查看原文
其他

商业智能BI爆发前夕,厂商们是否做好了准备?

The following article is from ToB行业头条 Author 不二


傅一平:


这篇文章对BI当前所处的阶段、存在的顽疾、未来的展望给出了一些看法,还是有不少启示的。


前几年自己一直在做企业数据治理,最近由于工作需要,会重新接触报表、取数、BI的工作,后续会结合实际谈谈最新的感受,我有两个期待:


第一,最近自己其实写过一篇文章为什么BI软件没有得到很好的普及?

,但这个观点其实要追溯到7年前,自己挺想知道,最新的BI到底发生了什么变化?体验?性能?场景?功能?


第二、如文中所说,数据治理、数据分析永远是一个相辅相成,不断迭代的过程,希望自己能让它们擦出一些火花。


正文开始



无论产品功能描述有多强,BI行业的第一性还是让业务用起来。自Gartner 1996年提出商业智能BI的概念起,二十多年的发展过程中,中国商业智能BI发展起起伏伏,毁誉参半。

一方面,是市面上传来的一些悲观的声音。例如,“BI跌落神坛”,“BI资本叫座企服市场却微弱”,“BI一边高速奔跑,一边屡受诟病”,“商业智能BI概念虽好,但实用性不强”,“商业智能赛道进入红海,创立BI是一个很大的挑战”等等。

尤其是在乘着2013年大数据的东风小火了一阵但没有火起来之后,鞭策者经常会在肯定BI的同时,突出强调BI的弊病和短板。

另一方面,是行业从业者们对BI的不懈探索,并小有收获。例如,永洪科技用敏捷型BI推动企业产品消费化;帆软用自助型BI让业务人员自主、灵活、多样的可视化分析,数秒实现数据可视化;观远数据用现代化BI,让业务人员快速、广泛、活跃地用起来,帮助企业构建敏捷决策能力。

可以看见,在BI赛场里,选手们铆足干劲,全方位发力,试图为BI的发展破局

那么,一个行业为什么有“两副面孔”?现在商业智能BI到底发展到哪一阶段了呢?行业存在的顽疾是否已经解决了呢?从业者们面临的问题还有哪些?未来商业智能BI将以怎样的形式呈现?带着这些问题,「ToB行业头条」进行了采访和探索。

01

商业智能BI是夕阳or朝阳行业?


2022年,从业者们认为,BI终于迎来爆发前夕。

观远数据CEO苏春园表示:“2022年,是BI的变局之年,即商业智能BI正从过去以报表为主的传统BI时代,进入以业务分析为主的现代化BI时代”。

帆软副总裁袁华杰也表示:“如果说发展多年的ERP或者OA是12点钟的太阳,那么BI现在就是9点钟的太阳,正处于成熟期前的快速发展阶段”。

总而言之,从业者对BI的态度十分积极。

但这和市面上的消极声音大相径庭,究其原因,厂商们一致认为,是BI在快速发展,而人们的认知还停留在原地。

过去,行业认为,不成熟的商业环境、高要求的使用门槛、不实用的BI产品,是商业智能BI发展低预期的三大主要原因

具体而言,首先,BI是在企业积累了大量的数据,并且认知到数据的价值之后,才会产生如何利用数据辅助企业运营,帮助企业决策,提高企业经营质量的需求,是建立在企业信息化基础之上的智能决策需求。

而当下很多企业还处于业务流程化、信息化的初级阶段,尚未开始数据分析,因此商业环境的滞后性,让国内BI的发展低于预期。

其次,不少从业者抱怨到,“Excel都用不溜的业务部门,要求他们做BI分析太难了”,“中国企业里很少有数据科学家这样的角色,而是“表哥表姐”们围绕各种指标做报表给领导或业务决策者看,如果没有预先定义的业务指标,大家根本不知道该怎么玩”,“IT人员不懂业务,业务人员不会操作,BI必然只能停留在工具层面”。高要求的使用门槛和欠缺操作能力业务人员间的落差,也是BI存在的主要问题之一。

最后,在应用操作层,“国外自助式BI占比50%以上,国内大多数BI还是报表为王”,“很多BI行业结合不深,分析方法不落地,产品难用”,“有些公司的产品名字叫BI,但其实就是数据可视化工具,说自己是BI产品就是显得高大上唬人而已”,产品不好用,与业务脱节,成为BI公认的弊病之一

