《帆软：商业智能（BI）白皮书4.0（46页）.pdf》由会员分享，可在线阅读，更多相关《帆软：商业智能（BI）白皮书4.0（46页）.pdf（46页珍藏版）》请在三个皮匠报告上搜索。

1、商业智能（BI）白皮书 4.0?帆软数据应用研究院特别鸣谢2022.10地址：江苏省无锡市锡山区丹山路66号兖矿信达大厦2/3/4/5层商务咨询电话：400-811-8890转1帆软官网：https:/研究院官网：https:/前言INTRODUCTION数字经济时代，企业正面临全球化竞争，经营决策由以经验为主向数据驱动转变，数字化转型席卷全球。尽管不少企业正面临转不转，怎么转的难题，但是浪潮之中，不进则退，数字化已然成为了一道必选项。企业要实现新的飞跃，必须明确方向，抓住机遇，克服挑战，利用好数据这一降本增效新动能。数据动能的产生本质上是数据价值的体现，而数据价值的体现离不开对数据的应用。于

2、企业而言，面对外部环境带来的经营压力和内部积累的大量数据，如何在数字变革的浪潮中找出适合自己的数据应用方案是破局的关键。商业智能（Business Intelligence，BI）便是能够运载广大企业在数据应用大道上飞驰的优秀“座驾”。通过整合、组织和分析数据，商业智能将数据转化为有价值的信息，为企业管理和决策提供强有力的支持，成为企业迎接变革和商业创新的关键决胜因素之一。BI 问世已有二十余年，受到广大企业的青睐与追捧，硕果累累。2021 年，BI 市场规模再次实现了新的突破，迎来高速增长，企业对 BI 的认知和对 BI 价值的认可也到达了前所未有的新高度。可以预见，在不久的将来，BI 的概

3、念将深入人心，BI 的价值将扎根企业。本白皮书是继 商业智能（BI）白皮书 1.0 商业智能（BI）白皮书 3.0 之后帆软数据应用研究院第四次就商业智能发布白皮书。本次帆软数据应用研究院在 3.0 版本的基础上，再次对内容进行了全面的升级。白皮书首先通过新的理论模型阐述了 BI 是企业数字进化过程和价值增长的关键所在。随后，白皮书围绕基础认知、市场概况、应用落地三个部分，聚焦国内企业对BI 的最新诉求和行业最前沿的发展趋势，基于我国的市场环境和企业需求调研，对 BI 和与其相关的概念、热词进行了定义和关系上的梳理，对国内外 BI 市场格局以及国内 BI 市场的典型特征进行了详细分析，并且介绍

4、了 BI 工具的选型要素和在企业中的常见应用场景。希望本白皮书的分析可以帮助广大企业和相关从业者认识 BI，感知到并认可 BI 在企业数字化转型中的重要作用和价值，从而为我国企业正确应用 BI 赋能数字化转型提供参考和指导。06032364041021.1 BI 及其相关概念1.2 BI 的价值1.3 BI 的功能与技术1.4 BI 的类型2.1 市场规模2.2 国内市场的典型特征3.1 构建 BI 价值蓝图3.2 BI 工具选型3.3 BI 应用场景4.1 趋势展望4.2 结语商业智能提升企业数字进化加速度基础认知/市场概况/应用落地/总结展望/数字进化论/BASIC

5、COGNITIONMARKET OVERVIEWAPPLICATIONSUMMARY AND EXPECTATIONDIGITAL EVOLUTION目录CONTENTS01020304序章1帆软数据应用研究院 序章数字进化论DIGITAL EVOLUTION02商业智能（BI）白皮书 4.0BUSINESS INTELLIGENCE PROMOTES THE ACCELERATION OF ENTERPRISE DIGITAL EVOLUTION商业智能提升企业数字进化加速度进化是人类社会永恒不变的主题。从早期的猿人到现在的人类，从久远的石器时代到现在的信息时代，人类社会历经一次次的进化才有

6、了今天的科技和智慧。人类的文明史，实质是数字和信息的进化史。三次工业革命，不仅带来的是生产力的提升，同时带来了信息传递方式的巨大变革。麦克卢汉在他的经典著作 理解媒介 中指出“媒介即人的延伸”、“媒介即讯息”，无论是文字还是电话，实质都是人的视觉和听觉的延伸。文字和印刷术的诞生，虽然一定程度上解决了信息流通和存储的问题，但是传递效率依旧受到约束，以中国古代为例，“八百里加急”的驿站快马传输，已经是具体信息传递的最快效率。在这种情况下，大部分个体的“视觉”和“听觉”即便有了文字的载体，但依旧被束缚在一定的区域内，信息不对称极为严重，少数人掌握信息的主导权，难以激发人类群体的创造力和想象力，依靠人

7、类进步的文明发展自然进程缓慢。而随着三次工业革命的开展，时间和空间的限制被打破，尤其是第三次工业革命后，人类个体的感知已经能够延伸到世界的各个角落，人与人之间的信息交换从未如此频繁、迅捷和透明，阻碍人类群体性成长的落后制度牢笼被一一打破。短短一两百年，人类就完成了过去几千年未达成的发展成就。每一次数字和信息的变革与进化，随之而来的是人类个体的能力解放，人类文明史也因此而绚丽多彩。如今，数字化浪潮席卷全球，数据成为社会发展、经济发展和企业发展的新动能，而数字的进化趋势依旧在不断演进。基于对社会发展规律的洞察与思考，结合帆软十六年来企业数字化建设的沉淀经验，帆软数据应用研究院提出了数字进化三阶段和

8、进化加速度模型，来分析进化速度和成熟度的影响因素，并基于企业视角，将观点和模型映射到企业数字化转型过程，诠释商业智能在其中的重要作用。无论是蒸汽机的推广还是电力的应用，每一次人类社会进化和数字进化的进程，都伴随着工具创新和扩散的过程。站在宏观视角上来看，正如罗杰斯在 创新的扩散 中提出的观点，新技术的出现先由创新者进行引入，然后逐步扩散至其他区域或者行业，经过长时间的扩散最后趋于饱和和平缓。在现代企业制度建立下的市场经济，这种创新迭代更加迅速，因为作为资本驱动下的现代公司，通过创新能帮助企业建立竞争优势，带来丰厚的超额剩余价值；但随着跟随者的逐步跟进，这种优势会逐渐消失，资本利益驱动下，企业需

9、要不断地进行创新改革，以求再次建立优势。数字进化缩影：积累、优化、转型三阶段创新扩散的曲线保守者类型后期跟随者早期跟随者领导者创新者引入期成长期成熟期tABCD图 1 创新扩散曲线03帆软数据应用研究院 如果将视角再缩小，投射到身处于市场经济中的某个单独企业，上述的过程其实往往存在一个漫长的周期，数字化建设亦是如此。许多企业并不属于创新者行列，在进入现阶段数字化成长期的过程中，才意识到需要跟进投入，但引入新工具后必然要经历一定的应用积累过程，然后才开始融入新的想法进入优化成长阶段，当优化到一定的程度后，便有了大的变革创新基础，用我们熟悉的词来解释就是“转型”，直至达到成熟期；再往后便是新工具的

10、出现打破上一次转型的瓶颈。如图 2 所示，根据时间与数字成熟度的关系，我们将企业每一次数字进化过程的缩影总结为积累、优化、转型三个阶段，即：（1）积累：引入新工具，进入新的状态，开启早期的应用推广过程；对应到现阶段的企业数字化建设，也就是企业通过搭建各类业务信息系统，开启业务数字化，逐渐积累数据资产的过程。（2）优化：逐步熟悉新的状态和工具，开始萌生并融入新的想法，探索局部优化的可能性；同样，对应到现阶段的企业数字化建设，即指企业开始利用数据来优化管理和业务。（3）转型：前期的积累和优化出现大的突破，引发模式上的系统性变革。那么现阶段的企业数字化转型便意味着企业对战略、架构、运营、管理、生产、

11、营销等各个层面，开始进行全面的、系统的变革，数字技术开始重塑整个组织。积累优化转型数字成熟度时间T1T2T3在数字进化三阶段中，进化速度并不是保持不变的，会受到企业自身的属性和外部环境等因素的影响，不同的进化速度也会表现出不同的进化特征，甚至会出现负面的进化效果（例如优化方向不对导致效果不如优化前）。企业要想在更短的时间内达到更高的数字成熟度，就必须不断提升其进化的速度，并且是正向的提升。我们知道，速度变化的快慢在力学中由加速度描述，因此，为了更好的描述企业数字化建设的能力和带来的最终价值，我们将加速度这一概念引入数字进化的过程，并提出：数字进化加速度：始于工具，兴于思维数字进化速度提升的快慢

12、和方向由进化加速度决定，正向进化时，加速度越大，数字进化速度提升的越快，相同时间内的进化速度和数字成熟度也就越高；当加速度为负时，数字进化方向被改变，数字成熟度将下降。图 2 数字进化三阶段缩影04商业智能（BI）白皮书 4.0商业智能提升企业数字进化加速度基于这一观点，企业数字进化的关键就在于如何正向提升进化加速度。而答案则要回归到数字进化的三阶段中。前文提到，宏观视角下，新技术的出现往往先由创新者进行引入，然后逐步扩散至其他区域或者行业，经过长时间的扩散最后趋于饱和和平缓。具体到某个企业，这一创新扩散曲线也同样适用。积累阶段，新工具在企业内部往往也是由创新者引入和推广，这时候，只有少数人在

13、其中发挥作用；当出现跟随者后，更多的个体能力得到释放，更多的思想理念在优化阶段被融入企业管理和业务；当创新覆盖到全员时，整个组织的活力得到激发，开始迈入系统的数字化转型阶段。分析整个过程，可以看到企业数字进化是由工具和个体能力相互交织前进的结果。其中，个体能力的体现可以用思维来概括。工具的引入刺激了思维的发散，思维的活跃又反哺了工具的发展，二者相互促进，交织提升。因此，帆软数据应用研究院认为，数字进化加速度由工具和思维共同决定，即如下的 ATM 模型：以现阶段企业数字化建设进程为例，工具便是指各类生产、记录、应用数据的信息系统和平台，思维则是对企业中的人的能力、规则制度、文化氛围等要素的统称。

