即可,成本管控倒逼企业必须上BI,这样BI自然有了市场能发展起来。
而国内的人力便宜,多雇几个表哥表姐也多花不了几个钱,但做出来的报表是肉眼可见变多。从大多数老板的角度看,这样是最能直接看见成效的,BI的项目实施周期长,可能需要半年到一年才能看出效果,比起这个时间成本还是直接堆人更实在。
所以如果你是IT经理想上BI,最先搞定的不是工具选型,而是先要跟你的老板讲清BI价值,并且建议选择轻型BI,在某个数字化程度较好的部门(一般是财务)开展起来,立标杆,先让老板看到效果,肯定价值后,再由点及面在其他部门展开。
一下子码了1500字有点累,过几天再来填坑,有兴趣的可以点赞收藏一下,更新后能看到。
在BI领域深耕了16年,应该还是蛮有资格来回答的,全文原创干货,希望帮助你更好了解BI
对于BI(Business Intelligence,商业智能)的解释,无论是在维基百科还是百度百科,你能搜到的都大差不差,都是告诉你:BI一个是通过各种XXX技术进行数据分析以辅助决策,提升决策效率的方案。
虽然看着像套话,但BI本质确实是这样,即“从数据中获取知识,辅助决策”,但为了易于理解,我们在文献研究和对300+CIO的调研基础上,结合我国市场环境,对BI做出了更精确的定义:
根据Gartner公布的2022年《分析与BI平台魔力象限》报告数据可知,国外BI市场的3个行业领导者分别是PowerBI、Tableau以及Qlik,即下图第一象限中的三位,下面我会分别简单介绍一下。
PowerBI:微软旗下的BI工具,定位是个人报表/可视化工具,也可用作整个企业的分析决策引擎。综合能力强,但价格偏高,且需要依靠第三方代理商来落地实施,然而第三方公司的实施水平参差不齐,实施质量和售后服务不受保障,无法提供一些偏本土化的需求支持。
Tableau:软件巨头Salesforce旗下的,定位是轻型的数据可视化工具,产品目的是帮助人们查看和理解数据。显著优势也是可视化,基于可视化能做很多数据分析功能扩展。劣势与PowerBI大致相同,由于是国外产品,无法很好满足国内企业的本土化需求。此外,在2021年Tableau宣布退出中国直营市场后,其影响力有被间接影响。
Qlik:93年在瑞典成立,目前总部在美国,原厂是退出中国市场的,交由代理商服务,最大的竞争者是Tableau,属于新一代的轻量化BI产品。目前主推产品为Qlikview(C/S结构)和Qliksense(B/S结构)。数据处理速度极其依赖内存大小,在处理大量复杂数据场景上不占优势,需要消耗大量内存,且对于复杂的数据准备需要额外编程进行处理,操作成本高。
根据IDC发布的《2021下半年中国商业智能软件市场跟踪报告》显示,国内的BI厂商帆软超越SAP、Microsoft、IBM、SAS等众多国际巨头,以17.5%的市场占有率位列第一,这也是帆软自2017年以来第五次摘得该项桂冠。
FineBI:帆软旗下的BI工具,支持Saas和本地化部署,支持完善的售后服务。技术上来看,是B/S 架构的纯JAVA软件,支持30种以上的大数据平台、SQL数据源及Excel文件,数据分析与可视化构建均在浏览器端完成,维护升级成本降低。同时,由于是国产工具,目前是拥有信创版本,可解决企业在国产化替代中遇到的痛点,支持全栈信创、一键式迁移。
这里举个A银行的案例作为例子,来详细看看在企业内是如何使用BI来降本增效的?
