在Gartner相关报告和会议中，我们经常会看到BI影响力分析、市场分析、BI未来趋势的分析等等。这些分析，能让我们更好地洞察市场，挖掘数据的价值，从而把握数据与分析市场发展的真正潜力！
下面，我们做了一些归纳总结：先介绍BI能解决的问题；再从用户角色、响应时间、普及度等方面介绍BI的技术趋势；最后我们从Gartner对ABI产品能力的定义来看Smartbi产品能力的匹配度。
BI能解决的问题
首先，我们先来看看BI主要是做什么？解决什么问题？如下图：
图片来源：Gartner
BI是基于数据，使用分析工具或人工投入，解决企业描述性、诊断性、预测性、指示性的问题，帮助企业做出分析决策，从而通过决策指导行动，帮助企业在竞争中赢得优势。BI解决的问题主要分为四类：
描述性的问题
发生了什么？主要通过展现性的方式来解决。此时BI工具普及度不高，需要进行数仓、报表、KPI等创建，人工投入较高。
诊断性的问题
为什么发生？主要通过探索性的方式来解决，自助BI工具的出现，使得BI工具普及度有所提升，人工投入有所降低。
预测性的问题
将会发生什么？主要通过挖掘预测的方式来实现，智能BI增强分析可以给用户提供有效的描述性、诊断性见解，还可以通过自然语言驱动问题和答案。
指示性的问题
我应该做什么？未来希望实现决策自动化，通过智能BI针对消费者实现连续的分析报告，自动指导决策。
从响应时间等分析BI技术趋势
了解BI能解决的问题之后，下面，我们从BI需求的响应时间、普及度、AI渗透率等方面来分析BI技术趋势，为市场洞察提前做准备。如下图，可以把BI分成四个阶段：
传统BI：基于语义层的平台
它主要是IT来主导的，一般是为了解决描述性的问题。它基于预处理好的数据仓库等数据，进行交互式的KPI和报表的创建，从而让管理者或是领导浏览查阅，帮助其做出分析决策。传统BI在企业一般有15%~20%的采用率，普及度不高。
自助BI：基于可视化的探索平台
自助BI主要是业务分析师主导，通过可视化的探索平台，进行自由的用户交互操作，创建用于监控和分析的仪表板，从而解决诊断性、探索性的问题。自助BI也需要进行数据预准备，它在企业中的采用率和普及度都比传统BI要高。
智能BI：增强分析
主要是业务分析师和消费者来主导，基于开放式的问题和结构化数据进行增强分析。除了包括之前仪表板等功能，它还增加了机器学习用于解决用户描述性、诊断性的问题；增加了自然语言用于驱动问题和答案；还能自动发现可视化的相关模式等等。它的普及度和采用率对比自助BI都有所增强。
智能BI：增强消费
主要是基于消费者主导和中心，解决描述性、诊断性、预测性甚至部分指示性的问题，进行数据的增强消费，主要体现在：以机器学习为主导在上下文中为用户连续自动生成描述性，诊断性，预测性，说明性见解；以故事或新闻馈送的形式或可固定到仪表板的动态仪表板的形式提供洞察力；用于查询和进一步探索的NLP、NLQ和NLG等。它的普及度是最高的。
图片来源：Gartner
从上图我们可以看到，这四个BI阶段的变化主要体现在响应时间越来越快，普及度不断扩大，AI的渗透率也越来越高。
过去一个分析需求从提出到解决，往往需要几个月，自助BI出现后，需求的响应时间可能只需要几天或是几个小时，在未来2-5年，智能BI将会将此缩短为几分钟甚至几秒。
同时，使用数据分析的人群也在不断扩大，原来传统BI需要IT人员主导，只有领导或是管理人员查阅报表/KPI，BI的普及率只有15%到20%；现在自助BI基于可视化的探索平台让业务人员可以进行探索性数据分析，智能BI通过增强分析如机器学习自然语言查询再次提高BI的普及率；未来智能BI通过增强分析和增强消费，可能达到只要你是数据的消费者，你就可以进行数据的自动分析，从而实现全员BI！
从用户角色分析BI技术趋势
用户使用BI技术是为了解决他们在实际应用中遇到的问题的，具体可以总结为通过前端展示、探索、挖掘、预测等方式来了解发生了什么、为什么会发生、以及预测将来会怎么样。不同的用户解决的问题不同，相应的对BI的需求也不同，最终目的都是为了企业做出决策提供依据！下面我们从不同BI用户解决不同问题着手，来剖析BI的技术架构。
图形来源：Gartner
针对决策者、信息消费者解决监控的问题
针对对象：决策者、信息消费者
