1、 爱分析 中国 BI 商业智能行业报告 2019 年 8 月 报告编委 报告指导人 金建华 爱分析 创始人&CEO 报告执笔人 李喆 爱分析 合伙人&首席分析师 田群 爱分析 分析师 彭晨 爱分析 分析师 陈小松 爱分析 助理分析师 外部专家 何春涛 永洪科技 创始人& CEO 特别鸣谢 报告摘要 BI 商业智能的核心在于体现决策价值 企业数字化转型的本质是经验驱动决策向数据驱动决策的转变。 BI平台成为数据产生价值的主要方式。以BI建设为中心的数据中台服务，逐渐 成为海量数据处理与分析的核心平台。 在企业中提供更深刻的业务洞察力，是管理层依赖BI平台进行决策的基础。 BI业务的发展使得业务人
2、员进行数据分析的门槛大幅降低。 向数据和分析两端发展 一体化平台成为趋势 企业再满足于一般的报表与敏捷式仪表盘，企业的BI需求变得更加灵活和高 效。以云BI平台为基础的一站式大数据平台，成为新的趋势。 在数据管理方面，现代BI平台既需要利用传统BI的数仓资产，还需具有更强数 据源管理能力和深度分析功能。 在易用性方面，增强分析技术、语义搜索与嵌入式分析技术将大幅降低现代BI 平台的使用门槛。 技术平台更加灵活 场景融合成为关键 随着微服务架构及容器技术的发展，更多的BI一体化云平台采用松耦合架构， 基础平台具有更好的灵活性和业务适应性。 BI系统在实施过程中，需要深入挖掘企业需求，重新梳理企业
3、管理方法、流程 和管理体系，这个过程技术平台与垂直行业场景的融合成为关键。 目录 一. BI 商业智能行业概览 2 二. BI 商业智能的价值 11 三. BI 商业智能的重要应用场景分析 16 四. BI 市场规模测算与分析 24 五. BI 商业智能的未来趋势 28 六. BI 商业智能厂商竞争分析及典型厂商介绍 35 结语 40 关于爱分析 41 1 | 爱分析中国 BI 商业智能行业报告 BI 商业智能行业概览 2 | 爱分析中国 BI 商业智能行业报告 2019 年，国际商业智能行业格局巨变。6 月 6 日，Google 以 26 亿美元现金收购商 业情报软件和数据分析平台 Look
4、er；4 天之后，更具爆炸性的新闻爆出，SaaS 第一 股 Salesforce 以 157 亿美元的价格收购 BI 领导者 Tableau， 成为 Salesforce 历史上 最大的一笔收购案。 国际巨头通过收购进行产业整合并不新鲜，但如此密集的 BI 类并购在历史上并不是 首次，12 年前就已经发生。2007 年，Oracle 33 亿美元收购 Hyperion，SAP 68 亿 美元收购 Business Objects （BO） ， IBM 50 亿美元收购 Cognos。 这不禁让人发问， IT 巨头为何热衷于收购 BI 企业？ 在互联网 C 端市场，流量入口始终是商家必争之地，而
5、 BI 软件则是数据分析领域最 重要的入口之一。BI 与分析领域的产品和技术，是所有用户尤其是大客户的刚需。 2019 年，云计算进入 2.0 时代，大数据为 BI 提供了海量数据分析需求，业务复杂性 和数据复杂性带来的双重挑战，成为新一轮 BI 并购潮主要推动力。 1. BI 商业智能行业概览 1.1 BI 商业智能发展历程 BI(Business Intelligence, 商业智能或商务智能)源自企业对业务数据进行价值挖掘 与展现的需求。1989 年，BI 概念由 Howard Dresner 定义而广泛传播，此时的 BI 定 义为由数据仓库、查询报表、数据分析、数据挖掘和数据维护等部分
