1、CIO智力输出及社交平台商业智能（BI）白皮书 3.0?帆软数据应用研究院信众智（CIO智力输出及共享平台）企业网D1Net2021.11前言INTRODUCTION数据的地位仍在不断攀升。从成为企业关键生产要素到“十四五”规划中数字化的独立成篇，从数字经济成为构建新发展格局的支柱到数字化、数据管理、数据治理成为企业转型的主旋律，数据已经成为社会发展、经济发展和企业发展的新动能。水涨船高，在数据应用建设的热潮下，企业级全面数据决策能力和数据价值洞察，将商业智能（Business Intelligence，BI）应用推上新的风口浪尖。通过整合、组织和分析数据，BI 将数据转化为有价值的信息，为企

2、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。2020 年，BI 市场规模再次实现了较高的增长，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 2.0 之后帆软数据应用研究院第三次就商业智能发布白皮书。本次帆软数据应用研究院联合信众智（CIO 智力输出及共享平台），在 2.0 版本的基础上，对内容进行了全面的升级。围绕概念、应用和趋势三个篇章，本

3、白皮书聚焦国内企业对 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 BI 在企业中的常见应用场景做了介绍，并对整个 BI 行业市场、产品方向、功能技术等趋势进行了更新。此外，本白皮书还基于大量用户的 BI 落地实践，总结出了有效的 BI 应用经验。希望本白皮书的分析可以为我国企业的 BI 建设与数字化转型提供参考和指导。028323537411.1 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 构建 BI 价值蓝图2.2 BI 工具选型2

4、.3 BI 应用场景3.1 行业市场趋势3.2 产品方向趋势3.3 功能技术趋势向 DA 生态系统迈进概念篇/应用篇/趋势篇/展望与建议/CONCEPTAPPLICATIONSTRENDSOUTLOOK AND RECOMMENDATIONS目录CONTENTS010203041帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net01概念篇CONCEPT02商业智能（BI）白皮书 3.0BUSINESS 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

5、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、

6、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 incl

7、udes the applications,infrastructure and tools,and best practices that enable access to and analysis of information to improve and optimize decisions and performance2（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

8、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 1-1中的数据价值展现角度，数据转化为信息，升级为知识，升华成价值的过程中要用到的种种技术和工具，就是 BI。BI 即 Business intelligence，中文译为商业智能、商业智慧或商务智能。1.1.1 BI 的定义03帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net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 BI 定义进行了整理。图 1-1 数据的价值展现表

9、1-1 BI 的主流定义数据信息知识价值数 据 转 化 为 价 值1996Gartner32008Negash&Gray2013Gartner2013Muriithi,G.M.&J.E.Kotz2016Steve Williams2002余长慧 潘和平郑洪源 周良王飞 刘国峰20052014一类由数据仓库（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

10、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、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

11、 to provide input into the business decision making processAn 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 rel

12、evant reports,scorecards,dashboards,e-mail alerts,prestructured 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 deliv

13、ering cost effective business intelligence solutions as a service时间国外国内来源定义5467804商业智能（BI）白皮书 3.0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

14、多的内容。2.企业认知与用户诉求Gartner 对 BI 做出了很正式的定义，但是由于国内外市场环境的差异以及 BI 在企业中的应用形式多样，国内用户对于 BI 的理解可谓千差万别。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。近日，帆软数据应用研究院联合企业网 D1Net，再度对 100 余家中国企业的 CIO 进行了访谈调研。如图1-2 所示，从了解程度上来看，BI 已经被大众所熟知，不了解 BI 的受访企业占比仅为 1%。此外，超过 75%的受访企业对 BI 都达到

15、了比较了解的程度，同时对 BI 市场动态也有所关注。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-2 中国企业对 BI 的了解程度非常了解，概念，价值，产品，厂商都清楚在持续关注市场.比较了解，清楚市场，有关注过市场动态一般了解，知道是什么，能做什么不太了解，只是听说过27.52%48.62%22.94%0.29%05帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net尽管 BI 已经被广大企业所熟知，但企业对 BI 的理解仍处于千人千面的状态。图 1-3 的调研结果也再次印证了这一点。其中，对 BI 的主流理解依旧是数据可视化。值得关注的是，将 B

16、I 理解为一整套解决方案的受访企业占比达到了66.67%，这表明不少企业对 BI 的认知开始向 BI 的定义看齐。再看诉求层面，“辅助决策，提升决策效率”依旧是企业整体上对于 BI 的主要应用场景诉求，这也是 BI最根本的目的。具体到管理和业务上，场景需求的受访企业占比区别不大，两年的变化也不大，提供管理依据、提升业务分析和效率都是企业应用 BI 的重要驱动因素。再到 IT 层面的求，“整合多系统数据，打通数据垒”和“提高报表制作效率，解放 IT人员”两大场景诉求在今年的调研结果中出现了大幅的攀升，如图 1-4 所示。这一变化揭示了企业对于数据端和 IT 端需求的增多，在数据成为生产要素的同时