然而,经过几年的发展,劣势情况正在发生改变。

从政策来看,国家《“十四五”数字经济发展规划》强调,数据要素是数字经济深化发展的核心引擎。“在数字化战略指引下,企业要降本增效,提高经营效率,构筑竞争壁垒,就需要业务数字化,流程数字化,人员数字化,决策数字化,运用更多的数据参与企业的决策经营,这是行业政策背景下自然衍生的一种机会,也是BI的价值所在。因此,过去可能很多企业不重视BI,但现在已经慢慢地开始重视了”。袁华杰表示。

从人员能力来看,一方面,企业在自主培训。现在很多企业会以IT部门做支撑,对业务人员进行赋能培训,帮助他们掌握一定的技能,实现自助分析;或者配备数据团队,如数据分析师或者ITBP来帮助业务团队完成一些复杂的分析,简单的留给业务自己做。

另一方面,一些服务商也在帮助企业培养,为企业输送人才力量袁华杰表示,“我们的社区已经有186万的注册用户,月活用户10万,拿到证书的每年以3万的速度增加,这个证书可以帮助用户在应聘数据分析师、报表工程师等职位时做背书,提升人员的数字化能力”。

从产品来说,针对产品和业务结合不深的问题,苏春园表示,举个例子,永和大王的外卖运营经理在了解到我们的购物篮组合后,自己就能优化套餐组合搭配,所以市面上的产品是可以做到产品和业务结合的,另外针对企业数据口径对不上,或者版本不同的问题,我认为同样不用担心,数据治理、数据分析永远是一个相辅相成,不断迭代的过程,越用越多一定是越来越能够促进数据的治理。

当商业环境、使用人员以及产品逐渐往成熟靠拢时,BI赛道再次热钱涌动。数据显示,2022年,BI数智厂商中的观远数据、数说故事、新略数智、海致BDP等均获得了超过亿元以上融资,累计融资超过20亿元,这表明在继2013年大数据风口之后,2022年赛道再次被资本追逐。

02

什么样的BI产品是好产品?


据IDC《2021下半年中国商业智能软件市场跟踪报告》显示,2021全年中国商业智能软件市场规模达到7.8亿美元,同比增长34.9%,IDC预测,到2026年,中国商业智能软件市场规模将达到20.2亿美元,未来5年市场年复合增长率(CAGR)为20.8%。

这表明BI确实在快速发展,不过,行业存在的痛点问题,如业务人员不会用,产品实用性不强的问题,当前并没有完全解决,确切地说,玩家们是正在解决中。也因此,到底什么样的产品是好产品,不同玩家理解不同。

以新秀厂商观远数据、老牌BI厂商帆软,以及跨赛道厂商数睿数据为例

苏春园认为,当下,企业需要用数据来在不确定中寻找确定性,但是过去很多BI产品上线即颠峰,之后既不活跃,也不产生业务价值,因此BI厂商最核心的价值是能否降低使用门槛,让业务部门用起来。

在这一理念下,观远的产品更侧重:易用性,其本质是让业务人员而不是IT人员,能够敏捷快速地自己用起来;

企业级,其本质是让业务人员能够广泛的用起来。当一个组织过千人使用数据的时候,性能问题、管控问题、资源隔离问题、稳定性问题就越来越明显,这就要求产品高性能、高稳定、高管控、高扩展,以及一站式,即综合BI+AI的能力,实现数据的诊断、预测等深入分析;

场景化,即让业务活跃地用起来。这个非常具备中国特色,因为中国的客户特别希望能够了解不同企业是如何做数据分析实践的,然后通过先进的实践,优秀分析方法的分享和启发,帮助自己解决场景化的问题。

苏春园表示:“对于BI价值衡量,部分企业会以某些量化数据来体现,比如商品有货率提升,库存降低比例等,但是其实我们反而不是很建议这样去体现,因为有些数据是企业里面为了证明价值而去设计的,更多是marketing的需要,BI其实是相对间接的实现了一些业务上的增长,因此活跃度是一个非常务实的指标,观远的产品理念是打造全球业务使用活跃度最高的BI 产品”。以太平鸟为例,IT人员和业务人员使用BI的比例,在6-12个月后,从8:2变成了2:8,新增了大量业务线的分析用户。

即观远数据用活跃率来衡量业务到底是否将BI用起来。

袁华杰则认为,企业对于 BI 有着明确的诉求路径,即整合数据解放 IT(体现在数据的接入、集成和管理上),通过分析和可视化手段辅助企业管理和业务决策,最终实现企业的降本增效和各项业务能力的优化提升。