6、功能组成，以帮 助企业决策为目的的技术应用。 图1: 1968 年-1989 年传统BI 企业成立时间轴 数据来源：爱分析 商业智能不仅是一种技术， 更是一种企业集成数据解决方案。 这包括了 ETL （Extract- Transform-Load，抽取-转换-加载） 、数据仓库、DM（Data Mining，数据挖掘） 、 3 | 爱分析中国 BI 商业智能行业报告 OLAP、数据可视化等多种工具。1968 年到 1989 年，传统 BI 的厂商如 Cognos、 SAP、Oracle、Teradata、MicroStrategy 等陆续成立。 2013 年之前， 传统 BI 产品一直是市场
7、的主流， 但这并不是一个很好的市场。 根据 IBM 的统计数据，实施传统 BI 的项目失败率在 60%-70%，大量的 BI 系统并没有得到有 效的使用。 传统 BI 产品， 通常只能由技术人员在设计好的维度模型上建立数据仓库。 这造成了两个问题，技术人员难以完全理解业务人员的需求，数据仓库不能满足不断 变化的业务需要。 敏捷 BI 为了解决上述两个问题而出现。敏捷 BI，又称自助式 BI，是指由业务人员自 助式建模，能够实现快速部署、数据源集成、高性能计算、探索式分析的 BI 可视化产 品。由于业务人员自行建模，摆脱了数据无法体现业务需求，技术人员不懂业务需求 的困境。 让数据直接反映业务，
8、 成为敏捷BI的一大特点， 典型的敏捷BI厂商有Tableau、 永洪科技等。 表1: 传统BI 产品与敏捷BI 产品 传统 BI 产品 敏捷 BI 产品 IBM Cognos Oracle OBIEE MicroStrategy SAP BO SAS BI Microsoft BI FineReport Tableau QlikView PowerBI 永洪 BI FineBI SmartBI 数据来源：爱分析搜集 1.2 BI 商业智能技术架构和演进路线分析 传统 BI 商业智能体系结构主要由数据源、 数据存储与管理、 OLAP 引擎和前端工具组 成。数据仓库、数据集市与 OLAP 引擎是
9、传统 BI 体系的核心。传统 BI 技术体系对海 量数据计算与动态业务的支持均不足，系统搭建、建模过程均需技术人员完成。 BI 商业智能从传统 BI 阶段向敏捷 BI 的发展过程中， 数据源与数据管理、 增强性分析、 交互易用性，是 BI 技术架构快速演变的主要方向。具体表现为传统数仓向海量混合 存储与高效治理演进、离线数据分析向增强性实时分析演进、静态报表向自助图表和 智能交互演进。 4 | 爱分析中国 BI 商业智能行业报告 图2: 传统BI 的体系结构 数据来源：爱分析 1.2.1 传统数仓向海量混合存储与高效治理演进 传统数据仓库和 OLAP 引擎不适用于当今 BI 业务对数据存储和查
10、询效率的需求。随 着业务数据的快速增长，传统的数据仓库不能满足存储和计算的需求。一方面数据 ETL 的效率快速下降， 原本在一个小时内可以准备好的数据通常延迟到一天后才能进 行分析；另一方面数据查询效率快速下降，实现秒级的查询变得越来越困难。 MPP 或大数据平台成为应对海量数据的主要解决方案。MPP（Massively Parallel Processing，大规模并行处理系统）不同于事务处理数据库，更适于 OLAP 场景。采 用 MPP 方案的典型案例是领先的数据仓库企业 Teradata，其在 1990 年就发布了第 一款 MPP 数据库产品，目前 MPP 架构仍是处理高质量结构化关系型
11、数据的首选方 案。国产 BI 软件中，永洪科技数据集市产品同样采用了 MPP 架构。 Hadoop 经过几年的高速发展， 近两年虽略显疲软， 但仍是主流的大数据平台。 Spark、 Flink 等分布式计算引擎与分布式数据库、分布式存储等新兴技术快速补足大数据平 台生态的缺口。目前，大数据平台已经能够适用结构化、半结构化和非结构化数据处 理，目前敏捷型 BI 产品一般都具有 Hive、Spark SQL 等大数据平台查询接口。 动态的业务需求对 BI 商业智能数据治理的要求更加严格。传统 BI 成功的关键在于元 数据的良好定义，元数据一旦定义，修改成本将十分高昂，但由于技术人员有限的业 务理解