17、，整合和效率也成为了企业不得不面对的重点问题。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-3 中国企业对 BI 的理解将数据转化为知识的一整套解决方案商业智能工具/软件支撑企业决策的数据可视化服务数据分析服务其他66.67%63.89%77.78%31.48%0.92%06商业智能（BI）白皮书 3.0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 1-4 中国企业对 BI 的主要应用场景诉求具体到业务和技术上，图 1-5 和图 1-6 的调研数据显示，中国企业应用 BI 优先解决的 5 大业务问题分别为：支持分析和数据科学、成本控制/优化、业务创新/

18、业务模式变革、生产/运营能力优化和业务流程自动化/优化。5 大技术问题分别为：自助报表，分析和可视化、数据集成，虚拟化和流数据处理、企业业务应用连接(CRM、ERP、SCM 等)、数据质量，数据准备和数据增强和业务流程集成。总结以上调研结果，我们可以清晰地得出企业对于BI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。20212020整合多系统数据，打通数据壁垒辅助决策，提升决策效率提高报表制作效率，解放 IT人员业务监管和分析，推动业务模式转型提供管理依据，优化管理方式提高业务运行效

19、率，优化业务流程客户行为洞察，360 度客户管理77.10%72.70%52.40%62.30%40.30%54.10%35.50%85.11%63.83%59.57%63.83%74.47%87.23%25.53%07帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net数据来源：帆软&信众智（CIO 智力输出及共享平台）数据来源：帆软&信众智（CIO 智力输出及共享平台）图 1-5 中国企业应用 BI 优先解决的业务问题图 1-6 中国企业应用 BI 优先解决的技术问题自主报表、分析和可视化数据集成、虚拟化和流数据处理企业业务应用连接（CRM、ERP、SCM 等

20、）数据质量、数据准备和数据增强业务流程集成元数据管理物联网、智能设备、边缘计算人工智能和机器学习区块链90.10%89.11%81.19%75.25%75.25%37.62%28.71%20.79%1.98%支持分析和数据科学成本控制/优化业务创新/业务模式变革生产/运营能力优化业务流程自动化/优化客户体验改善风险管理战略采购/供应商合理化加速新产品和服务上市人才管理和劳动力优化84.16%72.28%71.29%62.38%53.47%44.55%33.66%32.67%26.73%18.81%08商业智能（BI）白皮书 3.03.BI 的最新定义在 2020 年 9 月发布的 商业智能（B

21、I）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

22、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 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。2 BI

23、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

24、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。单一的模块或多个模块组成的整体都可以称为 BI 系统。1.1.2 BI 相关概念09帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net4 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，

25、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。除了相关概念，BI 也经常和大数据、信息化、数字化转型等热词一同出现，明确 BI 和这些概念的关系，对理解和应用 BI 有着重要意义。1.BI 和大数据往更高

26、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”。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 1-7 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 和大数据、

27、信息化、数字化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10商业智能（BI）白皮书 3.02.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

28、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，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。3.BI 和数字化转型作为企业转型和变革的主旋律，数字化可谓风头正盛。尽管不少企业正面临转不转，怎么转的难题，但是在数字化转型的浪潮中，不进则退，企业要实现新的飞跃，必须明确方向，抓住机遇，克服挑战。而 BI 正是数字化转型的排头兵

29、。数字化转型由数字化和转型两个部分构成，其最终目的是要实现整个企业的业务、组织、流程的重构。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。图 1-7 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数据可视化数据挖掘数据分析应用技术BI 工具11帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企

30、业网 D1NetBI 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，若要具体到企业角色和业务层面，增加 BI 价值的可感知程度，那么我们可以从管理决策层、业务执行层、IT 支撑层三个角色的角度来分析 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。对于管理决策层来说，BI 的价值主要是提供管理依据，提升管理水平，即首先看到数据，看到准确的数据，看到实时的数据，再基于数据发现问题，洞察未来，从而改进问题，科学决策，提升管理者的管理水平。传统的粗放式管理下，企业决

31、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，管理决策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，数据周期太长导

32、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 管理决策层：提供管理依据，提升管理水平THE VALUE OF BI1.2BI 的价值12商业智能（B

33、I）白皮书 3.0与管理决策层相比，业务执行层更关注业绩的提升，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。面对管理决策层下放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 对业务执行层的价值则在于提高业务效率，助力业绩提

