2020-07-14

规模化定制能力，是BI之战的制胜关键

​商业智能（BI），核心在于对数据的敏捷式、可视化探索分析。具体到技术环节，包括数据仓库、ETL、OLAP、数据挖掘、数据可视化这几个方面。

大体上来看，BI可分为传统BI和敏捷BI。传统BI在数据仓库、ETL、OLAP这几个方面的性能很强，但这类产品的致命缺点是分析模式比较固定，改动起来很困难，比较笨重，Cognos、SAP、Oracle、Teradata、MicroStrategy属于这一类。需要澄清的是，传统BI虽然日渐式微，但也并不是一无是处，其数据处理性能还是很强的，针对业务形态相对成熟稳定的大型企业，还是有很多在继续用这类BI产品。

另一类，就是现在讲的比较多的香饽饽——敏捷BI，现在的创业公司，基本都是做的敏捷BI，国外有Tableau、QlikView、PowerBI，国内有帆软、永洪科技等。敏捷BI产品最大的特点是轻量化，可以方便的改变分析指标和模型，隐去技术实现的细节，让业务人员可以自助化的进行数据分析。在数据来源方面，敏捷BI产品往往在数据接口方面做比较多的工作，可以接入各种类型的数据，不仅接入企业内部数据，还可以兼容外部数据。

分析的便捷性、可视化，是敏捷BI最直观的特点。但是，通过降低数据分析门槛，将分析的权利交还给业务人员，最大的好处是增加了从数据中发现业务规律的可能性。业务人员、管理人员是最懂企业实际经营情况的，技术人员往往不懂业务。而数据的价值，是支撑业务和管理需求。

现在的敏捷BI产品，往往可视化效果很炫酷，但存在两方面的问题：一个是由于不像传统BI产品那样跟数据库、数据平台结合那么紧密，往往数据处理性能比较受限制，数据量太大的情况下容易吃不消；另一个是，在炫酷的外表下，业务分析的深度往往不够，在数据中发现的价值有限。

基于上面的分析，未来BI将往哪里走呢？我想应该向数据的两端进行发力：

一方面，往数据端发力，通过更深度的介入数据库、数据仓库、数据平台，提升数据处理性能。再加上目前流式数据处理架构，增强实时数据处理能力。尤其5G时代，从物联网、车联网、工业互联网端传来的数据，对实时处理要求更高。从这个角度来看，BI平台将逐渐具备目前大数据平台的能力。也许，BI平台、大数据平台、数据中台这些，会“长得越来越像”。

另一方面，向业务端发力。数据分析的核心在于从数据中发现业务规律，支撑业务决策和管理需求。而深入到业务方面，行业属性很强，企业之间的差别也比较大，很难一个平台满足不同行业的需求。

那是不是又要走回定制化的老路呢？

肯定不是的。标准化产品与低成本定制化，是未来BI厂商竞争力的关键。功能模块化，松耦合，是实现产品标准化和规模定制化的关键。BI企业可以研发很多标准化的功能模块，这些模块可以通过不同的组合，来快速实现高度定制化的方案，这就是低成本的规模化，有点类似电商领域提的大规模定制化（C2B）的概念。

要实现规模化定制，除了BI厂商本身要有很强的技术产品能力外，云化和生态化是另外两个关键要素。

行业千差万别，BI厂商几乎不可能单凭一己之力就能深入各行各业的业务场景，深入理解其业务需求。只有客户才是最了解自己的。而敏捷BI本身的自助式、业务化属性，又给了客户充分的发挥空间，让他们可以按照自己的需求来进行数据分析。BI厂商需要做的，就是提供便捷易用的辅助工具，并及时将用户创造出来的各个优秀分析模式进行优化和模板化。比如某个银行通过BI平台分析其业务数据，针对风控场景，探索出一套有用的分析思路和模型，知道针对银行风控场景，哪些指标是有用的，这些指标应该怎么结合起来分析，通过什么模型来反映银行风控的内部逻辑，怎样设置预警指标等。BI厂商及时将这些“群众智慧”进行固化，制作成不同行业、不同场景的数据分析模板。其他类似的客户，就可以借鉴这类模板，来方便的进行数据分析。用户选择一个BI平台，不仅仅是需要一个数据分析工具，更想知道要通过怎样的分析方法和路径，来从数据中挖掘出业务信息。

目前BI产品还多是本地化部署，但云化部署是大势所趋，只是需要进一步做好客户数据保护。BI云化之后，通过云端探针，可以收集用户使用的一些数据，比如在金融领域，客户都最喜欢用什么功能。一个功能被调用1万次和被调用100次，是很能说明问题的。这样，就实现了以数据驱动的产品开发，开发出的功能模块才更符合客户期待。

任何时候，更快、更低成本，开发出更满足用户需求的产品，都是市场竞争的不二法门。