14、只有将思维融入这些工具，才能让企业数据得到充分的利用，为企业管理和业务提供更大的价值，进而实现更快速的系统性的变革转型。数字进化加速度（A）=工具（T）x 思维（M）由 ATM 模型进一步延伸，广大企业现阶段数字进化的目标可以拆解为工具和思维的同步提升，并且保证方向上的正确。这与商业智能（Business Intelligence,BI）的核心理念不谋而合。通过整合、组织和分析数据，BI 能够将数据转化为有价值的信息和知识，为企业管理和决策提供强有力的支持，是企业迎接变革和商业创新的关键决胜因素之一。而其核心目标就是要让企业中的每个人都有效利用数据，并形成数据思维，跟上工具的发展。对应到数字进

15、化三阶段中，BI 主要在优化和转型阶段发挥作用。具体地，商业智能对数字进化加速度 A的价值和贡献主要在体现在两个层面：在白皮书接下来的内容中，我们将详细介绍 BI 的方方面面，帮助广大企业和相关从业者体会 BI 有效提升企业数字进化加速度，引领企业数字化转型的独特魅力。（1）BI 本身作为工具，是现阶段企业数字进化工具 T 的组成部分之一，其能够承接企业其他信息系统，整合企业的海量数据，打破数据孤岛困境，实现数据的集成与统一，是企业连接、处理、应用、分析、展示数据等能力的核心依据。（2）与传统的依赖经验的企业决策方式相比，BI 中蕴含的数据驱动决策的管理方式，凭借其客观性、科学性、全面性、普适

16、性等优势，能够有效地保障企业数字进化的方向不出现偏差。此外，BI 所提倡的“人人都是数据分析师”的理念也能够激发企业思维层面的活跃，让更多的个体能力融入到数字进化的过程中，为企业孕育出浓厚的数据文化，从而显著提升数字进化加速度。05帆软数据应用研究院 01基础认知BASIC COGNITION06商业智能（BI）白皮书 4.0BUSINESS INTELLIGENCE AND RELATED CONCEPTS1.1BI 及其相关概念BI 起源于上个世纪 50 年代，随着信息技术的发展，其概念也经历了多次调整，并且从企业广泛多样的应用形式中衍生出很多相关的概念，与大数据、信息化、数字化等有着密切

17、的联系。因企业决策支持需求而问世的 BI 概念，需要不断适应市场环境和企业需求的变化方能充分释放其价值。1.概念的由来与发展早在 1958 年，IBM 的研究员 Hans Peter Luhn 便将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。”这期间出现的领导信息系统（EIS，Executive Information System）和决策支持系统（DSS，Decision Support System）等技术应用，可以看作是 BI 的前身1。但是由于技术、企业环境现状等因素的限制，BI 经历了一段漫长的探索期。1996 年 Gartner 正式提

18、出 BI 的定义：一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。2013 年，Gartner 对 BI 概念进行了更新与扩展，在“Business Intelligence”一词中加入“Analytics”，合并成“Analytics and Business Intelligence”（ABI，分析与商业智能），并且纳入应用、基础设施、工具、最佳实践等多项内容，将其定义为：An umbrella term that includes the applications,infrastructure and tools

19、,and best practices that enable access to and analysis of information to improve and optimize decisions and performance.2(BI是一个概括性术语，包含应用、基础设施、工具，以及能通过访问和分析信息来改进决策、优化性能的最佳实践。）由此看出 BI 并不是全新的事物，而是对一些现代技术的综合运用。BI 为企业提供迅速分析数据的技术和方法，包括收集、管理和分析数据，将数据转化为有价值的信息，并分发到企业各处，让企业的决策有数可依，减少决策的盲目性，理性地驱动企业管理和运营。按照图

20、1-1 中的 DIKW 模型，数据转化为信息，升级为知识，升华成智慧的过程，便是数据价值的展现过程，其中要用到的种种技术和工具，就是 BI。BI 即 Business Intelligence，中文译为为商业智能、商业智慧或商务智能。1.1.1 BI 的定义07帆软数据应用研究院 除去 Gartner 等研究机构，国内外的学者在一些文献和书籍中，也对 BI 进行了类似的定义。表 1-1 对Gartner 和部分文献书籍中的主流 BI 定义进行了整理。图 1-1 数据的价值展现表 1-1 BI 的主流定义数据信息知识智慧数 据 转 化 为 智 慧1996Gartner2008Negash&Gra

21、y32013Gartner2013Muriithi,G.M.&J.E.Kotz42016Steve Williams52002余长慧 潘和平6郑洪源 周良7王飞 刘国峰820052014一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。商业智能是从大量的数据和信息中发掘有用的知识，并用于决策以增加商业利润，是一个从数据到信息到知识的处理过程。商业智能是构筑在企业业务系统基础之上，以知识获取和共享为目的的解决方案。它通过对企业内外数据的整合、分析，提取出有价值的信息，帮助用户在加强管理、促进营销和企业发展方面做出及时、正确

22、、科学的决策,并分析、发现和把握新的商机。帮助你把一些数据转化成具有商业价值的，而且可以获取的信息和知识，同时在最恰当的时候，通过某种方式把信息传递给需要的人。从专业的角度来说，商业智能就是利用数据仓库、数据分析和挖掘技术，以抽取、转换、查询、分析和预测为主的技术手段，帮助企业完成决策分析的一套解决方案。BI is a data driven process that combines data storage and gathering with knowledge management to provide input into the business decision making p

23、rocessAn umbrella term that includes the applications,infrastructure and tools,and best practices that enable access to and analysis of information to improve and optimize decisions and performanceAn umbrella term that encompasses provision of relevant reports,scorecards,dashboards,e-mail alerts,pre

24、structured user-specified queries,ad hoc query capabilities,multi-dimensional analyses,statistical analyses,forecasts,models,and/or simulations to business users for use in increasing revenues,reducing costs,or bothA conceptual framework for delivering cost effective business intelligence solutions

25、as a service时间国外国内来源定义08商业智能（BI）白皮书 4.0根据表 1-1，不难发现国内外对 BI 的定义存在较多类似之处，学界的共识即核心观点均是从数据中获取知识，辅助决策。此外，表 1-1中的相关定义还呈现出一个明显的趋势：无论是国内还是国外，随着时间的推移，BI 概念发展得越来越广泛，涵盖的内容越来越多。从最初的技术应用到处理过程，再到一整套的解决方案，BI 体系日益庞大。这一趋势也对应了信息技术和企业数据的发展过程，BI 在输入和方法层面逐渐吸纳扩充了较多的内容。2.企业认知与诉求下的 BI 新定义Gartner 对 BI 做出了很正式的定义，但是由于国内外市场环境的

26、差异以及 BI 在企业中的应用形式多样，国内用户对于 BI 的理解经历了一个从管中窥豹到千人千面再到逐渐统一的过程。早前，帆软数据应用研究院对 1000 多名 BI 从业人员进行了调研，结果显示，我国企业从业人员对 BI 的理解集中于数据的分析和展示，甚至被等同于数据分析与数据可视化。后续，帆软数据应用研究院联合知名媒体机构对众多企业 CIO 进行了多次访谈调研。分析各次调研结果及变化，我们得出了以下主要结论。（1）BI 已经被大众所熟知，绝大多数企业都知道 BI 甚至会关注 BI，不少企业已经应用 BI。（2）企业界对 BI 仍然有着众多不同的理解，但将 BI 解释为一整套解决方案的企业占比

27、逐年增多，企业对 BI 的认知开始趋于统一。（3）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。09帆软数据应用研究院 在 2020 年 9 月发布的 商业智能（BI）白皮书 2.09中，帆软数据应用研究院等，在文献研究和企业调研的基础上，结合我国的市场环境，对 BI 做出了新的定义。在本白皮书中，基于前文的描述和分析，我们继续沿用 BI 的这一最新定义：BI 是在打通企业数据孤岛，实现数据集成和统一管理的基础上，利用数据仓库、数据可视化与分析技术，将指定的

28、数据转化为信息和知识的解决方案，其价值体现在满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务提供数据依据和决策支持。基本概念之外，BI 在企业中的不同应用形式，也有着不同的说法（名字）。为了统一表述，避免混淆，这里对这些名字以及它们之间的关系进行集中的梳理与区分。1 BI 工具BI 工具由 BI 厂商提供，也被称为 BI 产品或 BI 软件。按照大众理解和企业应用的实际情况，BI 工具即为狭义的 BI，是指以数据可视化和分析技术为主，具备一定的数据连接和处理能力的软件，使用者能通过可视化的界面快速制作多种类型的数据报表、图形、图表，使企业不同人群在一定的安全要求和权限设置下，能在

29、 PC 端、移动端、会议大屏等终端上对数据进行查询、分析和探索。企业中的各类软件系统的本质是数据采集+流程管理+数据展示，BI 工具在数据展示方面提供了强大的功能，有些 BI 工具如 FineReport 还具备数据采集（填报）功能，所以不同企业可以基于自身的场景和需求，创建千姿百态的应用。1.1.2 BI 相关概念10商业智能（BI）白皮书 4.02 BI 平台平台是指计算机硬件或软件的操作环境，泛指进行某项工作所需要的环境或条件。计算机平台的概念基本上有三种：第一种是基于快速开发目的技术平台，第二种是基于业务逻辑复用的业务平台，第三种是基于系统自维护、自扩展的应用平台。技术平台和业务平台都

30、是软件开发人员使用的平台，而应用平台则是应用软件用户使用的平台。BI 平台便属于应用平台的范畴，是以 BI 工具为核心的软件结合计算机硬件等形成的，用于连接、处理、分析与展示数据的环境。用户可以利用 BI 平台开发各类数据应用，这些应用就组成了我们接下来要介绍的 BI 系统。3 BI 系统软件系统是指若干部分相互联系、相互作用的模块形成的具有某些功能的整体，是为某一个或某一类任务而设计开发的。BI 系统是指利用 BI 平台开发的完整数据应用模块，即具备连接、处理、分析与展示业务数据等功能的企业经营主题模块。简单来说，BI 系统就是企业实际业务需求在 BI 平台上被开发出来后形成的业务分析模块。

31、单一的模块或多个模块组成的整体都可以称为 BI 系统。4 BI 项目严格来说，BI 项目是指企业规划、开发和管理 BI 应用或系统的活动，其中的开发环节便是借助 BI 平台来完成的。有时候，我们说 BI 项目其实是指该项目所开发的 BI 应用或系统，也指 BI 平台。在企业中有集团级项目，也有部门级项目，有面向管理层的企业经营管理驾驶舱项目，也有面向业务部门的如财务分析项目等。BI 项目在企业中的名称五花八门，如表 1-2 所示。由表 1-2 可以看出，BI 项目的范围非常大，从形态上来说，业务报表、数据分析和数据可视化任务等都可以算作 BI 项目。一个报表分析项目，使用单个 BI 工具就能实