34、升。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，最终实现业务价值和业绩的提升。1.2.2 业务执行层：提高业务效率，助力业绩提升管理决策层的 BI 价值体现针对上面所说的经营汇报问题，某家化工企业利用 BI 工具进行了创新，让 IT 部门对月度经营分析报表进行信息化，并在每个会议室配备一个 iPad。此后的月度经营会议只需要报告者打开 iPad，基

35、于实时数字演讲的同时也排除了人工计算的差错，开会时间从月中到月初，直接提前了14 天。某制造企业的各类经营数据统计分析需要由各单位专人分日、周、月、年在线下重复收集、统计后再以书面或电子邮件形式层层上报。统计处理过程中数据分散在各个业务系统，算法不规范、数据不统一，效率低、时效性差，且存在遗漏、错误、数据不一致的风险。高层领导对于企业经营指标数据，只能被动地等待各单位统计上报，不能实时掌握企业经营指标情况，管理决策滞后风险大，缺乏实效数据的支撑。该企业通过 BI 工具搭建了运营管理驾驶舱后，为公司战略落地、预算执行、业务分析、绩效评价、持续改进提供了一个高效、闭环的运营监控平台，通过对企业关键

36、经营指标数据系统运算、多维度的分析展示和层层钻取，为各级领导高效、及时决策提供更可靠、更精准的数据支撑。最终统计效率提高了 50%以上；业务问题识别、改善效率大幅提升，重复性问题再发降低 60%，企业运营效率提升20%以上。某集团在管理转型过程中，通过目标管理结合 BI 大屏的方式实现管理决策，让领导层利用信息化提供的数据制定经营策略，使整个管理机制形成闭环。BI大屏包括集团运营驾驶舱、公司运营驾驶舱、综合管理驾驶舱等，用于集团总经理办公室、各大会议室、起到实时监控及管理决策的目的。决策者根据关重指标时间发展趋势，非常直观的进行分析决策。管理水平和工作效率有了非常大的提升，经统计，最终该集团人

37、效提升了 35%。13帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1NetIT 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，具体可以从打通数据壁垒，释放 IT 价值两个方面来看。（1）整合多系统数据，打通数据壁垒，解放 IT人员。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。因此，IT 部门的大量时间和人力成本都花费在

38、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，整合多系统数据，打通企业的数据壁垒，从而解放 IT人员，提高 IT 的效率。（2）推动企业数字化转型，释放 IT 价值。BI 对 IT 部门的另一大价值就是提升 IT 部门自身的价值。IT借助 BI 为管理层和业务部门提供了支撑决策和提升效率的方式，一方面，得到了管理层和业务部门的认可，IT 的地位自然有所提升，另一方面，BI 的建设也推动了企业的数字化转型，IT 的重要性也就不言而喻了。1.2.3 IT 支撑层：打通数据壁垒，释放 IT 价值业务执行层的 BI 价值体现某银行完成日常分析报表的固化工作后，在需求调研过程中发现

39、，业务分析人员经常会用到“探测式”分析。例如，通过报表发现净利润下降了，下降的原因究竟是存款成本太高，还是贷款收入太低？成本高的话是哪些机构、哪些产品造成的？此时传统的固定格式报表很难满足分析的需要，而如果每分析一个维度都要临时提取数据，业务人员与 IT人员的沟通成本、IT人员的人工成本将会急剧增加。BI系统上线后，业务人员无需再与IT人员反复沟通，实现了根据自身需求自助提取、自定义分析的目标。整个过程由多人合作变为单人完成，并且可任意变更查询条件随时查询，数据获取的时间由原来的至少一周缩短为几分钟，极大地提高了业务人员的效率。某家零售企业智慧零售部门的数据分析师在思考如何组合商品、确定用户定

40、位、投放渠道等问题的时候，首先需向IT同事先索要数据，等待IT同事响应完毕拿到数据后开始在Excel中观察数据结构，思考数据分布，再利用自己专业的数据分析思维去找出数据规律，分析业务中痛点，构思提供解决方案；形成解决方案后，将数据分布查看的固定方式向 IT 提出需求，让 IT 在报表系统中制作。若发现报表制作不符合要求则再次和 IT 进行沟通。在这个过程中，IT 充当的只是一个取数和开发报表的“工具”，并且业务人员分析数据的体验相当不当。BI 系统上线后，分析师利用即席分析功能，不必为了拿到一个数据而发起一个流程申请，不必等待流程的排期，节约了时间，更进一步满足了业务人员的分析需求，即时的想法