12、和多变的业务形态，良好的元数据定义通常难以实现。数据治理即为了解决元 ? ? ? ? ?AO? ? ? ? ? ?E?L? ? ? ? ? ? ? ?C MP ? ? ?C? ?R? ?C ? ? ? ? 5 | 爱分析中国 BI 商业智能行业报告 数据标准不统一， 数据质量管控、 数据集成效率低等问题出现相关工具和方法。 IBM、 Qlik 等 BI 企业都已在其产品提供或者加强了数据治理功能。 1.2.2 离线数据分析向增强性实时分析演进 传统 BI 的离线数据分析难以满足实时/准实时需求。通常当天业务结束后，BI 系统进 行统一的查询、计算、分析和展现。客户不能实时获取当天的分析结果，难
13、以满足快 消、物流、航空等实效性要求较高的业务对 BI 的需求。 实时/准实时 BI 分析目的是实现秒级的查询响应。目前，实时 BI 产品有三个发展方 向，采用 MPP/大数据架构（Presto/Impala/SparkSQL/Drill）优化查询性能、采用 分布式搜索引擎架构 （Elasticsearch、 Solr） 和预计算分布式 OLAP 引擎 （Druid/Kylin） 。 上述三种方案，采用了内存计算、并行计算、分布式计算和分布式通信等多种方式提 高响应速度，除此之外现有的 BI 厂商还通过库内计算技术，将开销大的计算直接在 数据存储的地方计算， 大大减少了数据移动， 降低了通讯负
14、担， 提高的数据分析性能。 除实时性要求外，随着 AI 技术的快速发展，利用自然语言处理与机器学习技术进行 增强性分析成为 BI 系统的刚需。微软、Tableau、ThoughtSpot、MicroStrategy 都 推出了相关产品。 未来， 数据预测和数据挖掘的将变得更加智能， 自动化的数据准备、 基于模型的扩展分析、预测式分析等增强分析技术将成为主流。 1.2.3 静态报表式表现向自助图表和智能交互演进 传统 BI 的前端为静态类报表， 业务人员不能直接调整报表； 业务需求变更时， 需由技 术人员配合变更。在部分场景下，如月度财务会计场景，这类静态报表在效率和准确 性上具有优势，但在动态
15、业务场景下，静态报表已经不能满足现代企业对数据分析的 需求。 敏捷 BI 为业务人员提供探索式分析与自助图表工具。在已有的数据指标和维度不能 够满足业务分析的需求，传统 BI 往往无能为力；而业务人员使用敏捷 BI，可以通过 拖拽的方式，自定义新的指标和维度，进行探索式分析。这一过程不需要技术人员长 期参与，大大缩短了业务人员与数据之间的距离。在海量存储和高效查询的技术支撑 下，敏捷 BI 可以利用自助图表实时展现自定义指标，从而快速满足业务需求。 由智能问答技术支撑的智能交互成为新的 BI 表现形式。 无论是传统 BI 还是敏捷 BI 都 在往智能化 BI 的方向发展。利用自然语言理解进行自
16、然语句查询、利用知识图谱实 现业务预警、利用专家系统提供业务咨询成为商务智能新的发展方向。 6 | 爱分析中国 BI 商业智能行业报告 除自助式表现与智能交互成为新的BI表现形式外， 嵌入式分析也成为主要发展方向。 利用嵌入式分析，不同的系统的相关报告可以实时整合到一个图表，从而形式上避免 了数据孤岛的产生。 1.3 BI 商业智能的业务流程及主要商业模式 1.3.1 业务流程 BI 商业智能的业务流程从传统 BI 和敏捷 BI 两个角度，可分为两种。两种 BI 业务流 程在适用场景、部署方式、部署/使用成本上都各有不同。 传统 BI 业务流程，分为业务需求定义、BI 平台建立与部署、BI 使