32、现，而大的 BI 项目则可能需要涉及上下游的数据仓库、数据治理、数据管道、3D 数据建模等。数据挖掘与数据分析平台知识库共享平台数据服务平台生产制造数据展示平台地产营销数字化平台自助数据服务生态项目IS 智能决策系统表 1-2 BI 项目在企业中的实际名称BI 经营数据报表经营驾驶舱系统可视化管理系统商务智能分析系统数据分析系统教师业绩自由组合项目客户流失“显微镜”项目存款绩效考核自动化项目11帆软数据应用研究院 从行业定位上来看，BI 属于大数据领域中的一环，并且和企业信息化有着很强的联系。1.BI 和大数据往更高层看，BI 属于大数据领域的范畴，因此 BI 有时候也会被称为“大数据 BI”

33、。根据信通院发布的 大数据白皮书（2020 年）10，在整个大数据技术体系中，BI 工具与数据可视化、数据挖掘等工具一同位于数据分析应用技术中，用于“发掘数据资源的内蕴价值”，如图 1-2 所示。因此，BI 工具与二者存在交集，比如一些BI 工具就具备数据挖掘功能。但是三者之间的区别也很明显。数据可视化工具专攻让数据的展示效果更炫、更精美，有较高的技术门槛，例如 ECharts 就是一个纯 Java 的数据可视化库。数据挖掘工具则专攻从大型数据集中发现并识别模式，如 R 语言、Weka 等。1.1.3 BI 的行业定位图 1-2 大数据技术体系（简图）大数据数据管理技术基础技术数据安全流通技术

34、数据可视化数据挖掘数据分析应用技术BI 工具12商业智能（BI）白皮书 4.02.BI 和信息化企业中的各类信息化系统的本质是数据采集+流程管理+数据展示，从这个角度来看，BI 系统其实也可以理解为一类信息化系统。其中，BI 系统的数据采集是接入企业各类信息系统的数据，BI 系统的流程管理是数据处理和分析的流程，BI系统的数据展示功能则比一般的信息化系统更为强大。某些企业就利用 BI 工具，开发一些信息化系统，用于补足定制业务系统的缺失。因此，BI 既依赖于信息化系统，又可以作为信息化系统。此外，BI 的分析结果还能够反哺信息化系统的数据指标和业务流程设计。基于 BI 和信息化的这种特殊关系，

35、企业一般适合在通过信息化系统积累一定的业务数据后再应用 BI，即在信息化建设的中后期应用 BI。13帆软数据应用研究院 BI 的定义中提到其价值在于满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务提供数据依据和决策支撑。这一说法比较宏观，这里我们从管理经营、业务运营、IT 建设三个方面来分析 BI 价值的具体体现。企业对数据驱动决策的需求促使了 BI 的诞生，支撑管理决策是 BI 最核心的目的。对于管理经营层面来说，BI 的价值主要是强化经营管控，驱动管理转型。即通过准确、实时的数据发现经营问题，管控经营过程，实现科学决策，从而驱动管理由粗放向数据驱动的方式转型。传统的粗放式管理

36、下，企业决策往往依靠经验进行主观判断，没有数据依据。基于经验的决策不能说毫无用处，但是受人为因素的影响较大，更容易为企业带来风险。在这一决策模式下，管理层经常面临无法及时掌握准确的企业经营数据，把控关键 KPI 经营指标、财务状况及风险指标的情况，更不要说及时作出准确的决策判断了。最常见的就是企业的经营分析会议。很多企业都会有经营分析会议，方式主要是各部门通过PPT 汇报，管理者发现问题后再进行探讨。这种方式的弊端在于管理者发现问题的周期比较长，开周会就是至少一周，开月会就是至少一个月。并且在发现问题后，需要更详细的项目数据进行分析时，汇报人一般很难当场提供，只能事后填补。这样一来，数据周期太

37、长导致问题得不到快速有效地解决，更不要说洞察未来的情况了。而 BI 则通过连接打通企业的各个业务系统为管理决策层提供了实时、准确的数据参考，促进企业管理方式的转型和管理水平的提高。由数据驱动的管理决策方式要求管理者依照经营所产生的数据进行预测和决策，进而对各个组织环节进行管控，具有客观性、普适性、全面性等优点，并且决策后能够反哺业务数据，形成真正的管理闭环。在数据实时与准确的基础上，基于数据的透明和流程化，BI 便能够促进企业 PDCA 的高效循环，并形成一定的激励机制，提升管理水平。1.2.1 管理经营：强化经营管控，驱动管理转型THE VALUE OF BI1.2BI 的价值14商业智能（

38、BI）白皮书 4.0与管理相比，业务执行层面则更关注业绩的提升，即如何更好地实现降本增效。在传统的管理模式下，业务成本的降低往往找不到突破口。在应用数据后，这一情况得到改善，但由于不同企业内业务各不相同，其数据需求也更加多变和复杂。不同的业务系统数据，不同的数据维度和粒度、不同的统计口径和标准等因素都加大了业务人员的数据管理和应用难度。面对管理层下放的数据统计和部门自身的数据分析需求，业务人员经常要制作大量的手工报表，有时候还需要寻求 IT 部门的帮助进行逐级取数，除去效率低下的困扰，人工统计和处理数据的方式也增加了决策不准确的风险。另外，对于繁琐的业务流程，很多企业仍然采用拿着纸质表单跑来跑

39、去的审批方式，既浪费了业务部门的大量时间，也不利于数据的保存与追溯。在以上业务痛点下，BI 对业务的价值则在于提高业务效率，降低业务成本。业务运营过程中涉及的大量手工报表、人工统计、逐级取数等操作，都可以由 BI 来代替，既能减少人为干涉错误，提高数据的准确性，又可以提高效率，节省时间成本。在提高效率的基础上，业务人员能够将更多的时间用在业务分析上，从而聚焦业务本身，不断解决业务问题，完善整个业务体系，促进业务流程和业务模式的优化，最终实现业务成本的降低和业绩的提升。1.2.2 业务运营：提高业务效率，降低业务成本BI 赋能管理某大型汽车制造企业的生产经营日报经过多年运行，从不同系统取数后再经

40、由 Excel 手工统计报送的方式逐渐暴露出统计效率低、数据质量差及数据安全风险高等问题。上线 BI 系统后，该企业整合了核心业务系统数据，打破了数据孤岛，实现了数据共享，数据真实性和安全性得到了保障，以上问题得到了有效改善。从原来每天中午左右推送给企业高管到每天上班自动生成报告推送至高管邮箱，该企业经营日报的实效性也得到了大大提升，每天都能节省 0.5/人天的工作量，节省的人天又可以带来新的价值，形成了良性循环。某汽车零部件行业龙头企业认为，做好经营分析是经营改善的前提，面对部门级的分析场景，除了要构建灵活合理的经营会议制度，企业也需要一个智能化、信息化的分析报告，去支撑数据分析和决策调整。

41、该企业上线 BI 平台后，在经营分析会议时，一改往日 PPT 汇报模式，直接利用 BI 平台的经营分析报告，对经营现状进行评述，并围绕如何实现企业效益最大化的问题，从系统收入最大化、费用最小化、单位时间附加值等角度，结合业务现状分析、真正落地了 PDCA 的经营模式，使企业效益最大化成为水到渠成的过程。数据驱动决策和信息化平台真正带动了管理层和全体员工经营意识的提升。某头部地产企业同样通过 BI 系统实现了经营管控的数字化升级。针对管理层及各业务部门关注指标，该企业在 BI 平台上搭建了企业经营管理及各部门管理驾驶舱，并实现数据每日更新。项目上线后，该企业多项关键指标数据呈现给管理层的时间由以

42、往平均 4 至 5 天缩短至 1 天，管理者得以快速掌握企业经营关键数据；驾驶舱凭借多种炫酷的可视化图表，将各项关键指标进行综合呈现，也便于对外展示宣传；此外，通过上线各专业管理驾驶舱，查出各项业务系统数据问题累计数十项，从而反向倒逼业务系统进行数据更正，提升数据质量。15帆软数据应用研究院 IT 部门是支撑企业信息化建设和 BI 建设的主体，对于他们来说，BI 的价值主要体现在信息化建设和数字化转型等方面，即释放数据价值，加速数字转型。（1）整合企业数据，释放数据价值。数据孤岛是一个困扰很多企业的问题，随着企业信息化建设的不断推进，企业建成了众多的业务信息系统，但是大量的数据也就分散在各个业

43、务系统中，甚至是分散在多个Excel 文件里，而企业的经营分析却不可能只依赖某个业务系统或某几项数据，并且这样的数据也无法得到有效利用以发挥价值。因此，IT部门的大量时间和人力成本都花费在提取数据和整合数据上，成为了所谓的“取数机”。BI 则能够提供接口，整合企业多个系统的数据，打通企业的数据壁垒，从而释放出数据的真正价值。（2）扩大 IT价值，加速企业数字化转型。一方面，BI 承接信息化，通过升华数据的价值为企业业务、流程、组织的优化和变革提供更科学准确的参考依据，从而推动并加速企业的数字化转型进程。另一方面，BI 所强调的数据驱动决策的管理方式，能够为企业孕育数据化管理的思维和氛围，让企业

44、数字化转型不单单停留在技术层面，而是向企业战略、组织文化上蔓延，帮助数字化转型取得成功。1.2.3 IT 建设：释放数据价值，加速数字转型BI 赋能业务运营某零售企业，在构建了完善的信息化基础后，有了数据，但是怎么更好地让业务部门利用好数据，让数据驱动业务部门、驱动业务，成为了该企业在实现数字化的道路上不得不面对的问题。该企业认为，IT 部门专业能力再高，将数据梳理得再好，挖掘得再好，也需要业务部门将数据应用到业务中去，尤其是在业务需求逐渐增多，IT 部门无法快速响应的现状下。于是，该企业针对不同事业部和部门的业务发展特征、对于数据应用的要求和不同人员的数据能力，形成“简单应用+自助分析+自主

45、开发”多样化使用模式。原来只有 IT一个部门为各个事业部处理数据，现在该企业通过 BI 平台将分析、应用数据的部门扩展到了将近 10 个，编辑用户 30+个，为企业培养了大量的数据分析人才；此外，业务部门月平均编辑模版 300+次，相当于每天业务自行解决了10 多个即时性问题，每月通过自助分析满足了800 余个分析需求；同时，业务部门通过自助分析，形成可长期浏览的分析模版 1300 多张，相当于节约了信息部门 1300 多张报表的开发量，而这一数据还在不断增长。某制造企业历经多年摸索，其销售系统为自主建设，但由于财务领域专业性较强，财务系统一直沿用的是外部产品，二者相对割裂，无形中增加了公司统