41、即时数据跟进、支撑、验证，释放了业务的分析潜力；不必对数据需求进行反复的沟通、校验，精力集中于处理业务、发现问题、分析问题、解决问题；节约时间同时也节约精力。14商业智能（BI）白皮书 3.0IT 支撑层的 BI 价值体现“现在，高层领导坐在办公室里，看着大屏或者电脑，随时可以掌握全国每一个在建和正在运营的园区的状况，甚至可以查看每一个大棚的信息。曾经的纸质报告，几乎全取消了，汇报用的 PPT也减少了60%。最明显的是，日常的运营汇报次数减少了 50%，而效率和效果却明显提升了。现在信息部经常被要求参加业务会议，要给高层汇报业务数据分析的思路和建议方案。”某农业科技公司 CIO“之前外包厂商开

42、发一张报表要 3 万元，一年下来也就领导看个几十人次，大量个性化的业务需求无法满足，而现在凭借我们 IT 部门的 2 名开发人员就已完全满足。这一个个数据，哪个不是科技部的心血和成就呢？我想，亲身经历项目开发的人，更能体会这其中的喜悦和成就感；积极参与项目的业务人员，更能感受到综合辅助数据分析平台给自身带来的业务价值和效率提升。小数据的背后，是心血，是成长，是人心。”某农商行 CIO“千言万语，不如我们店长一段实实在在的感慨。他在给数据中心部门的邮件中写到:一开始，我感觉有了秘密武器，这个 APP 真是太方便了，特别有用的是 门店实况销售这个模块，一打开就能看到每几分钟更新一次的实时销售情况，

43、可以看到部门、课组销售和环比数据，哪个部门或课组的数据不好，一目了然。点进课组，可以看到 TOP 销售情况，一对照卖场堆头，就能看到主力单品是否有效果。特别是 8 月上旬的一个周日，当我对生鲜周经理说昨天下午16:00 基围虾只卖了 2500，而今天你听我的，加大进货量。到现在卖了4000+，经理同志伸出大拇指说出那句经典台词：高!实在是高!的时候，我 一下子有了 APP 在手，天下任我走 的感觉。”某大型连锁超市 CIO15帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net按照从数据到知识的处理过程，BI 的功能架构如图 1-8 所示，分为数据底层、数据分析和

44、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 1-9 所示。首先从来自 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

45、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 1-9 BI 支撑中国企业决策与经营的过程1.3.1 BI 的功能架构图 1-8 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 3BI 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

46、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16商业智能（BI）白皮书 3.0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 1-10 所示。图 1-10 BI 的主要技术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。

47、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 An

48、alytical 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 的主要技术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17帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net3 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

49、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 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

50、（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、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

51、。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。18商业智能（BI）白皮书 3.01.4.1 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

52、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 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 C

53、ognos、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

54、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

55、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19帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net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

56、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 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

57、 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 1-11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 1-11 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

58、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FineReportFineBI20商业智能（BI）白皮书 3.0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 由于需要用 Web 浏览器展示结果，所以通常部署在 Tomcat、We

59、bLogic、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

60、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），是指由厂商提供公有云部署，用户订阅的模式。从功能层面上讲，SaaS BI 的

61、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 SaaS BI 就十分灵活，可以直接通过 API 接入用户Saa

62、S 软件的数据进行分析。1.4.2 按部署模式划分21帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net02应用篇APPLICATIONS22商业智能（BI）白皮书 3.0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

63、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。具体地，BI 价值蓝图又分为管理价值蓝图和应用价值蓝图。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 2-1 所示。图 2-1 管理价值蓝图2.1.1 管理价值蓝图BUILDING A BI VALUE BLUEPRINT2.1构建 BI 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

64、台战略经营管理闭环专项行动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关键 KPI 绩效监测常规业务经营指标战略目标达成监测部门绩效考核评估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经营仪表盘经营指标库财务分析营销分析专项进度监控专项明细跟踪运营分析人力分析23帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net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 2-2 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。图

65、 2-2 应用价值蓝图2.1.2 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5%10%25%60%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工作流程管理，实时监控的依赖关系，完成时 间

66、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5%10%25%60%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24商业智能（BI）白皮书 3.0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。从本次 CIO 调研的结果来看，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 2-3 所示。值得注意的是，与 20

67、20年的调研结果相比，数据整合能力、采购成本以及品牌三个要素的企业选择比例均有较大幅度的提升。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 2-3 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

68、碑好67.10%83.17%57.30%74.26%64.70%62.37%59.20%71.29%51.90%59.41%52.50%51.49%30.80%46.53%85.15%82.00%20212020TOOL SELECTION2.2BI 工具选型25帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net1.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

69、，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、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

70、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

71、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

72、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，具体可以从易用性、性能、功能、采购成本四个方面进行考虑。2.2.1 工具26商业智能（BI）白皮书 3.0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，主要考虑品牌、服务和解决方案三个要素。1.解决方案解决方案是 BI 厂商能力的一个重要