前端平台：信息门户
需要功能：报表、仪表盘、大屏、KPI分析等
数据支撑：数据仓库、数据集市
具体说明：决策者、信息消费者基于数据仓库、数据集市的数据通过信息门户查看报表、Dashboard仪表盘、KPI分析等来获取信息，了解发生了什么，从而实现问题的监控。
上述情况归属于传统BI，Smartbi产品借助Excel的强大，赋予其“设计器”的责任，通过电子表格等实现报表创建、大屏开发，从此WEB报表更丰富、更灵活，降低企业报表开发门槛！
针对信息探索者解决探索性问题
针对对象：信息探索者，主要包括数据分析师、数据工程师
前端平台：分析工作台
需要功能：数据准备、交互式可视化探索
数据支撑：数据目录、分析沙盒（用于记录探索的数据）。
具体说明：在分析工作台上，数据工程师基于数据目录、分析沙盘进行数据准备，准备好数据集等数据资源；数据分析师通过交互可视化方式进行数据探索。
很明显，上述探索性问题我们需要自助BI来解决。Smartbi自助分析平台围绕不同类型业务人员提供企业级数据分析工具和服务在Excel和浏览器中实现全自助的数据提取、数据处理、数据分析和数据共享，具有无以伦比的适用性。
针对公民数据科学家解决洞察性问题
针对对象：公民数据科学家，主要包括数据科学家、公民开发者
前端平台：数据科学实验室
需要功能：预测分析、规范分析、高级分析
数据支撑：数据总线，形成增强的DS和ML，数据湖。
具体说明：数据科学家、公民开发者基于数据总线/数据湖在数据科学实验室，进行预测分析、规范分析、高级分析等，从而实现对数据的挖掘预测，达到洞察信息的目的。
对于洞察性问题，最好使用智能BI来解决。Smartbi提供数据挖掘功能，致力为企业所做的决策提供智能性预测性。
除上以外，企业可能不仅仅需要提升企业的决策效率，还需要构建数据化运营的生态系统。Smartbi通过智分析云平台可以帮助企业自助、快速搭建云端数据分析平台。Smartbi还可以通过应用商店、互助共享、数据答疑等功能实现沉淀分析成果并鼓励分享，促进共享与交流的生态！
Smartbi的产品能力
了解了BI的技术发展趋势后，下面我们来看一下2020年Gartner对Analytics & BI平台关键能力的划分。下图显示了评估的15项关键功能，浅蓝色阴影表示Gartner认为是增强分析的功能或者是正在进行创新的功能。
图片来源：Gartner
根据15项关键功能，Gartner定义了ABI产品能力。下面我们把Gartner定义的ABI产品能力和Smartbi产品的能力做一个对比:
从上面的对比图我们可以看到Smartbi产品的能力和Gartner定义的ABI产品能力是非常匹配的。
01
Smartbi产品的统一服务平台实现安全管理、统一架构、元数据管理和各种数据源管理；Smartbi的数据管理包括自助ETL和数据存储（MPP）、自助数据集、数据导航等，这两块分别对应Gartner定义产品能力的基础设施和数据管理。
02
Smartbi产品的基础分析创作和增强分析对应Gartner定义的分析和协作。其中包括电子表格实现传统BI的报表、KPI；数据探索实现自助BI的交互式可视化探索；自助仪表盘和移动驾驶舱则实现仪表盘分析探索和移动应用的探索和创作。
03
Smartbi产品的增强分析，主要包括Excel融合分析、预测分析和自然语言分析，主要对应Gartner定义的增强数据发现。其中Excel融合分析是在Excel上自助取数后进行自助分析，它结合了Excel的优点，解决了Excel在安全、性能、分享方面的问题；数据挖掘预测功能，致力为企业所做的决策提供智能性预测性。此外，Smartbi 提供基于AI技术的语音助手小麦，实现自然语言分析功能，降低了数据分析的使用门槛。
04
Smartbi产品的发布、分享和协作功能对应Gartner定义的分享和协作。其中通过应用商店、互助共享、数据答疑等功能沉淀分析成果，形成企业的知识资产。
2020年，Smartbi凭借Smartbi Eagle自助数据分析平台成功入选Gartner增强数据分析代表厂商。
2021年，Smartbi将继续分析趋势、展望未来、洞察市场，打造一体化的AI+BI数据分析产品，使我们的大数据分析软件变得更加聪明，快速挖掘企业数据价值！