46、计，会计等数据岗位的人力成本，对财务管理处，风险管控处等职能部门的支撑力度也有一定局限性。为此，该企业推进了业财税一体化平台的上线。平台运行两年多后，该企业开始思考如何基于该平台的数据有效简化相关人员的重复作业，尤其是如何借助平台本身的业财税管控模式尽可能透明或前置公司核心赊销业务带来的风险。于是，该企业引入了 BI 系统。通过 BI 系统打破业务和财务之间的壁垒，以业务为核心，资金为主线，充分发挥业财税融合的数据价值，使该企业整体的风险识别率提升了40%左右，并结合已搭建的 PDCA 闭环管理体系实现了风险处置动作的动态跟踪，将相关职能部门的工作人天压缩了近 30%，一定程度上有效规避了企业

47、外部经营风险和内部管理风险。16商业智能（BI）白皮书 4.0BI 赋能 IT 建设“随着企业的发展，信息系统建设越来越多，积累下大量的数据。一些沉淀在系统深处的数据难以提取和整合，无法获取数据背后的价值。所以 BI 数据分析平台的建设就格外重要，一方面它可以汇通企业的各个业务系统，从源头打通数据资源，另一方面也可以实现从数据提取、集成到数据清洗、加工、可视化的一站式分析，帮助企业真正从数据中提取价值，提高企业的经营能力。”某大型机械设备制造企业 CIO“大数据时代，传统行业想要从中创新获得新的生命力，不仅需要数据赋能，更需要结合自身营运体系和业务形态，明确企业转型的最终目标，然后确定路径并坚

48、持走下去。我司在进行数字化转型过程中，确立了数据化思维的上海品茶，通过业务模式、业务流程和企业组织的改造，实现了所有业务数据化，并且以故事型数据为分析平台找出潜在机遇与风险以快速响应市场变化。移动端 BI 数据应用，作为一种高效，敏捷，快速的数据沟通手段，营销层、管理层、领导层随时随地掌握全盘数据，把控营销预算，集中数据管理，统筹指标规划，移动端 BI 开发平台能够敏捷响应核心诉求，大幅降低IT 资源成本投入，提高企业效率。”某零售企业 CIO“BI 为我们集团提供了一个高效、易用、功能强大的数据数据与可视化工具平台，我们的 IT人员在掌握工具平台基础上，快速响应各业务部门及领导对于数据分析及

49、可视化的相关需求，并进行数据应用和数据价值挖掘的创新探索。”某能源集团 CIO17帆软数据应用研究院 按照从数据到知识的处理过程，BI 的功能架构如图 1-3 所示，分为数据底层、数据分析和数据展示三个层级。其中数据底层负责管理数据，包括数据采集、数据 ETL、数据仓库构建等环节，为前端报表查询和决策分析提供数据基础；数据分析主要是利用查询、OLAP 分析、数据挖掘以及可视化等方法抽取数据仓库中的数据，并进行分析，形成数据结论，将数据转化为信息和知识；最终通过数据展示层呈现报表和可视化图表等数据见解，辅助用户决策。具体地，对应到企业的决策与经营环节，BI 的运作流程如图 1-4 所示。首先从来

50、自 ERP、OA、财务等不同业务系统以及外部的数据中提取出有价值的部分。接着进行数据的处理与存储，经过ETL、数据清洗等过程，合并到企业级的数据仓库里，从而得到企业数据的全局视图。最后在此基础上利用合适的查询和分析工具、OLAP 工具等对其进行分析和处理，将数据信息转变为管理驾驶舱、中国式复杂报表、自助分析、多维分析等数据应用，从而为企业管理者和运营人员的决策过程提供支持。图 1-4 BI 支撑企业决策与经营的过程1.3.1 BI 的功能架构图 1-3 BI 的功能架构报表、可视化图表数据展示查询、OLAP分析、数据挖掘、可视化分析数据分析数据底层ETL数据仓库数据源 1数据源 2数据源 3B

51、I FUNCTIONS AND TECHNOLOGIES1.3BI 的功能与技术数据生产数据抽取数据清洗数据转换数据转载数据刷新帆软 BI 平台ERP 系统OA 系统财务系统外部数据元数据管理ODS/DW/DM填报数据管理驾驶舱多屏展示多维数据处理自助分析数据安全中国式复杂报表数据处理与存储数据应用18商业智能（BI）白皮书 4.0对照 BI 的功能架构，BI 的主要技术可以分为展示类、分析类和支撑类三个层级，如图 1-5 所示。图 1-5 BI 的技术体系1 展示类技术最核心的是展示类的数据可视化技术，抛开企业数据量级的不同和深度分析的需求，数据可视化技术能够满足最基本的 BI 目标，即将数

52、据转化为信息并辅助决策；数据可视化的具体形式又分为报表和可视化图表两大类，其中报表是我国大多数企业目前的主要数据展示形式。数据可视化旨在借助于图形化手段，清晰有效地传达与沟通信息。其基本思想是将数据库中每一个数据项作为单个图元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。例如柱形图、折线图和饼图等一些基础的图表就可以直观地展示出数据。当数据较为复杂时，可以通过复杂图表搭配多样的交互效果来将数据直观化。2 分析类技术其次是 OLAP、数据挖掘等分析类技术，能够基于现有数据提供更深入的洞察。数据挖掘技术需要

53、一定数据量的支撑，而企业不一定要等到数据量足够大时才能应用 BI，结合我国企业的信息化现状，数据挖掘目前并不是 BI 系统的关键技术需求。联机分析处理（OLAP，Online Analytical Processing）主要关注多维数据库和多维分析。OLAP 委员会对联机分析处理的定义为：使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一类软件技术。1.3.2 BI 的技术体系ETLOLAP数据仓库元数据管理大数据数据挖掘数据可视化展示类技术分析类技术支撑类技术19帆软

54、数据应用研究院 3 支撑类技术最后是支撑类技术，包括 ETL、数据仓库、元数据管理和大数据技术等，用于管理繁杂的、不断增长的企业数据，为整个 BI 系统体系提供持续的、强力的、稳定的支撑。数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策（Decision Making Support）。数据仓库的出现，并不是要取代数据库。大部分数据仓库还是用关系数据库管理系统来管理的，数据库、数据仓库相辅相成、各有千秋。ETL

55、 是 Extract-Transform-Load 的缩写，用来描述将数据从来源端经过抽取（Extract）、交互转换（Transform）、加载（Load）至目的端的过程。它是构建数据仓库的关键环节，数据仓库主要是为决策分析提供数据，所涉及的操作主要是数据的查询，所以ETL 过程在很大程度上受企业对源数据的理解程度的影响，也就是说从业务的角度看数据集成非常重要。大数据（Big Data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。顾名思义，大数据技术就是收集、存储、处理

56、、分析大数据的相关技术。当前大部分企业已满足大数据的 5V特征，因此，BI 引入大数据技术，旨在从大数据中快速获取价值。元数据（Metadata）又称中介数据、中继数据，用于描述数据属性的信息，是描述数据的数据（Data about data）。其使用价值主要在于在识别资源、评价资源、追踪资源在使用过程中的变化、实现简单高效地管理大量网络化数据、实现信息资源的有效发现、查找、一体化组织和对使用资源的有效管理。由于元数据也是数据，因此可以用类似数据的方法在数据库中进行存储和获取。20商业智能（BI）白皮书 4.01.4.1 按功能模式划分按照不同的功能模式，当前的 BI 可以分为报表式、传统式和

57、自助式三类。1 报表式报表式 BI 主要面向 IT人员，适用于各类固定样式的报表设计，通常用来呈现业务指标体系，支持的数据量不大。国内的报表式 BI 于1999 年左右开始起步，在 2013 年趋于成熟。由于国内企业对于报表格式的纠结和坚持，非常多的企业对表格式报表情有独钟，解决中国式复杂报表难题经常成为企业对 BI 工具选型时的重点需求。报表式 BI 大多采用类 Excel 的设计模式，虽然主要面向的对象是 IT人员，但是业务人员也能快速学习和掌握，并在既定的数据权限范围内，制作一些基本的数据报表和驾驶舱报表。2 传统式传统式 BI 同样面向的是 IT人员，但是侧重于 OLAP（Online

58、 Analytical Processing，联机分析处理）即席分析与数据可视化分析。传统式 BI 以 IBM 的 Cognos、SAP 的 BO 等国外产品为代表，其优势是面对大数据量时具有高性能和高稳定性，劣势也十分明显数据分析的能力和灵活性差。根据 Forrester 的报告，采用传统式 BI 的企业或机构中，83%以上的数据分析需求无法得到满足，这表明很多企业重金打造的 BI 系统几乎成为摆设，收效甚微。此外，项目耗资不菲、实施周期极长、风险大、对使用者技术要求高等特点，也不利于传统式 BI 的推广和普及。3 自助式自助式BI也叫敏捷BI。传统式BI屡遭诟病，而业务人员对数据分析的需求

59、不断增加，自助式BI应运而生。自助式 BI 产品较多，国外产品有 Power BI、Tableau、Qlikview，国内产品有 FineBI 等。自助式 BI 面向业务人员，追求业务人员与 IT人员的高效配合：让 IT人员回归技术本位，做好数据底层支撑工作；让业务人员回归价值本位，通过简单易用的前端分析工具，基于业务理解轻松开展自助式分析，探索数据价值，实现数据驱动业务发展。自 2014 年起，可视化数据分析、自助式 BI 在国内高速发展，传统式 BI 开始衰退。但是，自助式 BI 也不是万金油，企业在选择工具时应综合考虑自身需求及自助式 BI 的特点。与传统式 BI 相比，自助式 BI 主

60、要有以下几项优势，这也是自助式 BI 被称为敏捷 BI 的原因：快速部署。传统式 BI 系统从总体架构的设计到具体的部署环节，通常需要花费几个月的时间。而自助式BI 系统的部署不需要经历漫长而复杂的设计和建模过程，只需要不到一周的时间，企业就可以迅速进行数据分析和可视化项目的建设。THE TYPE OF BI1.4BI 的类型21帆软数据应用研究院 快速、灵活地应对需求。传统式 BI 给 IT人员带来较大的压力，大量需求堆积导致无法快速、灵活地响应。而采用自助式 BI，IT人员只需要负责整理基础数据架构，维护和开发接口，业务人员可以自行进行快速的可视化分析和报表分析。产品采购成本相对较低。传统