73、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

74、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 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。2.2.2 厂商27帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net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

75、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。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公布的 2021分析与 BI 平台魔力象限11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

76、头角。IDC 2020 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 BI 厂商帆软超越 SAP、Microsoft、IBM、SAS 等众多国际巨头，以 15.7%的市场占有率位列第一，这也是帆软第 4 次问鼎国内 BI 市场。国内 BI 厂商在本地化服务和落地能力上具有优势：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。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

77、。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 2-1 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。2.2.3 市场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28商业智能（BI）白皮书 3.0场景是企业某一

78、类具体问题和需求的体现，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。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

79、 等高层管理者，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

80、的信息会更细，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。功能应用源于企业对某些特定 BI 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。2.3.1 典型功能场景BI APPLICATION SCENARIOS2.3BI 应用场景29帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net2.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

81、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

82、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 B

83、I 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。30商业智能（BI）白皮书 3.0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

84、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，以行业为维度，我们在图 2-4 中总结了12 个行业的一些常见业务应用场景。图 2-4 不同行业的常见业务场景2.3.2 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

85、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31帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net

86、03趋势篇TRENDS32商业智能（BI）白皮书 3.0趋势：未来 3 年，全球 BI 市场规模将继续保持增长态势，增速将逐渐放缓，国内市场规模增速将继续领跑全球市场趋势：短期内 BI 仍是国内企业建设和投入重点，2021 年中国 BI 市场规模增速或将迎来回升2020 年全球BI市场规模依旧保持了增长的态势，但各项增速数据较 2019 年均有所降低，增速继续放缓。根据 Gartner 在 Market Share：Analytic Platforms，Worldwide，202013报告中发布的数据，全球分析软件平台市场规模在 2020 年达到 259 亿美元，增长了6.0，低于 2019

87、年的 10.4%。其中，分析与 BI 平台市场规模以 16.4的增速突破 70 亿美元，增速最快，但同样略低于 2019 年的 17.9%。在经济下行、需求多变的宏观环境下，加之新冠疫情的常态化，预测未来 3 年全球 BI 市场规模将保持增速逐渐放缓的增长趋势。与全球的情况类似，IDC 2020 年下半年中国商业智能软件市场数据跟踪报告12显示，2020 年全年中国BI 软件市场规模为 5.8 亿美元，同比增长 17.1%，低于 2019 年的 23.5%。从近两年的数据来看，中国 BI 市场规模增速均高于全球，这和我国企业的信息化水平以及数字化转型浪潮等也有不小的关系。预测未来 3 年国内

88、BI 市场规模增速将继续领跑全球市场。从国内企业的应用情况和预算投入来看，短期内 BI 仍是国内企业建设和投入重点。如图 3-1，CIO 调研数据显示，受访企业中已经应用 BI 的企业占比为 44%，达到了近一半的水平。除6.48%的企业表示目前没有明确的应用计划外，其余企业均表示在未来 618 个月内会采取一定的动作，包括评估方案、收集需求等。这充分说明中国企业的 BI 应用正在快速发展和日趋成熟。同时调查还发现，超过 50%的受访企业在 BI 领域的综合投入超过 50 万，四分之一的受访企业在 BI 建设上的投入超过 100 万，如图 3-2 所示。在信息化水平发展和数字化转型浪潮的双重推

89、动下，企业对 BI 的资源投入也在不断增加。此外，IDC 2020 年下半年中国商业智能软件市场数据跟踪报告12中表示，2020 年总体市场规模增长有所减慢的原因在于疫情导致了传统部署模式的 BI 产品交付受到很大影响，并预测 2021 年中国商业智能软件市场增速将快速恢复，市场规模预计达到 7.0 亿美元，同比增长恢复到 21%。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，结合本次调研结果，IDC 的预测不无道理。MARKET TRENDS3.1行业市场趋势33帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net图 3-2 中国企业预计在 BI

90、领域的综合投入数据来源：帆软&信众智（CIO 智力输出及共享平台）数据来源：帆软&信众智（CIO 智力输出及共享平台）图 3-1 中国企业目前的 BI 应用情况否，目前我们还没有明确的计划是，正在应用否，目前我们还在探索阶段在未来的 12-18 个月中将有实质性动作否，目前我们正在收集潜在需求并在未来的 6-12 个月作出决定否，在未来的 6 个月中我们将对各种备选方案进行评估25.00%1.00%34.00%14.00%26.00%500 万1000 万100 万500 万50 万100 万20 万50 万20 万以下6.48%18.52%22.22%8.33%44.44%34商业智能（BI