因此在这一理念驱动下,帆软自助式BI产品强调“强大易用,人人可用”。


具体而言,易用性,其决定 BI 平台的整体使用体验,是影响用户持续使用的首要因素,因此帆软把“学习路径是否简单清晰”、“功能操作复杂度是否大于业务逻辑复杂度”两项列为产品硬指标;


性能,其决定着 BI 平台的运行速度与运行质量,不仅要快,还要稳定,大数据时代,企业数据的量级不可同日而语,能支撑大数据也是对 BI 平台的关键要求,同时,BI 工具还要保证稳定性,频繁宕机和故障对企业来说是难以承受的;


功能性,BI 工具的功能众多,不同企业的需求也不同,根据 BI 的处理过程,有几个核心功能是必须具备的,包括数据准备、数据处理、数据分析与可视化、平台管控、场景需求转换等。


袁华杰表示:因为制作报表的流程和分析的过程非常繁琐和耗时间,所以帆软的产品致力于提高效率,并且通过数据分析实现降本增效以某航空公司客户为例,该公司应用BI后,该公司整体流程流转效率提升6%,经营分析带来的年成本节省达到了千万元。


即帆软用降本增效来衡量业务到底是否将BI用起来。


当然,还有厂商认为BI不能停留在数据阶段,做统计与可视化,而要专注于把数据转变为知识,所以产品追求的是不让数据成为包袱,让业务人员更专注于业务本身。

于是此类产品讲究:数据融合,不过,数据融合是面向知识而非面向数据,即数据融合需要关注对更多数据维度、种类的覆盖能力,结合相关性分析为维度选择提供指导,而不仅是对更大数据量的支持;增强分析,增强分析需要同时具备显性知识识别和隐性知识挖掘两种能力,将技术能力与场景结合,而不仅是多做了几种统计函数;敏捷易用,敏捷易用需要深入工业物联、数字孪生中去,与跨行业的数字化应用相互集成配合,而不仅是提供了API文档和详实的用户引导。

即有产品用知识转化率来衡量业务到底是否将BI用起来。

总的来说,无论产品功能描述有多强,BI行业的第一性还是让更多企业及更多用户认知到BI价值,并在企业内实现数据驱动管理和业务进步的成功。因此,为了达到目的,BI厂商们纷纷尝试构建自身的竞争优势。

“和国外的BI对比,中国BI的活跃度简直被吊打,除了有产品的原因,在服务上,国内真正做客户成功的也没有几家,这是行业赋予观远数据的机会,因此在观远数据内部,我们不仅将客户成功部门作为一级部门为客户提供长期陪伴式服务,同时内部将每个月第3周周五设置为“全员客户成功日”,我们认为客户成功一定是大家未来所重视的”。苏春园表示。

“我们公司不融资不上市,所以要保证公司健康成长,就需要提供让客户满意的服务和产品,这是我们最直白的商业逻辑,因此帆软会主动降低KA定制比例,聚焦行业,提取共性需求,倒逼产研团队把标准化、行业化产品做到极致当然这些离不开帆软大量的用户做支撑,超18000家的客户积累让我们更了解客户需求,让BI的价值在实际场景中得以体现,同时为了打造客户口碑,帆软还将官网的投诉手机号设为裁办电话,可以直达创始人”。袁华杰表示。

过去,BI行业的续约率不到50%,如今厂商都在从研发到产品到服务,全方位推动业务使用,相信只要厂商是真务实而不是玩概念地打造BI易用性,那么未来BI行业的渗透率必将大大提高。

03

AI+BI是趋势or泡沫?


当前,全球商业智能和分析软件解决方案市场规模高速扩张,浪潮之下,除了关注产品,BI未来的发展趋势也是行业着重关注点之一。

对此,业内很多厂商,包括永洪、数睿数据、思迈特等都认为,AI+BI是未来趋势。

苏春园分享到:“此前只是现代化BI现代化BI包括自助型BI、敏捷型BI和智能BI)的序曲2021-2030,行业正在迎来波澜壮阔的十年,我们的愿景是让1000万用户享受数据的价值。”

帆软则认为,BI+AI虽然是未来的主要趋势,但受制技术成熟度以及客户侧投产比等,目前AI+BI在中国仍是泡沫。中国企业的BI建设在未来几年内将仍然以数据管理和数据分析为主,预计在2025年左右,中国的BI才开始迈入智能化阶段。