61、式 BI 产品的采购成本偏高，还有一些额外的培训和咨询服务成本。自助式BI 产品只着重解决某些问题，功能不一定大而全，因而相对便宜。工具使用起来简单、易上手。传统式 BI 面向 IT 或者数据等技术部门，对技术背景有一定要求，学习曲线陡峭，工具操作难度大；而自助式 BI 面向的对象是业务人员，工具操作简单、容易上手，一般通过简单的鼠标操作即可进行数据分析。总而言之，对于业务人员需要进行自主分析，解决重点关注问题，灵活应对业务需求，快速完成部署等场景，自助式 BI 是一个不错的选择。需要强调的是，这三类 BI 各有优劣，分别适用于不同的场景，不是绝对的相互替代的关系。它们，尤其是报表式和自助式

62、BI，将长期共存，供企业按需选择，直到信息化基础条件发生根本改变。参考 Gartner 所倡导的双模 IT 模式，建议企业根据自身数据应用成熟度来判断哪一类 BI 哪个更适合自己，或者是否需要结合使用。以图 1-6 中的双模 IT 下的帆软 BI 体系为例，报表式 BI 面向 IT人员，可用于固定的、大型的 BI 项目，自助式 BI 面向业务人员，可应对灵活、动态的分析需求。图1-6 双模 IT 下的帆软 BI 体系以业务为中心的自助大数据分析平台；主要面向业务和数据分析师，以问题为导向的探索分析；也支持报表制作具备业务逻辑和数据素养的业务人员或数据分析师传统 IT记录型信息系统稳定/可预测计

63、划驱动善于应对复杂场景数字化 IT差异化创新系统敏捷/探索性探索性驱动善于应对不确定场景双模IT产品产品定位 定位 典型用户典型用户典型功能典型功能以 IT 为中心的预定义报表平台；主要面向 IT 部门，为企业日常管理提供固定式的报表展示具备基础 SQL 知识的 IT人员固定式数据展现自主探索式数据分析复杂报表定时调度打印输出管理驾驶舱参数查询数据填报业务数据包Spider大数据引擎OLAP数据集故事仪表板自助数据集智能图表FineReportFineBI22商业智能（BI）白皮书 4.0按照部署模式的区别，BI 可以分为本地 BI 和云 BI 两类。1 本地 BI一般情况下，本地 BI 由于

64、需要用 Web 浏览器展示结果，所以通常部署在 Tomcat、WebLogic、WebSphere 等 Web 应用服务器下。部署方式主要有部署包、独立部署、嵌入式部署等。其中部署包方式是指在各 BI 工具的官方网站下载部署包，里面已经包含服务器环境配置和工程等内容，解压后即可使用；独立部署方式则需要先安装 Web 服务器和 JDK；嵌入式部署方式用于需要将 BI 服务器集成到其他工程中直接调用的情况。不同的 Web 应用服务器和部署方式在部署细节上有不少区别，这里不对技术细节展开讲述。2 云 BI云 BI 主要有私有云 BI 和 SaaS BI 两类。数据在哪里，BI 系统就部署在哪里。如果

65、企业的业务系统都还在本地，其实没有必要把 BI 系统放到云上，而且这么做并不会改善 BI 系统的使用体验。不过在云市场加速发展的大环境下，企业中的各种数据迁移至云是大势所趋，但为了保证数据安全，可能更多企业会选择私有云。根据 Gartner 关于企业上云计划的调研数据，75%的受访企业表示在 IT 基础设施建设和业务系统方面都有搭建私有云的计划，那么 BI 系统必然部署在私有云上。因此，“上云”对 BI 的要求就在于能够方便、快捷、稳定地连接云数据，让云数据参与分析。公有云的主要表现形式就是 SaaS BI，其中的 SaaS（Software-as-a-Service，软件即服务），是指由厂商

66、提供公有云部署，用户订阅的模式。从功能层面上讲，SaaS BI 的功能本地 BI 都可以实现，但是前者的长处在于灵活便捷，成本更低，因此更适合一些个人用户和中小型企业。例如，一个跨境电商平台上的卖家需要用大量的 Excel 数据做分析，应用本地 BI 当然是可以的，但他不可能花费几万元来购买本地 BI 工具，同时他自己的电脑也未必能支撑本地 BI 工具的计算量。采用 Saas BI 既能满足他的数据分析需求，又能有较高性价比，何乐而不为呢？另外，大企业或者拥有数据仓库的企业，通常是不可能把自己的数据放到公有云上的，而一些中小企业，其业务系统以 SaaS 软件为主，甚至没有自己的数据库，那么采用

67、 SaaS BI 就十分灵活，可以直接通过 API 接入用户SaaS 软件的数据进行分析。1.4.2 按部署模式划分23帆软数据应用研究院 02市场概况MARKET OVERVIEW24商业智能（BI）白皮书 4.0在经历了 2018 2020 年的增速持续下降后，2021 年全球 BI 市场终于迎来新的突破，增速开始上升。根据Gartner在Market Share：Analytic Platforms，Worldwide，202111报告中发布的数据，全球分析软件平台市场规模在 2021 年达到 293 亿美元，增长了12.8，较 2020 年的 6.0%提升不少。其中，分析与 BI 平台

68、市场规模以 20.91的增速达到 85 亿美元的市场规模，增速最快，同样高于 2020 年的 16.4%。与全球的情况类似，中国 BI 市场规模增速在 2021 年同样结束了持续放缓的趋势，得到大幅上升。根据IDC 2021下半年中国商业智能软件市场跟踪报告12显示，2021 全年中国 BI 软件市场规模达到 7.8 亿美元，同比增长 34.9%，与 2020 年 17.1%相比，市场增速大幅提高。并且对比下来，中国 BI 市场规模增速在近几年均高于全球，这和我国企业的信息化水平提升以及数字化转型浪潮等也有不小的关系。同时，在疫情防控取得显著成果，传统部署模式受影响大幅降低的情况下，我国 BI

69、 市场规模增速领先全球 BI 市场也不无道理。MARKET SHARE2.1市场规模图 2-1 2018 2021 年全球分析与 BI 市场规模和增速数据来源：Gartner规模单位：亿美元增速0.00%5.00%10.00%15.00%20.91%20.00%25.00%020406051.322.30%17.90%16.40%60.570.3858020202021图 2-2 2019 2021 年中国 BI 市场规模和增速数据来源：IDC 中国规模单位：亿美元增速0.00%8.00%16.00%24.00%32.00%02464.922.60%17.10%34.90

70、%5.87.88205帆软数据应用研究院 此外，如图 2-3，对比工信部发布的 2021 年中国软件市场份额数据13，可以看到近年来我国 BI 软件市场规模增速是大幅领先于整个软件业增速的，特别是在 2021 年，BI 市场增速达到了整体软件市场增速的两倍左右。这也说明了数字化转型的浪潮让越来越多的企业认识到了数据和 BI 的价值。随着企业数字化转型的持续推进，作为我国软件行业增长重要支撑的 BI 软件，将在更多的企业中得到应用并发挥巨大价值，其市场前景将继续向好。图 2-3 2014 年2021 年软件业务收入增长情况数据来源：工信部软件业务收入（亿元）（左轴）增速%（

71、右轴）05000600009000042848482325572800202021（快报）21.115.712.614.212.416.413.217.726商业智能（BI）白皮书 4.0TYPICAL CHARACTERISTICS OF DOMESTIC MARKET2.2国内市场的典型特征2.2.1 报表式 BI 与自助式 BI 双线发展2.2.2 国产适配和安全能力成为市场关键要求从Gartner 给出的 2021 年全球分析平台市场规模数据来看，分析和

72、BI 平台（即本白皮书中定义的自助式 BI）市场占据了细分市场份额第一的位置，而在往年处于这一位置的一直是企业报表平台（即本白皮书中定义的传统式 BI 和报表式 BI）市场，其市场规模增速仅为 3.1%，甚至此前在 2020 年经历了一次负增长。因此，从功能模式上来看，未来的主流 BI 产品将是自助式 BI。而自助式 BI 的高速发展，要归功于个人用户和企业业务人员这两类人群的需求。一方面，数据分析师职位持续火热，越来越多的个人用户在利用 BI 工具自由地探索数据。另一方面，简单灵活、低成本、业务驱动、快速实施等优势让自助式 BI 在企业中广受好评。可以预见，全民数据分析师的现象将引爆自助分析

73、的热潮。相比之下，传统式 BI 正处于持续衰退的过程，报表式BI 也难有较大的增长。不过在企业信息化基础条件发生根本变化之前，仍然有部分企业对传统 BI 有需求，报表式 BI 的市场份额也很难在短期内就被完全取代。当然这是全球的情况，中国 BI 市场较为不同，呈现出报表式 BI 与自助式 BI 双线发展的特征。也就是说，在自助式 BI 高速发展的同时，报表式 BI 在国内的表现依旧强势。大部分企业将报表式 BI 作为数据分析的基础，可以说它是我国的一个特色需求，是企业数字化和智能化的先行要素。Gartner 也在Market Trends:Chinese Enterprise Buyers I

74、ncreasingly Prefer Local Providers for Virtualization and Data and Analytics14报告中指出，“大多数企业仍需要传统报表，尤其是中国式的高度格式化的报表，而本地供应商也很好地满足了这一市场需求”。此外，报表式 BI 工具也能被业务人员快速学习和掌握，还可以满足不同人群的视觉展示需求，进行一些简单的即席分析操作，如图表类型的切换、排序、过滤等。例如帆软的 FineReport就是国内报表式 BI 的领导者，得到了众多国内企业的青睐。在客观信息安全要求和主观科技创新需求的双重驱动下，国家近年来聚焦信息产业技术创新，强调核心技

75、术的安全可控，软件自主创新成为刻不容缓的关键命题。因此，国家政府统一布局，出台各项利好政策为软件产业提供方向上的引导，也为各大软件厂商提供了开拓创新的土壤。在这样的产业和大环境背景下，作为国产软件的重要组成，可以预见的是国产 BI 将逐渐替代国外 BI 产品，持续扩大市场规模优势。在迎来发展新机遇的同时，国内市场也对国产 BI 产品提出了新的关键要求，即国产适配和安全能力。27帆软数据应用研究院 2.2.3 数据安全要求下企业对 BI 公有云部署持谨慎态度尽管云计算技术发展迅速，企业上云是大势所趋，但数据安全、上云顺序、云 BI 市场成熟度等因素让中国企业在选择部署模式时，仍然倾向于本地部署。