91、）白皮书 3.0趋势：国内 BI 市场迎来新的竞争格局，但头部厂商地位难以撼动，马太效应将依旧明显在数字化转型大势下，国内企业尤其是大型企业对国产化要求的提升进一步增加了国内BI市场的吸引力。而巨大的市场吸引力也意味着巨大的市场竞争。在这样的市场环境下，可以预见两大现象。一是国产 BI 品牌地位和市场份额的提升，二是 BI 行业将出现更多的新进入者。因此，国内 BI 市场的竞争将面临新的格局。然而，新的竞争格局很有可能是神仙打架，小鬼遭殃。与 B2C 和 C2C 等行业属性不同，B2B 产品的竞争核心依旧是产品，即便是在互联网巨头或大量资本的支持下，没有较明显的产品优势、服务优势和用户基础，新

92、创品牌是很难闯出一片天的，早些年大量融资的 BI 企业目前已显疲软之势。另外，前文图 2-3 中的调研结果表明，品牌和采购成本成为增幅最大的两大 BI 产品选型要素，而新创品牌短期内在这些方面很难取得竞争优势。再加上 BI 产品拥有较高的门槛，那么竞争将很有可能集中体现在尾部企业。因此，新的竞争格局下，头部 BI 厂商的领导者地位仍然难以撼动，BI 市场竞争的马太效应将依旧明显。具体到厂商层面，国内市场上拥有不少大牌国外厂商，当然也不乏优秀的国内厂商。图 3-3 中的 IDC 2020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 BI 厂商帆软已经超越了SAP、Microsoft、I

93、BM、SAS 等众多国际巨头厂商，在各大主流 BI 产品中以 15.7%的市场占有率位列第一，这也是帆软连续第四年位居第一。相信随着国产化的不断推进，未来 SAP、微软等大牌国外厂商的市场份额将被国内的优秀 BI 产品逐渐替代。图 3-3 2020 年商业智能软件市场厂商份额2020 年商业智能软件市场厂商份额来源：ICD 中国，202152.5%15.7%9.4%8.4%5.3%4.4%4.3%FanRuanIBMMicrosoftBaiduSAPSASOthers35帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net趋势：未来 3 年，自助式 BI 将保持高

94、速发展，传统式 BI 将持续衰退，但短期内难被完全取代从功能模式上来看，未来的主流 BI 产品将是自助式 BI，传统式 BI 正处于持续衰退的过程，但并不意味着很快将被取代。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。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。前文图 1-6 中，自助报表、分析和可视化成为中国企业优先应用 BI 解决的首要技术问题的调研结果就证实了自

95、助分析不断攀升的事实。同时，图 3-4 中的调研结果显示，有 84.16%的受访企业选用了或倾向选用自助式 BI 工具。可以预见，全民数据分析师的现象将引爆自助分析的热潮，自助式 BI 将是未来主流。相比之下，传统式 BI 的形式并不乐观。成本高、实施周期长、项目风险大、对人员要求高等劣势使得传统式 BI 正处于持续衰退的过程。在调研结果中，仅有 19.8%的受访企业选用了或倾向选用传统式 BI 工具。面对企业信息化水平和自助式 BI 的不断发展，传统式 BI 的未来并不明朗。不过可以预测，在企业信息化基础条件发生根本变化之前，传统式 BI 是难以被完全取代的。84.16%66.34%66.3

96、4%61.39%19.80%1.98%自助式 BI 工具可组合式 BI 工具报表式 BI 工具一站式 BI 工具传统式 BI 工具其他数据来源：帆软&信众智（CIO 智力输出及共享平台）图 3-4 中国企业选择或倾向选择的 BI 工具类型PRODUCT TRENDS3.2产品方向趋势36商业智能（BI）白皮书 3.0趋势：报表式 BI 在国内的表现依旧强势，未来仍有较大市场空间趋势：未来 3 年，本地部署将仍是中国 BI 市场的主流部署模式，云部署模式将以较慢的速度增长在自助式 BI 高速发展的同时，报表式 BI 在国内的表现依旧强势。CIO 调研结果显示，66.34%的受访企业都选用了或倾向

97、选用报表式 BI 工具。大部分企业将报表式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 市场趋势：中国企业买家越来越喜欢通过本地提供商进行虚拟化，数据和分析14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。尽管云计算技术发展迅速，企业

98、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。如图 3-5，IDC 2020 年下半年中国商业智能软件市场数据跟踪报告12中的数据显示，传统部署模式在 2020 年中国 BI 软件市场中占据了超过 80%的比例，公有云部署占比不到 20%。对此，IDC 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，预测未来