17、用及维护三步，其 中 BI 平台建立及部署又可分为建立数仓模型、数据抽取-转换-加载、构建分析主题 以及分析报表和仪表盘制作。在传统 BI 业务流程中，BI 平台的使用和业务需求的定 义主要由业务人员完成，而 BI 平台的构建与部署主要由技术人员完成。 图3: 传统BI 业务流程 数据来源：爱分析 传统 BI 业务流程经过长时间检验， 具有成熟的建模方法， 能够很好的整合业务数据。 建立数仓的过程通常也是企业业务流程梳理和数据价值提炼过程，因此，从数据仓库 中获取的数据通常是精炼有序的业务数据。 同时， 传统 BI 的构建过程十分复杂， 因此业务需求方、 使用方与平台的构建方是分离 的。因此造
18、成传统 BI 流程，部署成本高、部署周期长、业务需求与平台功能不一致、 报表刚性难以调整，业务人员难以根据需要制作报表、IT 部门负担重等缺点。 因此传统 BI 流程适用于基础性、大容量，需求和数据框架稳定的数据分析业务。 ?)? ? ?(? ?(?(? ? ? ? 7 | 爱分析中国 BI 商业智能行业报告 敏捷 BI 业务流程，通过敏捷型的 BI 工具或者平台实现的。在敏捷 BI 业务流程中，技 术实现与业务分析实现了分离，因此敏捷 BI 业务流程中主要以业务人员自助式实现 数据源连接、指标集定义、探索式分析和自助的报表制作和仪表盘展示。 图4: 敏捷BI 业务流程 数据来源：爱分析 敏捷
19、 BI 业务流程具有快速部署、 灵活变更、 高效查询和自助式分析的特点， 所以部署 成本和使用成本低于传统 BI。同时，因为敏捷 BI 是由业务人员主导的，因此敏捷 BI 的业务流程更接近业务分析的需要。 但是，敏捷 BI 业务流程中并无复杂的数据建模过程，也无法提供高级的数据管理功 能。因此，敏捷 BI 业务流程在实施过程中同样需要借助传统 BI 中建立的数据仓库， 通常敏捷 BI 的数据源连接过程还会连接如 Hadoop 平台、Excel 等其他多数据源数 据。因此，敏捷 BI 业务流程并不能完全替代传统 BI 的业务过程。 1.3.2 商业模式 BI 商业智能主要为两种商业模式，产品/S
20、aaS 模式和服务模式，其中服务模式又包 括 IT 服务型和业务服务型两种。 产品/SaaS 模式，是将 BI 产品或者 SaaS 交付给客户，并由客户自行实施。Tableau 是该模式的典型代表，其主要以 Tableau Desktop 和 Server 版本为主，同时也提供 嵌入式开发和 SaaS 服务。除咨询服务外，Tableau 的使用主要由业务人员根据实际 ? B? ? B? ? ?/? 8 | 爱分析中国 BI 商业智能行业报告 需要自行完成。 除 Tableau 外， MicroStrategy 和大部分敏捷 BI 厂商及 SaaS 服务提 供商都属于该模式。 产品/SaaS模式
21、提供给客户灵活敏捷的BI产品， 客户能够及时应对业务变化的需要， 但是单一的产品通常难以满足客户业务定制化的需要。 服务模式，是以 IT 服务或者业务服务的方式为为客户提供基于 BI 的整体解决方案。 提供 IT 服务模式的企业主要以 Oracle、SAP、IBM、SAS 等传统 BI 企业为主。这类 企业主要以搭建 BI 信息系统为主，但在搭建数据仓库过程中需要与业务人员进行充 分配合， 涉及大量业务咨询与梳理过程。 传统 BI 厂商都建立有自身的 BI 实施方法论。 以 SAP BW 为例，其实施过程大概分为项目计划和准备、设计阶段、开发阶段、测试 和部署阶段以及系统上线阶段等。 IT 服
22、务模式虽然充分结合的业务需求和技术实现，但其主要以传统 BI 流程为主，通 常涉及多个部门的协调配合，同时其高昂的部署成本难以灵活的适应现代企业的需要。 业务服务模式，基于一站式大数据分析平台构建敏捷型 BI 产品，并以服务的方式支 撑企业的业务分析需求。业务服务型厂商既要具备建立数据湖的能力，而不仅仅是建 立数据仓库，以便数据整合；通常以 SaaS 方式提供多样化的服务。 1.4 BI 商业智能行业图谱 BI 商业智能行业图谱从 BI 组件和整体解决方案两个维度列举了现有的 BI 产品和 BI 厂家。BI 组件以产品为主或者厂家主要产品所处的领域，BI 组件中包含大量开源产 品，通常为自建