76、如图 2-4，综合 IDC 2020 和 2021 两年的商业智能软件市场数据，按照部署模式划分，公有云部署模式在 2020 年中国 BI 软件市场中占据了的比例仅为 12.9%，在2021 年也只有非常小的提升，而本地部署模式则在我国 BI 软件市场中占据了绝对的优势。IDC 在报告中指出，“中国公有云商业智能产品还有待培育，随着企业上云、数据上云的深入与扩大，预计在 2-3 年后公有云商业智能产品开始显现出广泛需求。IDC 预测，到 2025 年，中国公有云商业智能市场占总体市场的比例为24.9%，而同期美国市场这一数据将达到 56.0%。”因此，未来几年本地部署将仍是中国 BI 市场的主

77、流部署模式，而云部署模式将会以较慢的速度增长。数据来源：IDC 中国，2022图 2-4 商业智能软件市场按部署模式占比情况2021202012.90%13.20%87.10%86.80%本地部署&其他公有云具体地，对于安全层面，信息安全本就是软件自主创新要解决的问题，在自主可控的基础上，国产软件也不能忽视自身产品的安全能力保障。国内厂商应当强化自身产品的安全性，预防信息安全风险，并提供安全相关的配置，例如角色权限等。此外，随着自主创新进程的推进，企业势必拥有越来越多的国产软硬件，例如国产数据库，国产信息系统等。那么这些国产软硬件之间就需要具备良好的兼容性，最终形成互相配合互相兼容的国产体系。

78、因此在产品落地过程中，每个企业自主研发的工具软件都需要完成从芯片、整机到操作系统、中间件、数据库及上层应用的适配工作，这也是国产产品最关键的环节。以帆软自身为例，作为江苏省唯一被评选为国家信创委会员单位的 BI 厂商，帆软近年来一直在致力于解决信创落地“最后一米”的适配问题，持续推进与核心软硬件产业链中的上下游企业进行兼容性适配，保障企业自主创新进程的顺利。2022 年 5 月，帆软实现了三款软件共计 548 项功能点及用例的功能适配、性能适配、兼容性适配及可靠性适配，标志着帆软自主研发的信创产品能够为企业提供高度适配的应用场景。28商业智能（BI）白皮书 4.02.2.4 增强分析的应用和发

79、展存在时间滞后性从技术层面来看，业界对于 BI 未来技术趋势的研判主要集中在自然语言处理、自然语言查询、语音生成等增强分析技术上。增强分析是指“使用机器学习和 AI 等技术来协助数据准备、洞察生成和洞察解释，以增强人们在分析和 BI 平台中探索和分析数据的方式”。简单来说，增强分析就是指 BI 与机器学习和 AI 技术的融合，与大众对于 AI+BI 模式的期待是相同的意思。然而需要注意的，BI 产品功能与新兴数据技术融合的时间线受到企业信息化水平和用户需求的影响。与欧美发达国家相比，我国信息化水平整体较为落后，尤其是非互联网行业，因此，我国的 BI 产品更需要贴合中国的市场环境和中国企业的实际

80、需求，帆软数据应用研究院认为，增强分析在我国 BI 市场存在一定的时间滞后性。从图 2-5 中的调研数据来看，我国企业当前对自然语言处理、自然语言查询、语音生成等增强分析技术的应用程度非常低，尽管绝大部分的受访企业都认为它们是将来的主流趋势。因此，如图 2-6，帆软数据应用研究院预测国内 BI 市场将在 2025 年左右才会出现明显的增强分析需求。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 2-5 中国企业当前应用的 BI 技术85.11%76.60%61.70%51.06%44.68%40.43%38.30%12.77%4.26%4.26%2.13%数据可视化数据仓库ETL大数据

81、分析数据挖掘OLAP 分析元数据管理自然语言语音识别与处理图像识别与处理其他图 2-6 中国 BI 与 AI 技术融合的发展趋势202020252030数据挖掘预测分析自然语言生成增强数据发现.嵌入式分析图分析会话分析.29帆软数据应用研究院 03应用落地APPLICATION30商业智能（BI）白皮书 4.0管理价值蓝图从企业战略出发，旨在依托 BI 驾驶舱平台支撑战略目标的层层分解，支撑经营管理行为闭环，从而极大提升企业数据化管理水平，如图 3-1 所示。具体地，在顶层通过管理驾驶舱平台实现战略监测、经营监控、管理分析和专项行动跟踪等目标；落实到具体业务上，通过把控发展方向、发现经营问题、

82、分析问题原因、落实改进行动等过程，并辅以定期的回顾调整，从而形成完整的战略经营管理闭环，带来企业管理的持续优化。BUILDING A BI VALUE BLUEPRINT3.1构建 BI 价值蓝图构建价值蓝图是企业应用 BI 时非常重要的一环。很多企业都明白 BI 的价值，然而在实际应用时却不得其法，有痛点有需求但是不知道该怎么用，用在哪里，或者大材小用，局限于某个简单微小的业务问题。企业缺少体系化的价值蓝图来指导后续的 BI 建设与应用，BI 的价值也就无法得到充分释放。因此，企业在实际应用 BI 时，需要从痛点出发，将 BI 价值与管理及业务目标相结合，描绘 BI 建设带来的价值蓝图和实施

83、路径，形成一个完整的 BI 系统并实现经营管理闭环。具体地，BI 价值蓝图又分为管理价值蓝图和应用价值蓝图。3.1.1 管理价值蓝图图 2-1 管理价值蓝图战略监测战略规划与调整把控发展方向发现经营问题定期回顾调整战略回顾与考核分析问题原因落实改进行动经营监测关注重点关注重点关注重点关注重点关注重点管理分析落实行动经营监控管理分析帆软 BI 管理驾驶舱平台战略经营管理闭环专项行动关键 KPI 绩效监测常规业务经营指标业务专题分析剖析业务原因战略行动方案跟进专项改进行动跟进市场环境行业竞争战略地图外部环境监测行业竞争分析战略地图监测经营仪表盘经营指标库财务分析营销分析运营分析人力分析专项进度监控

84、专项明细跟踪战略目标达成监测部门绩效考核评估31帆软数据应用研究院 应用价值蓝图则聚焦数据应用流程的优化，从而扩大数据应用产生的价值。如图 3-2 所示，理想的数据化状态应该是从大量低水平重复的数据获取、整理工作中解放出来，有更多的时间用于自服务的报表及分析，做多维度多场景的运营分析与预测。以帆软某航空公司客户为例，在实现信息化全面覆盖的过程中积淀了海量数据，但是和大多数企业一样，这些海量数据没有发挥出新时代应有的作用，该公司每天都需要做很多重复的数据获取、整理工作。应用BI后，该公司聚焦整个数据应用流程的优化，打通数据孤岛、规范数据目录、管控数据质量、拥抱数据共享。经过前后的对比，该公司整体

85、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，实现了真正的降本增效。3.1.2 应用价值蓝图没有时间进行高价值的运营分析很少或没有预测性业务分析工作重点是“追查”的差异工作基于Excel基础报表Excel图形化报表电子邮件分发静态报表繁多的人工审查工作多次反复，查询，对账无法实现对结果控制的自动化获取和验证数据的工作量大不能自动连接到数据源花费的时间%产生的价值经营分析报表准备、核对、发布控制审阅、批复数据获取数据收集、转化、核对付出的努力花费的时间产生的价值付出的努力基于智能分析平台的多维度、多场景的运营 分析及预测钻取、切片、关联提高透明度用户驱劢，自我服务的报表及分析工具

86、工作流程管理，实时监控的依赖关系，完成 时间和状态基于临界值的自动警报接口自动更新数据的能力针对多个数据源的自动数据采集、清洗、装载%经营分析报表准备、核对、发布控制审阅、批复数据获取数据收集、转化、核对图 3-2 应用价值蓝图32商业智能（BI）白皮书 4.0磨刀不误砍柴工，好的工具能够让企业的 BI 应用事半功倍。面对市场上鱼龙混杂的 BI 工具，企业需要建立标准的选型流程，以“合适”为原则，避开选型误区，找到真正适合自己的 BI 工具。对于企业来说，选择一个 BI 工具需要综合考虑各项选型指标，并不是价格越高越好。从调研结果来看，排在前三位的分别是易用性、数据整合能力和采购成本，如图 3

87、-3 所示。面对越来越繁杂的数据和降本增效的压力，企业在选购 BI 工具时也越来越重视整合数据和采购成本等方面的考量，并且相信厂商的品牌能够为工具质量提供有效保障。数据来源：帆软&信众智（CIO 智力输出及共享平台）&CIO 时代学院图 3-3 中国企业的选型关键要素基于调研结果和其他选型参考，我们将选型指标大体分为工具、厂商、市场三个方面。产品易用性好，便捷高效具备数据整合能力价格合理，性价比高界面功能丰富，展示功能强大稳定性高，性能强大完善统一的解决方案，专业能力强全面的服务支撑，无后顾之忧大品牌，客户多，口碑好83.17%74.26%62.37%71.29%59.41%51.49%46.