由此可以看出,在BI行业内,厂商们虽然认可AI+BI的未来,但是对AI+BI到来的时间看法不尽相同。

帆软副总裁袁华杰表示:“我们肯定认可AI+BI是方向和趋势,但是 AI+BI 现在到底有没有应用场景?我们要考虑市场的需求,不能急功冒进”。

他总结说,业内对BI的发展畅想,大致可以分为四个阶段:

第一个阶段,传统BI:业务人员在IT人员的帮助下,费时费力的拿到数据开展业务。

第二个阶段,自助式BI:业务人员提出需求,通过自助式BI开展业务。

第三个阶段,智能BI:比如业务不用技术操作,直接喊一嗓子,就能通过自然语言查询得到想要的数据,但目前市场上尚未有实际应用的产品出现。

第四个阶段,不需要人员参与,直接通过是智能角色开展业务,当然这个阶段已经不属于 BI 的范畴了,而是人工智能的范畴。

但实际上,首先,从客户需求来看,当前国内在做的BI+AI,和我们想象中的智能BI是两个类型,并没有做到融合,简单来说:BI是BI、AI是AI,分开在不同场景,可能效果更佳。

此外AI的复用场景很窄,基本依靠定制,这就代表着企业高付费,而企业是否能达成相对应的价值产出呢?这个没有人能保证。

因此,帆软认为在自助式BI尚未完全落地前提下,谈智能BI尚早。

其次,比如自然语言查询功能,需要诸多技术支持,目前并没有标杆案例,可能有些厂商表示已经做好了自然语言查询功能,但停留在实验室的demo阶段,落在实用阶段,往往用不起来,而数据上对最终结果的影响很大,因此AI+BI的落地还需要一段时间。

事实上,帆软的表述并非没有道理,当前市面上就有一些以自然语言为噱头的产品。

比如,有的产品中,出现很多这样的表述:未来的BI应该是人类和智能机器共同工作,让机器做人该做的事,人做机器做不了的事;下一代BI与人的关系,应该是利用机器的自我学习能力,让工具代替人消化知识,降低知识运用的门槛,然后由人把知识和业务结合,产出智慧,创造价值;基于自然语言处理,让机器听懂人话,从而使得枯燥乏味的数据自动说人话,对数据不敏感人群提供友好的数据解读辅助,这种产品一定程度上,展现了市场上存在的泡沫。

但是,AI+BI也并非无应用场景,无案例可循,只是市场上案例比较少。

以观远数据为例,在联合利华的服务中,客户期望优化现有需求预测流程,比如预测每个仓库每个SKU出货量、预测每个SKU全国总量、预测每个KC每个月拿货赔额等,通过打造BI+AI协同闭环,观远数据实现了业务分析3倍提效精准预测;再比如锅圈食汇,通过AI智能库存分析,观远数据将客户门店产品的周转天数从30天缩短至10天,实现了通过AI降低库存。

由此可见,AI+BI在市面上有泡沫,但也有实体。

那么客户在选择产品时,如何辨别AI+BI产品是否优秀呢?

观远数据CEO苏春园表示,首先,这个产品必须是一站式的标准化分析平台,能够支撑从BI到AI的各种能力,而不是割裂的平台,比如做AI的时候又得定制一大堆的东西,那就变成了其实两张皮;其次,是否真正能广泛的客户用起来,尤其是业务团队,也是一个评测标准。

帆软副总裁袁华杰表示,从结果来看,BI 的核心是数据分析和展示,那么能否帮助业务人员更快地准备数据节省人力,以及在业务人员做分析预测的时候提高效率,且能让企业做到低投入,高产出,是AI+BI产品优秀与否的判断标准之一。

当前,商业智能BI正收获市场关注,数字化的到来也催生了强劲的BI需求,赛道玩家们正摩拳擦掌,跃跃欲试,相信未来几年,商业智能定能以惊人速度站在企服行业前列,只不过,无论是从业者还是参与者,都需要多一份耐心和毅力,如此才能和赛道一起走向更远。



    标签与指标到底有什么区别?

    终于有人把数据指标体系讲明白了【附案例】

    为什么BI软件在中国很难做

    数据可视化基本套路总结

    数据可视化设计指南

    阿里新推出「瓴羊DaaS」,有没有前途?

    中国的软件公司为什么做不出产品?

    查看全部文章


    点击左下角“阅读原文”查看更多精彩文章,公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看或者把本号置顶

继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存