A银行下辖13家省内分行、4家省外分行,营业网点541家,员工1.4万人。全行的生产实际ODS总共的数据量20几T,单表数据量最大1亿3千万。
在上FineBI产品之前,信息科技部承担着全行日常的数据管理以及响应各部门的报表制作需求。
比如,营运客服中心需要定期对客户进行跟踪、电话回访,信息科技部就需要通过sql将数据库中的数据取出来,再做成报表提供给营运客服中心的客户人员进行查询。
且行内的其他业务部门,如计划财务部,业务部,消费金融与信用卡中心等各部门都对自己的业务数据有自助分析需求。比如计划财务部要做经营分析、资金清算,消费金融与信用卡中心要做信用卡发放的覆盖率、信用卡消费的分析,公司业务部要做增长的趋势、增长速度的分析。
这些业务部门的数据指标的特性是变化快,不但经常增加新的指标,而且已有指标的计算方式也在变化,所以需要经常调整。一般信息科技部会按照业务部门提过来的需求来做指标,但苦于对业务的理解不深,导致沟通成本高,双方都心生意见。
但在上了FineBI平台之后,信息科技部给计划财务部,业务部,消费金融与信用卡中心分别开设了分析编辑用户。
信息科技部只需要把数据准备好,给各部门的账号分配好权限,各业务部门就可以自助对自己的数据进行数据分析,数据分析完的结果也可通过消息提醒,直接发送至领导的手机,这样的配合模式大大提高了分析效率和效果。
目前全行各部门有效的分析模板300多张,各部门对自己的数据和分析模板有绝对的自主性,同时也方便了汇报工作,譬如计财部总监给董事会汇报,以前都采用先查询报表,然后将结果粘贴到PPT汇报,现在直接使用FineBI平台中的大屏,边汇报边切换指标讲解,方便直观。总行顺利推进,近期各分行也正在积极推广使用中。
通过上面A银行的例子,可以看到目前BI在企业内的应用场景,除了基础的数据查询和可视化分析,也包括数据大屏、移动应用及自助分析等。
此外,大到供应链管理、营销管理、财务管理、智能巡检、门店补货、退货分析等,小到人事考勤监控、采购节点效率分析、商品补货提醒等,都可通过BI来实现。
同时,不同的企业业务相差巨大,且一般有较强的行业属性,为了方便大家理解,我们也以行业为维度,总结了12个行业中的一些常见业务BI应用场景。
上面主要介绍了BI的定义、国内外BI市场情况及BI目前在国内企业的具体应用。篇幅有限,如果想更加系统化了解BI,可点击下载下方BI白皮书,从BI概念、价值应用、工具选型及未来发展趋势,来结构化了解BI。
BI(BusinessIntelligence)即商业智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务经营决策。
商业智能BI在数据架构中处于前端分析的位置,其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取,而后是商业智能的前端分析和展示。
SAPBO:SAP公司收购的一款BI工具,产品运作模式是结合SAP的ERP系统,所以整合其他数据库或系统并不占优势,属于重型BI,使用要求较高,升级困难。
OracleBIEE:无功无过,在BI产品不具特色,同SAP一样,与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案。
Cognos:传统BI工具中最被广泛使用的,已被IBM收购。拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型,手工建模,一旦需求变化需要重新建模,学习要求较高。
MSTR:很低调的BI产品,多年来在BI市场中一直没站住脚,和excel有一定关系。二次开发环境好,但对服务器环境要求较高。
Qlikview:最大的竞争者是Tableau,同Tableau和国内众多BI一样,是属于新一代的轻量化BI产品,体现在建模、部署和使用上。只能运行在windows系统,C/S的产品架构。采用内存动态计算,数据量小时,速度很快;数据量大时,吃内存很厉害性能偏慢。
Tableau:自身定位是一款可视化工具,与Qlikview的定位差不多,可视化功能很强大,对计算机的硬件要求较高,部署较复杂。目前移动端只支持IOS系统。
FineBI:帆软旗下的自助性BI产品,轻量化的BI工具,部署方便,走多维分析方向。后期采用jar包升级换代,维护方便,最具性价比。
BI作为大数据的商业智能决策分析工具,就我目前看到的案例来看,已经逐步被越来越多的企业所接受。主要是由于企业对数据的重视,以及对数据分析的重视。大型企业和知名互联网企业,重视数据化管理的都上了BI。
比如某企业建设商业智能是将各个数据库的数据抽取到数据仓库中,然后使用商业智能.或者会有企业在其中进行ETL处理,通过以前前端系统展示,如下图。
商业智能是一整套方案,就是充分利用企业在日常经营过程中生产的大量数据,并将它们转化为信息和知识来免除企业中的瞎猜行为和无知状态,让每一个决定、管理细节、战略规划都有数据参考。
在企业的定位可以是:报表查询和展现+数据分析挖掘+数据预警+数据管理。1、报表查询和展现:简单报表的快速查询和制作2、数据分析挖掘:配合数据挖掘工具,关联业务数据,分析业务3、数据预警:数据实时加载呈现,指标预警4、数据管理:数据和报表的权限管理,防止信息外露从技术上来讲,传统的商业智能就是从不同的数据源中收集有用的数据,对数据进行清理,以保证数据的一致性和准确性;然后将数据进行相应的转换,再加载到数据仓库中;最后选择合适的数据挖掘分析工具和OLAP工具,将数据转化为报表、Dashboard等可视化形式的信息,SAP BO \ IBM Cognos都是这样的方案。