88、53%85.15%TOOL SELECTION3.2BI 工具选型33帆软数据应用研究院 1.易用性易用性决定 BI 平台的整体使用体验，是影响用户持续使用的首要因素。BI 工具的易用性主要体现在上手难度、交互体验、学习资源丰富度等方面。例如很多 BI 工具都有“零编码设计”的理念，目的是最大限度地降低用户的上手难度，降低学习门槛和成本。此外，由于使用 BI 平台的人员职能各有不同，各方面素质也有不小差别，因此对于不同的使用对象，BI平台的交互体验是否足够好，是否能满足他们的需求就非常重要。最后，易用性还要求 BI 工具为用户的学习提供方便，也就是提供多种多样的学习资源，例如帮助文档、教学视频

89、、技术方案、问答等。这些附加内容帮助用户在快速入门后进一步提升对 BI 工具的应用能力，也为企业创造更多的数据应用价值。2.性能性能决定着 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。大部分公司会通过 Hadoop、Spark 等大数据架构，配以BI 工具做数据层面的分析，搭建一整套大数据分析平台。大数据分析很关键的一点便在于性能：取数快，分析响应快，能实时处理数据。这些性能特征除了与平台的底层技术架构相关，与 BI 工具的性能也有很大关系。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

90、受的。3.功能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。总体来看，考虑 BI 工具的功能时，一定要符合强大、灵活、易用、安全、可视化程度高的特点。4.采购成本BI 工具选型通常会受到财务预算的限制，因而采购成本也是不少企业在选型时重点考虑的因素。然而，对采购成本的控制不等于简单的报价和还价，价低者为最佳，还包含对很多隐性因素的考量。企业需要格外注意两点：一是综合考虑各项成本，二是学会用 ROI（Return On Investment，投资回报率）模型量化价值。具体来说，企

91、业采购和应用 BI 工具（产品）的成本通常包括：许可证的购买成本（初始的采购成本，年费模式下还包括续费成本）、实施成本（初始的实施成本和持续的运维成本）、厂商服务费用（产品升级与技术支持费用），以及产品的学习和使用成本等。对于ROI，理解起来非常简单，就是指投资回报率，或者投入产出比，用预测的量化价值除以成本即可得到。这里的量化价值除了节省的人力成本等显性经济收益外，还包含一些隐性的管理收益，例如效率提升、职能转变、员工能动性增加等。在有限的投入下，综合考虑采购成本，并以ROI 模型量化 BI 工具的产出价值，能够帮助企业弄清楚自身到底需要什么样的 BI 工具。BI 选型的首要因素是工具自身，

92、具体可以从易用性、性能、功能、采购成本四个方面进行考虑。3.2.1 工具34商业智能（BI）白皮书 4.0除了前面列出的工具相关要素外，BI 厂商的能力也是选型时需要考虑的重要方面。毕竟从某种意义上来说，BI 厂商的能力决定着 BI 工具的优劣。在厂商层面，主要考虑解决方案、服务和品牌三个要素。1.解决方案解决方案是 BI 厂商能力的一个重要表现，是否拥有具体行业的解决方案反映出厂商对该行业的 BI 应用是否积累了丰富经验，对行业特点是否有较为透彻的了解。随着企业对 BI 工具使用熟练度的增加，对解决方案的诉求也在不断提升，期望将工具与企业具体业务做更好的结合，从而产出更大的价值。完备的行业解

93、决方案能够帮助企业精准定位业务问题，对症下药，得到的效果自然也就更好。2.服务很多人都将关注重点放在 BI 产品的能力上，而忽视了 BI 厂商服务的重要性。其实，一旦 BI 产品在使用中出现问题，如果厂商无法提供服务，企业就需要再投入成本进行后期维护，这项工作极其困难而繁重。因此，在选型时要充分考虑厂商是否提供本地化服务，是否能快速响应，是否有完善的问题解决机制等，并且还要考虑对于企业一些特定的需求，厂商是否能提供服务支持对 BI 产品的二次开发。3.品牌品牌是 BI 厂商整体实力、市场占有率、用户认可度和口碑的综合体现，无论买什么，选头部品牌总没错。在 B2B 领域，品牌就是厂商的形象。关于

94、 BI 厂商品牌的评估，可以先看厂商的运营方式，比如是一站式服务还是组合式服务，再看厂商的经验和积累的口碑，比如是否有众多的成功案例，是否给企业客户带来了很大的价值。3.2.2 厂商3.2.3 市场所谓大浪淘沙，市场就是最好的试金石，是工具和厂商两大要素的综合体现。激烈的市场竞争会自动淘汰掉产品能力差、生命周期短的 BI 工具，因此 BI 工具的市场占有率、行业地位、领先程度在很大程度上说明了其优越性，是 IT 进行选型的首要考虑标准。35帆软数据应用研究院 易用性性能功能工具厂商市场采购成本厂商能力市场表现上手难度交互体验学习资源丰富度速度/支持的数据量级稳定性数据准备数据填报数据处理数据分

95、析与可视化平台管控需求场景切换综合成本ROI品牌服务解决方案占有率/地位比较项 优势劣势得分权重需要进一步了解的情况表 2-1BI 工具选型评分表目前来说，国外市场主要的两个行业领导者分别是微软的 PowerBI 和 Tableau。在 Gartner 发布的Magic Quadrant for Analytics and Business Intelligence Platforms,202215报告中，Power BI 和 Tableau均位于领导者象限。国内市场的领导者则是连续多年登顶 IDC 中国 BI 市场跟踪报告的帆软软件。其实早期国内 BI 市场被大量国外产品所占据，但是随着我国

96、大数据产业迅速发展，政府出台各项扶持政策，大量创新企业迎来发展机遇，国产 BI 工具也崭露头角。同时，在数字化转型大势下，国内企业尤其是大型企业和部分对安全性要求较高的企业对国产化的诉求进一步提升，加之国外厂商在国内市场环境下出现的“水土不服”现象。并且国内 BI 厂商在本地化服务和落地能力上确实更具优势：更了解国内企业经营的痛点；提供的项目实施、技术支持、学习与培训等本地化服务也更贴心，并且项目实施后的运维更加方便；BI 上下游的不同国产软件企业间还互相提供了接口进行融合等。这些都为国内 BI 厂商带来了更多的机会。IDC 2021 年下半年中国商业智能软件市场数据跟踪报告12显示，国内 B

97、I 厂商帆软超越 SAP、Microsoft、IBM、SAS 等众多国际巨头，市场占有率位列第一，这也是帆软第 5 次问鼎国内 BI 市场。可以预见，在大量利好政策和创新土壤的孕育下，国内市场将出现更多国产 BI 产品，与国外产品共同竞争，而国内优秀的 BI 产品将受到更多关注。将以上选型要素作为指标，可以制作成一张 BI 工具选型评分表，如表 3-1 所示。企业在选型时针对每个指标项，考虑BI工具的优势、劣势以及需要进一步了解的情况，根据评估维度打分后再按照权重计算总分。当然，企业也可以根据自身的选型需求对表格进行调整。36商业智能（BI）白皮书 4.0场景是企业某一类具体问题和需求的体现，

98、只有在明确场景的前提下，BI 应用才有落脚点，才能充分发挥数据的价值。BI 在企业中的应用主要分功能应用和业务应用两类。1.数据大屏数据大屏（有时也简称为大屏）一般是指大屏这一载体，大屏中的内容更多时候被称为“管理驾驶舱”（也可简称为驾驶舱）。管理驾驶舱是一个为管理层提供的一站式决策支持的管理信息中心系统。管理驾驶舱以虚拟驾驶舱的形式，用各种常见的图表形象展示企业运营的关键性能指标（KPI），直观地监测企业运营情况，并且可以对异常指标进行预警和分析，如图 3-4 所示。一般来说，管理驾驶舱可以分为战略型驾驶舱、操作型驾驶舱和分析型驾驶舱等三类。战略型驾驶舱主要面向企业总经理、CEO、CFO 等

99、高层管理者，其作用主要是让使用者快速掌握企业的运营情况，并据此快速做出决策，总结过去的经营情况或拟定未来的战略目标。战略型驾驶舱仅需要简洁展示关键任务的信息，这些直观的信息有助于管理人员迅速决策，定位和诊断出运营中存在的问题。操作型驾驶舱从业务需求出发，实现对业务状态和问题的提醒、监控和预警。它强调持续地汇报实时信息，因而对数据的时效性要求较高。操作型驾驶舱提供的信息，使小问题演变成棘手的大风险之前及时被发现和解决，并有助于递增地提高业绩。操作型驾驶舱要。分析型驾驶舱面向中层管理人员，需要直接、显性地展现问题，关联可采取的行动，并且提供行动的优先顺序。与其他两类驾驶舱相比，分析型驾驶舱展示的信

100、息会更细，包含多个因素及变量之间随时间变化的细节对比，其核心是能讲出数据背后的故事，即业务问题及原因等，而不是空洞地展示数据。数据大屏的页面开发可以通过报表式 BI 或自助式 BI 来实现。随着企业经营管控需求的逐渐增多，部分厂商更是在 BI 产品中单独设计了数据大屏开发模式。例如帆软 FineReport 的 FVS 大屏编辑模式插件，就是专为大屏可视化场景打造的产品，能够让大屏开发兼具 B/S 端开发的便捷性、高效率和 C/S 端开发的安全性、稳定性，并且支持各类三维组件，如图 3-5 所示，让智慧智慧城市、智慧园区、智慧工厂等 3D 可视化场景触手可及。功能应用源于企业对某些特定 BI

101、功能的需求，是从功能出发寻找适合的应用场景。除了基础的数据查询和可视化分析，典型的 BI 功能场景有数据大屏、移动应用及自助分析等。3.3.1 典型功能场景BI APPLICATION SCENARIOS3.3BI 应用场景37帆软数据应用研究院 2.移动应用移动时代，无论工作还是生活，都离不开智能手机和移动应用。对于 BI 项目来说，在移动端查看和分析数据是必不可少的一个需求。移动应用的落地能够使领导及业务部门不受时间与地点的约束，随时随地做分析和决策。由于移动端本身的特性，BI 在移动端上的功能和 PC 端相比有所扩展，除了常规的数据分析外，还有消息推送、手机扫码、应用集成等。移动数据分析

102、的重点在于满足管理者随时随地、方便快捷地获取重点经营数据的需求。通过这些移动数据分析应用，管理者能够及时发现问题，改进管理制度，促进业务指标的达成，而业务人员也能够即时进行业务分析和处理日常事务。消息推送的目的就是将模板与数据定期推送给业务人员，形成对数据的黏性，充分挖掘数据价值。绝大多数企业会将消息推送作为 BI 移动应用的基础功能。而因为手机短信的用户体验不友好、企业自有 App 对用户触达率不高等原因，消息推送功能经常被集成在微信中。除此以外，消息推送还可以用于业绩达成通报、流程管控、数据预警等多个方面。利用二维码/条形码展现数据标识，然后通过手机识别，可以极大地简化数据查询操作，因此也

103、是 BI 移动应用通常会提供的基本功能。常见的扫码应用有手机电子发票报销、设备管理、扫码巡场、扫码填报等。企业中的数据来源于各式各样的业务系统和 App，而 BI 系统在进行数据分析之前必须先获取数据。因此，BI 移动应用就经常需要与以移动办公为主的各类移动应用集成，例如微信/企业微信、钉钉、SDK、泛微OA、致远 OA 等。3.自助分析自助分析场景和前文提到的自助式 BI 和自助分析模式是紧密关联的。它强调 IT人员与业务人员的配合，可以用“IT人员准备数据，业务人员自主分析”来概括。由于传统 BI 分析模式存在弊端以及全民争当数据分析师的热潮，自助式 BI 和自助分析模式迅速兴起，市场已经