99、 3 年本地部署将仍是中国 BI 市场的主流部署模式，而云部署模式将会以较慢的速度增长。图 3-5 商业智能软件市场按部署模式占比情况商业智能软件市场按部署模式占比情况中国 VS 全球来源：ICD 中国，2021中国（2020）美国（2020）美国（2025）0%20%传统部署模式公有云40%60%80%100%中国（2025）37帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net趋势：未来 3 年，中国 BI 产品的核心功能将仍然聚焦于展示层和数据底层根据图 3-6 和图 3-7 中的调研结果，从认知来看，在 Gartner 定义的分析与 BI 平台众多关键能

100、力中，数据可视化、数据准备、数据源连接是受访企业认为 BI 平台最应该具备的 3 项关键能力；从企业当前应用的BI 技术来看，数据可视化、数据仓库、ETL 等展示层和数据底层技术也稳居前列。这表明，中国企业当前对 BI的分析能力并没有太高的诉求或要求，而是更关注 BI 在基础的可视化展示与底层数据整合上的表现。预测这一现状将持续 23 年，在企业完成基础 BI 能力的建设后，更多的需求将转移到分析类功能和技术上。数据来源：帆软&信众智（CIO 智力输出及共享平台）图 3-6 中国企业对 BI 关键能力的认知91.67%85.19%80.56%69.44%63.89%62.04%35.19%28

101、.70%28.70%28.70%28.70%16.67%0.93%数据可视化数据准备数据源连接报表平台管理安全性云分析自然语言生成（NLG）自然语言查询（NLQ）数据讲故事目录自动化见解其他FUNCTION AND TECHNOLOGY TRENDS3.3功能技术趋势38商业智能（BI）白皮书 3.0数据来源：帆软&信众智（CIO 智力输出及共享平台）图 3-7 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大数据分析数据挖掘OLAP 分析元数据管理自然语言语音

102、识别与处理图像识别与处理其他39帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net图 3-8 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.OUTLOOK AND RECOMMENDATIONSGartner 很早就指出，自然语言处理、自然语言查询、语音生成等增强分析技术将是未来 BI 技术的主要方向。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

103、 AI 技术的融合，与大众对于 AI+BI 模式的期待是相同的意思。从 BI 关键能力认知调研数据来看，受访企业确实对增强分析技术有一定的期待，其中又以 NLQ、NLG 等自然语言技术更为企业关注。并且在受访企业中，当前应用的 BI 技术也以自然语言技术占比更高，说明了自然语言相关技术在 BI 增强分析中处于首要位置。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需求。从图 3-8 中的预测来看，企业对数据挖掘技术的需

104、求开始呈上升趋势。而对于增强分析、AI+BI 模式等智能应用，绝大部分的受访企业都认为是将来的主流趋势，但是距离在国内企业的落地与普及仍然存在 35 年的泡沫期。图 3-7 中的结果也支持这一判读，企业对数据挖掘的应用要明显高出自然语言处理、图像处理、语音处理等 AI 技术不少。根据分析结果，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。趋势：未来增强分析将是 BI 技术的主要发展方向，其中又以自然语言相关技术为主，考虑到滞后期的存在，预测国内 BI 市场将在 2025 年左右出现明显的增强分析需求40商业智能（BI）白皮书 3.004展望与建议OUTLOOK AND

105、RECOMMENDATIONS41帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1NetBI 的成功或者说 BI 项目的成功，不仅取决于选择的 BI 工具，还取决于企业的文化氛围、管理制度、IT部门与业务部门的沟通及配合等因素，即企业 BI 平台/系统所产出的价值与企业内部环境、人、信息化平台都紧密相关。所有这些因素构成一个系统，就如同大自然中的生态系统一样，是一个统一的整体。我们完全可以换一个视角，以生态思维来看 BI 项目。在自然界，生态系统的形成意味着整个系统是健康的、可持续运行与发展的，而这也是企业 BI 项目所追求的目标。因此，笔者认为，BI 项目的未来是

106、在企业内形成 DA 生态系统（Data Analysis Ecosystem），即数据分析生态系统，能持续产出价值，无须过度维护和运营。图 1 企业 DA 生态系统DA 生态系统具备三大特征，即整体统一、丰富多样和动态平衡。向 DA 生态系统迈进这里所说的企业 DA 生态系统，核心是 BI 平台，围绕 BI 平台，企业的制度与文化、部门间的协调与沟通、流程的配合、人员技术能力等影响数据产出价值的关键因素，构成一个不可分割的、有序关联的、充满生机的整体，如图 1 所示。构建这种紧密结合的有机整体，方能有效、可持续地产出数据价值。企业运营过程研发数据数据数据与分析优化逻辑优化逻辑业务逻辑数据数据数