新型的商业智能作用也类似,只不过将OLAP工具和ETL工具都可以集成到一整套的系统里去,流过的数据可世界ETL处理,直接在线多维度分析,前端可进行分析操作,例如FineBI。
第一个层次是告诉企业发生了什么——提供事先预制好的报告、企业平衡记分卡或综合管理“仪表盘”,利用集中管理的关键绩效指标(KPI),解决企业运营绩效问题,监控企业的发展,实现复杂的报告用简单的方式表象出来。当利用“仪表盘”和记分卡时,用户可以扩充到很多的部门和客户,但是发生了什么是了解企业过去干了什么。
第二个层次是让企业探索为何发生——也叫例外分析,业务部门可以从固定的报表、报告和一些关键的KPI中,可以得到很多相关的信息,但是当他们发现问题时,需要了解为何发生了这些问题。这时,就需要即席查询和在线分析(OLAP)。业务分析员经常需要自己根据问题的需要完成自己的分析和报告。在很多情况下,业务分析员和决策制定者需要一套商务智能的工具,通过访问集成好的数据仓库,获得需要的信息。
第三个层次是让用户实时看到现在发生了什么——这个层次是实时的信息分析。企业决策层建立当前情况下的业务战略和决策。为了该层次的成功,几乎需要获得实时的数据,查询可以回答及时发生的问题。由此,运营模式和业务流程会发生较大的变化。例如:当客户因某种原因对服务不满时,需要退出服务或者产品时,相关客户服务人员发现这个客户是企业的大客户时,他应该迅速将情况发短信息给该客户的大客户经理,大客户经理很快查找到该客户的消费记录,马上和客户联系,争取挽留客户。而不是当客户流失后才着急和客户联系。
第四个层次是帮企业预见即将发生什么——客户发现仅仅了解现在还远远不够,将来会发生什么,风险的预测和评估是非常重要的。还需要统计分析的功能,来帮助分析客户的细分、预测客户的行为、预言客户业务的趋势、辨认欺诈行为等等。需要这种模型的客户群是非常大的,由于它需要复杂的算法、统计模型和大量的数据,所以需要支持大数据量的处理能力,像并行算法和网格计算是极其必要的。
第五个层次是“我希望发生什么”——决策是由系统提供的,系统的数据是由运营系统得到的。例如由Web页获得,或者由基于市场条件和用户需求进行的特价、促销活动得到。所以可以建立清楚的决策和业务政策,让事件沿着正确的轨迹、朝着预定的方向行进,达到预期的目标。
最后分享一份BI建设知识图谱,可以帮助你更好了解什么是BI,以及国内外企业的BI建设
BI(Business Intelligence)即商业智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合、分析和展示,以帮助企业决策者更好地理解业务情况,做出更好的决策。BI 可以帮助企业实现数据驱动的决策,从而提高企业的运营效率和盈利能力。
在国外,商业智能的发展已经相对成熟。许多著名的BI产品,如IBM Cognos10等,已经整合了搜索技术,并实现了内存分析、预测分析、移动分析和云分析等功能。同时,很多BI平台也融合了工作流引擎,以满足业务流程式的分析需求。这种趋势推动了BI向更为智能化、自动化和灵活化的方向发展。
在国内,随着IT信息化系统建设的成本降低,越来越多的中小型企业也开始重视应用系统的建设和开发。在这种背景下,商业智能在国内的应用也越来越广泛。同时,国内的BI市场也涌现出许多优秀的供应商和产品,如阿里巴巴的QuickBI、腾讯的WeBank、咱们网易的有数BI(免费试用)等。这些产品不仅具备高性能、高可用性等特点,还提供了丰富的可视化组件和功能强大的数据处理能力。
以大数据和人工智能为代表的新技术正在逐步渗透进BI领域,推动BI的发展。
整合化:BI产品和平台趋向于整合更多的技术和功能,包括搜索技术、内存分析、预测分析、移动分析和云分析等,以提高企业的运营效率和决策质量。
自动化:借助人工智能和机器学习等技术,使BI系统的数据分析过程自动化,减少人工操作,提高效率和准确性。
智能化:借助智能算法和模型,使BI系统具备自适应学习和预测的能力,能够更好地支持决策。
可定制性:提供灵活的配置选项和可视化组件,企业可以根据自身需求进行定制和扩展。
安全性:加强数据的安全性和隐私保护,采用加密、脱敏、访问控制等措施来确保数据的机密性和完整性。
社区支持:开源BI产品得到了广泛的社区支持和帮助,使得用户可以方便地获取相关资源和知识。
中国企业的BI运用情况呈现出不断增长的态势。随着数字化转型的加速,中国企业对于数据分析和商业智能的需求越来越强烈,越来越多的企业开始重视数据分析和商业智能的应用。
一方面,中国企业在信息化建设方面已经取得了一定的成果,因此在数据分析和商业智能方面也有了更好的技术支持和基础。另一方面,中国企业在市场竞争中逐渐意识到,通过数据分析和商业智能可以更好地了解市场需求、优化业务流程、提高运营效率,从而提升企业的竞争力。
IT人员和业务人员在数据分析中的工作量和投入程度占比不平衡。IT人员主要负责底层数据仓库的建设和BI工具层面的数据模型处理,而业务人员则主要负责前端数据查看和联动钻取操作等。
传统BI厂商仍然占据一定市场地位。虽然新型的自助式和嵌入式BI厂商不断涌现,但是传统BI厂商在市场中的地位仍然不可忽视。
行业应用差异较大。不同行业对于数据分析和商业智能的需求和投入程度存在差异。例如,金融、零售、物流等行业对于数据分析和商业智能的需求较为强烈,因此在这些行业的应用也更为广泛。
企业对于数据分析和商业智能的投入程度逐渐加深。随着市场竞争的加剧和数字化转型的深入,越来越多的企业开始重视数据分析和商业智能的应用,并且在资金、人力等方面的投入也逐渐加深。
总体来看,BI在中国的不同行业和不同领域的应用也逐渐拓展和深化。同时,随着市场竞争的加剧和数字化转型的深入,企业对于数据分析和商业智能的需求将更加迫切,因此BI市场的未来发展前景非常广阔。
|