104、从“IT 主导的报表模式”向“业务主导的自服务分析模式”转变。而且，这一转变的价值在企业中也得到验证，也就是说自助分析模式的确能够解放 IT人员，赋能业务，提高效率。图 3-4 在会议中心/指挥中心/监控中心进行数据可视化集中管控图 3-5 智慧园区监控大屏38商业智能（BI）白皮书 4.0与从功能寻找场景相反，业务应用是从业务的角度来了解企业各种各样的应用场景如何用 BI 来实现。这里的业务场景指具体的业务活动，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。不同的企业规模各异、业务千差万别，但一般都有很强的行业属性，以

105、行业为维度，我们在图 3-6 中总结了12 个行业的一些常见业务应用场景。图 3-6 不同行业的常见业务场景3.3.2 常见业务场景车辆信息管理公交预警监控交通运输大数据平台车次损失分析智能电站、智慧电厂能源互联网坚强智能电网泛在电力物联网智慧能源综合服务平台工程数字化指挥中心、智慧工地客户管理平台业财一体化项目管理数据应用招采供应管理分析交通运输物流电力新能源建筑行业医疗客源挖掘科研管理分析运营管理型数据平台集团数据化管理医疗服务分析管理驾驶舱数据治理监管报送精细化自助分析全面风险管理精益生产管理精益供应链管理智能制造可视化应用报表体系建设无纸化工厂医疗行业证金保险期货电子电气数据化智能排产

106、数据化经营会议阿米巴数据经营平台能源化工数据中心数字化园区信息共享平台银行小秘书行长驾驶舱直销银行智能化网点小微金融数字领导力管理驾驶舱、数据大屏运营管理系统流程精细化房地产决策分析平台化工行业银行行业地产行业精准医疗智慧医药生态链医药大数据平台医药风控产销协同供应链管理分销商管理导购管理买手智能下单全渠道建设精准营销自动配货会员管理到店客流监测生鲜运营零售行业时尚行业医疗健康39帆软数据应用研究院 04总结展望SUMMARY ANDEXPECTATION40商业智能（BI）白皮书 4.0前文的 BI 定义中提到，BI 的价值体现在满足企业不同人群对数据查询、分析和探索的需求，从而为管理和业务

107、提供数据依据和决策支持。要实现这一价值，那么 BI 势必要朝着两个方向发展，即用户体验的提升和业务价值的提升。而对于管理价值的提升，BI 本身以数据驱动决策就是其管理价值的体现。从业界对于 BI 发展趋势的研判中也不难看出这两大发展方向。不论是增强分析还是嵌入式分析，亦或是可组装式分析等，其核心目标或者说当前的核心目标都是为了提升用户体验和业务价值。以增强分析为例，Gartner 在Magic Quadrant for Analytics and Business Intelligence Platforms,202215中指出“增强的重点越来越多地从分析师角色转移到消费者或决策者。”此外，除

108、了增强能力，很多供应商也开始组合低代码/零代码自动化工作流和应用程序，以期获取更情景化的见解，聚焦于决策流程和业务价值。这表明用户将不再满足于数据分析本身的价值，而是希望结合业务场景，结合决策流程，去挖掘更多的业务价值。因此，我们可以说增强分析能力增强的是业务价值和用户体验，可组合性组合的也是业务价值和用户体验。具体到产品能力，用户体验和业务价值则是体现在敏捷易用这一特征上。BI 产品只有达到足够的敏捷易用，用户才能获得更好的使用体验，业务价值才能更快更轻松地得到实现。那么怎样的 BI 产品才是真正的敏捷易用呢？帆软数据应用研究院认为，对敏捷易用最简单的判断方式不是厂商市场宣传文案中鼓吹的敏捷

109、 BI第一，因为并没有专业第三方出具相应的评测榜单，而是要看产品是否满足以下两点要求：（1）学习路径是否简单清晰；（2）功能操作复杂度是否大于业务逻辑复杂度。学习路径和功能操作复杂度真正决定了用户能否快速上手，能否快速实现业务分析并从中获取价值。以帆软 FineBI 为例，首要的目标就是整体的交互布局以及操作路径要清晰，各项功能的入口要容易找到，分析路径也要更明确，操作起来要给予用户丝滑体验；其次对于功能上要做到操作简化，功能强大。例如其深度分析能力的目标就是分析再复杂，1个函数就够。90%以上的业务人员习惯于用 Excel 来进行数据分析，那么FineBI 就按照客户习惯，引入 def 函数

110、体系，让操作更便捷同时降低使用门槛，实现真正的零 IT。再如其数据解释功能，便是通过增强分析来提升用户的分析体验和对业务价值的理解，用户在组件中选择某一数据点，便能够获取针对该点数据的详细解释。相信通过敏捷易用驱动用户体验和业务价值的提升，BI 将在企业的信息化建设和数字化转型过程中发挥更大的价值。敏捷易用驱动用户体验和业务价值提升TREND OUTLOOK4.1趋势展望41帆软数据应用研究院 本白皮书由数字进化论切入，从基础认知、市场概况和应用落地三个方面对 BI 进行了详细的介绍。在序章的数字进化论部分，我们基于数字进化过程，提出了数字进化三阶段和转型加速度模型，来分析进化速度和成熟度的影

111、响因素，并将观点和模型映射到企业数字化转型过程，诠释 BI 在其中的重要作用。在基础认知部分，我们首先研究了BI概念的由来与发展，并结合企业的认知和诉求对BI进行了重新定义，使其符合我国的市场环境。同时，我们也系统梳理了 BI 的相关概念和行业定位。接着，我们从管理、业务和IT 三个方面描述了 BI 的具体价值，并结合了企业的实际案例来增强价值感知。此外，我们分析了 BI 的功能架构和技术体系，并按照功能模式和部署方式对 BI 做了分类。我们希望通过基础认知部分的内容，能够帮助读者建立对整个 BI 体系的清晰理解。在市场概况部分，我们基于市场数据的对比分析，得出了“我国 BI 市场规模增速领先

112、全球 BI 市场”、“我国 BI 市场规模增速领先整体软件市场”等结论，由此可见 BI 的价值被更多企业认可，前景向好。在市场规模的基础上，我们系统分析了中国 BI 市场的典型特征。“报表式 BI 与自助式 BI 双线发展”、“国产适配和安全能力成为市场关键要求”、“数据安全要求下企业对 BI 公有云部署持谨慎态度”、“增强分析的应用和发展存在时间滞后性”等典型特征都表明中国市场具有其明显的特色。企业在应用 BI 时，要看到这些典型特征，避免盲目照搬国外企业的路径和场景。在应用落地部分，我们按照价值蓝图、工具选型、应用场景的逻辑介绍了企业在应用 BI 时的相关环节和注意事项。企业在实际应用 B

113、I 时，需要从痛点出发，将 BI 价值与管理及业务目标相结合，描绘 BI 建设带来的价值蓝图和实施路径，形成一个完整的 BI 系统并实现经营管理闭环。在工具选型时，企业可以从工具、厂商和市场三个维度来综合考量 BI 产品的优势和劣势，我们在白皮书中给出的工具选型评分表就是一个有效的参考工具。此外，企业应用 BI 一定要落实到场景上，没有场景是无法看到实际价值的，而 BI 在企业中的应用场景主要是功能场景和行业场景两类。最后，我们也对 BI 发展方向进行了研判。我们认为，用户体验的提升和业务价值的提升将是未来 BI 发展的主要方向，具体在产品能力上的体现则是敏捷易用。而判断 BI 产品是否敏捷易

114、用的关键就在于学习路径的简单清晰和功能操作复杂度的降低。如今，BI 在众多的企业中得到了实践与认可，成为了企业数字化转型的排头兵和不可或缺的一部分，其价值得到了充分的体现。对于企业来说，在数字化转型的浪潮中，应当不断强化数据基础，运用辩证思维，拒绝盲目照搬和盲目追求智能，稳步按照企业的切实需求进行 BI 系统的建设，稳步推进数字化转型。相信未来 BI将为企业和从业者带去更多的价值，也为企业数字化转型带来更大的力量。EPILOGUE4.2结语42商业智能（BI）白皮书 4.0参考文献本白皮书由帆软软件有限公司版权所有，并受有关商标和著作权的法律保护，部分文字和数据采集于公开信息，所有权为原著者所

115、有。未经许可，任何组织和个人不得以任何方式或途径复制或传播，包括但不限于复制、录制，或通过任何数据库、在线信息、数字化产品或可检索的系统，特此声明。本白皮书中的行业数据主要为三方研究人员采用文献研究、市场调查及其他研究方法获得，企业数据主要为问卷调研与访谈获得，其数据结果受到样本的影响，仅代表调研时间和人群的基本状况，仅服务于当前的调研目的。受研究方法和数据获取资源的限制，本白皮书仅作为市场和客户的参考材料，帆软软件有限公司对该白皮书的数据和观点不承担法律责任。版权声明免责声明1.赵计刚.基于数据仓库的制药企业商务智能系统的设计与实现 D.复旦大学,2011.2.Gartner Glossar

116、y:Analytics and Business Intelligence.3.Negash S.,Gray P.Business Intelligence.In:Handbook on Decision Support Systems 2.International Handbooks Information System.2008,Springer,Berlin,Heidelberg.4.Muriithi,G.M.and J.E.Kotz.A conceptual framework for delivering cost effective business intelligence s

117、olutions as a serviceC in Proceedings of the South African Institute for Computer Scientists and Information Technologists Conference,2013,96-100:ACM.5.Steve Williams.Business Intelligence Strategy and Big Data Analytics：A General Management PerspectiveM.2016.6.余长慧,潘和平.商业智能及其核心技术 J.计算机应用研究,2002(09):

118、16-18+28.7.郑洪源,周良.商业智能解决方案的研究与应用 J.计算机应用研究,2005(9):98-100.8.王飞,刘国峰.商业智能深入浅出 M.机械工业出版社,2014.9.帆软数据应用研究院.商业智能（BI）白皮书 2.0,2019.910.中国信息通信研究院.大数据白皮书（2020 年）,2020.1211.Gartner.Market Share:Analytic Platforms,Worldwide,2021,2022.512.IDC 中国.2021 下半年中国商业智能软件市场跟踪报告,2022.713.中华人民共和国工业和信息化部.2021 年软件和信息技术服务业统计公

119、报,2022.114.Gartner.Market Trends:Chinese Enterprise Buyers Increasingly Prefer Local Providers for Virtualization and Data and Analytics,2021.115.Gartner.Magic Quadrant for Analytics and Business Intelligence Platforms,2022.3商业智能研究公众号帆软官方小程序地址：江苏省无锡市锡山区丹山路66号兖矿信达大厦2/3/4/5层商务咨询电话：400-811-8890转1帆软官网：https:/研究院官网：https:/