107、据数据数据数据生产采购市场企业信息化平台上海品茶与制度业务/职能人员（生产者）IT 部门（分解者）业务/职能人员（消费者）销售物流.能量来源物质基础生物群落数据价值传递链42商业智能（BI）白皮书 3.0整体统一要在企业中形成 DA 生态系统，需要更广泛的运营配合和技术探索，其核心是构建一个利益共同体，即做到企业战略目标与 IT 部门目标统一、业务部门与 IT 部门目标统一、信息化现状与未来规划统一。人心齐泰山移，这也是前文不断强调的 BI 项目成功要点。为促进整体统一，IT 部门一定要弄清楚企业的需求以及信息化现状，用发展的眼光看待业务系统、数据分析平台的建设，做好稳步推进的规划，确保两个基

108、本匹配。一是技术与业务需求匹配。落后过时的技术会让自身工作陷入被动，导致年年上系统，年年都满足不了业务需求；过于先进的技术，则难以落地，或者无法发挥作用，白白造成巨大的沉没成本。二是要确保技术需求与人才储备相匹配，做好人才的“选、用、留”工作。在保证两个基本匹配方面，IT 部门既不能大手大脚，也不能畏首畏尾；既要抬头看天，也要低头看路，需要应用双模 IT 建设的思想和方法，沿着 BI 项目建设路线图稳步前行。丰富多样DA生态系统要面向不同的角色，无论是IT部门、业务部门还是管理层，都能从BI平台中各取所需，进行查询、分析、管理和做决策。例如，IT 部门需要通过 BI 平台快速响应业务需求，做好

109、数据支撑，同时为自己减负，以便做更多有价值的探索；业务部门需要 BI 平台提供灵活的可视化分析架构来发现业务问题，不断将业务经验和数据分析相结合，增加业务的价值；管理层需要 BI 平台提供及时、准确的信息来辅助决策，推动企业的信息透明化和数据化管理，将生产经营任务拆分到各层级，提高公司战斗力，增加企业竞争力和利润。数据分析不分时间和空间，无处不在，无时不在。所以，DA 生态系统也要面向不同的环境，这里包括我们工作时所处的物理环境，也包括工作流程中的任务环境。物理环境分为办公室（PC 端）、会议室（大屏）和出差在外（移动端），后两种场景在第 4 章中已详细介绍。BI 平台要同时满足这些硬件终端的

110、可视化展现需求。任务环境分为业务过程、绩效监控、经营分析会议，BI 平台要提供数据查询与展现、指标监控、预警、消息推送等功能。43帆软数据应用研究院 X 信众智（CIO 智力输出及共享平台）X 企业网 D1Net动态平衡DA 生态系统能保持动态平衡。任何稳定的系统，都是健壮的，都有自己的保护机制。DA 生态系统的保护机制便是系统的运行机制：企业管理和数据价值传递链。有运营规则的约束，DA 生态系统可以应对一定程度的冲击，例如 IT人员的短暂缺位不会造成严重影响，面对新需求、新挑战有临时的应对办法。DA 生态系统的健壮性则表现在可以移植，在其他企业中是可以复制的。DA 生态系统应该是长期可持续发

111、展的，因此是可以进化的，通过不断升级优化，产出更多数据价值。比如，对 BI 平台通过 PDCA 闭环优化，整合功能，推陈出新；对当前数据分析报表进行提炼、归纳与合并，淘汰落后、陈旧的报表和分析方法，主动引入、吸收新思想、新方法。DA 生态系统是站在更高的层面上，让数据产出持续价值的系统化方案，也是非技术角度下的 BI 未来重要发展方向。对于已经上线了BI 的企业来说，DA 生态系统是指导更进一步的方法，甚至是转败为胜的方法。对于还没有上线 BI 的企业来说，DA 生态系统提供了一套方法论，告诉你应该怎么做，应该怎么避免走别人走过的弯路，如何更快的产出数据价值。帆软数据应用研究院大胆设想，DA

112、生态系统是 BI 项目的终极目标，是必然趋势，是我们 BI 从业者努力的方向。但是每家企业的情况不一样，必须运用辩证思维，分清主次和难易，然后有步骤地改进，不断强化数据基础，拒绝盲目追求智能，稳步按照企业的切实需求进行 BI 系统的建设和数字化转型，先做好 BI 项目，再向 DA 生态系统迈进。44商业智能（BI）白皮书 3.0参考材料本白皮书由帆软软件有限公司、信众智（CIO智力输出及共享平台）和企业网D1Net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

113、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、信众智（CIO智力输出及共享平台）和企业网D1Net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 Glossary:Analytics and Busi

114、ness Intelligence.（https:/ 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 solutions as a servic

115、eC 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):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.https:/