商业智能 BI 未来发展的新趋势-控件新闻-慧都网

商业智能 BI 未来发展的新趋势

转帖|行业资讯|编辑：王香|2017-01-20 11:49:45.000|阅读 283 次

概述：在2013年以前相当长的一个周期（2005年-2013年），市场主要流行的商业智能BI产品以 SAP BO、Oracle BIEE、IBM Cognos 等老牌巨头为主。Microsoft 旗下的BI产品到SQL Server 2005 才开始推出了一套比较完整的产品解决方案（SSIS、SSAS、SSRS），但总体来说在市场上的声音也比较薄弱，主要用户还是微软相关技术体系的客户群体，相对封闭。

# 慧都年终大促·界面/图表报表/文档/IDE等千款热门软控件火热促销中 >>

市场用户是否成熟的判断

1. 自助式 BI 可视化分析应该成为常态，自助式BI分析已经成为常态，业务人员已经可以独立的完成业务分析。传统的由IT驱动的数据分析转变成为业务驱动分析。

2. IT负责数据架构的治理、数据质量的梳理；业务人员自助分析；以前BI是大公司的专利，现在初创公司通过基本的分析工具就可以完成日常业务数据的分析工作。

3. 传统数据仓库建模的方式会逐步消亡，取而代之的是更加敏捷的BI实现方式，通过表之间的关联关系并及时的进行可视化数据分析并获得结果。

4. 移动 BI 应该成为常态，但在新的趋势中会有进一步的增强。

5. 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卖点在将来会被逐步淘汰。

通过以上这几点基本上就可以判断出在这变革的三年期间，用户的成熟度是否随着新型BI所带来的用户价值观改变而得到提升。

在未来，在商业智能BI领域，我们应该更关注什么，会发生什么？

商业智能 BI 发展的新趋势（2017年-2020年）

第一，云端化是重要趋势

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》。

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。

第三，单纯的BI工具价值逐步削弱

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。

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。