23、BI 平台厂商采用。整体解决方案主要从国内和国外两个领域列举了 主要的供应商，从事整体解决方案的方案企业一般能够提供完整的 BI 组件，不一一 列出。 BI 组件主要分为 ETL 工具、数据仓库/数据集市、元数据管理、OLAP Tools/Server 以及前端的查询、分析与挖掘、报表和可视化等组件构成。BI 组件可以分为商业产品 和开源产品两类，商业组件多集中在分析/挖掘报表、报表、可视化、ETL 等领域， 这些领域通常是性能要求高或者对业务变化比较敏感的部分。 BI 组件开源产品中 Apache 系 Hadoop 、 Impala、 Hive、 Drill、 Atlas、 Kylin、 S
24、uperset 几乎涵盖从存储到分析的大部分模块，此外 Cloudera、Airbnb、Pivotal、Hitachi 等 企业也贡献大量开源力量，由中国团队主导的 Druid 和 Kylin 目前已经成为主流的 OLAP 开源工具。但开源产品主要应用于互联网公司（如快手、美团等） ，如果没有专 业维护团队，开源产品并不能满足业务部门的需要。 9 | 爱分析中国 BI 商业智能行业报告 图5: BI 商业智能行业图谱 数据来源：爱分析 BI 整体解决方案厂商，也可以成为一体化平台厂商。传统 BI 厂商的产品中如 Oracle OBIEE、SAP BO、IBM Cognos、MicroStrat
25、egy 是传统的四大 BI 厂商，其特点是 具有从 ETL 到可视化的整套组件，并提供业务建模咨询服务。而 Pentaho 是目前主 流的 BI 开源解决方案。 敏捷 BI 厂商与传统 BI 厂商相比，通常为具有数据源融合与管理能力的可视化产品。 以敏捷 BI 的鼻祖 Tableau 来讲， 其不仅支持传统 BI 的 OLAP 数据， 还可以从 AWS、 AZURE、Dropbox、Excel 等不同类型的数据库和文件中获取数据。国内领先的敏捷 BI 厂商永洪科技，目前支持的数据源多达 27 种。 10 | 爱分析中国 BI 商业智能行业报告 BI 商业智能的价值 11 | 爱分析中国 BI
26、商业智能行业报告 2. BI 商业智能的价值 2.1 BI 商业智能不等于数据分析工具，是数据驱动决策的第一步 企业数字化转型的本质是经验驱动决策向数据驱动决策的转变。在这个过程中，为企 业各个业务系统提供描述、诊断、预测等数据洞察能力的不是数据分析工具，而是 BI 数据分析平台。 这个 BI 平台既能在功能上满足业务需要， 同时业务人员又方便操作， 才能实现工具与业务的深度融合。 传统数据分析过程与业务需求的割裂造成了数据驱动的第一障碍。以传统数据分析工 具 SPSS 为例，其提供了丰富统计分析模型和统计分析报告，但报告的分析结果仅仅 是对统计模型的解释而不是对业务的解释。同时复杂的统计模型
27、，通常只有统计专业 人员才能理解，业务人员难以进行操作。 数据驱动管理要求数据平台对业务需求负责，而不仅对数据分析结果负责。数据分析 过程仅是进行业务决策的过程一个环节， 将分析结果转变为合理的决策依据才是BI的 核心价值所在。 企业应用BI的目标即是通过对不同业务源数据进行统一处理及管理， 把数据变成信息、把信息变成决策、把决策变成行动，从而提高管理效率、增加企业 的竞争优势。 BI 平台通过对数据源接口与数据分析工具进行封装， 业务人员能够轻易的获取不同的 业务数据，同时根据业务需要提取分析结果。同时，BI 作为共享分析平台，避免了部 门间的数据混乱，极高提高了决策效率。 图6: BI 技
28、术支撑平台推进企业数字化转型 数据来源：爱分析 企业进行数字化转型的核心在于技术支撑平台的建设，BI 作为数据驱动决策的第一 步，其主要推动者为企业中的运营、销售和高层管理人员。企业在从“粗放式”向“精 12 | 爱分析中国 BI 商业智能行业报告 细化”管理过渡中， 通过 BI 的帮助， 企业/业务管理者能够更好的引导决策、 提高运营 效率、 增加客户收入， 从而更有效的提高企业竞争力。 由于使用 BI 的人员是对业务负 责人员，其分析效果相比传统统计学人员更能复合业务需求。 2.2 海量数据的处理与分析，让数据产生价值 BI 平台成为数据产生价值的主要方式。随着现代业务系统的越来越多，收集
29、的数据越 来越细，使用系统的时间越来越长，数据量的增长越来越快。但现有的系统无法对数 据量比较大的数据进行快速响应。以 BI 建设为中心的数据中台服务，逐渐成为海量 数据处理与分析的核心平台。 图7: 海量数据价值的体现 数据来源：爱分析 BI 平台可以实现全域数据的精准分析，实现低价值密度数据的有效抽取。例如，企业 的供应商信息、产品信息、库存状况、客户信息、订单数据、交易信息、时间和环境 信息等重要的信息资源都分布在 ERP/CRM/SCM 等业务系统或者平面文件中，形成 了一个个的“信息孤岛”。只有依赖大数据 BI 平台，才能使用挖掘全域数据的价值， 而不是采用样本进行粗略的统计分析。
30、海量数据间的关联关系通常蕴含更为巨大的价值， BI 平台利用增强分析实现关联关系 价值挖掘。如客户关系管理过程中，利用 BI 应用进行客户划分、客户行为分析、重点 客户和潜在客户发现等来了解客户，进而为客户提供个性化服务和交叉销售，从而提 高客户的满意度和持久度，为企业赢得市场机遇。 实时性海量数据分析能够帮助业务人员快速应对业务变化。传统的数据分析过程涉及 大量报表制作；一般传统报表工具响应时间慢。BI 平台中的高性能计算引擎可以满足 海量数据的秒级分析需求；流计算与实时计算平台，对于实时性高的物联网数据或者 时序数据，实现实时或者准实时分析。 13 | 爱分析中国 BI 商业智能行业报告
31、除此之外，BI 平台还具备预测式分析价值。通过预测式分析，结合外部数据和历史事 实，业务人员能够更好地了解客户，产品和合作伙伴，识别公司的潜在风险和机会。 2.3 让管理层能够基于数据制定决策 BI 平台在数据整合方面的优势， 成为企业内部数据资产和外部数据资源的沉淀和管理 中心。传统的 ERP、OA、CRM 等系统并不具备整合与挖掘信息的能力，而仅靠企业 内部数据不足以满足企业管理决策的需要。BI 平台整合企业内部与外部数据后，这些 数据成为可挖掘和可分析的数据资源，这是企业利用数据制定决策的前提。 在企业管理中提供更深刻的业务洞察力，是管理层依赖 BI 平台进行决策的基础。数 据价值虽然得
32、到管理人员的普遍承认，但是管理人员拒绝利用数据进行决策的原因在 于，传统数据分析工具只能提供片面、粗略的分析结果。BI 辅助管理人员决策，取决 于管理层对 BI 平台的依赖性。 只有不断适应业务需求， 才能体现 BI 平台的决策价值。 大数据 BI 平台提供了管理层决策所需数据的时效性和准确性。传统业务部门间数据 的汇总过程是漫长的，使用 Excel 从底层部门到高级管理层的数据汇总过程往往长达 月余。 即使用传统 BI 产品， 面对大数据体量工作时， 仍然需要按小时计算才能完成所 需的统计工作。显然只有借助大数据 BI 平台，管理层依据制定决策才成为可能。 图8: 美的集团BI 平台使用现状
33、 数据来源：美的集团、永洪科技&爱分析 美的集团曾使用 Oracle BIEE 作企业 BI 平台，但是在高性能、轻量化运维、数据权 限管理过程中，原有 BI 平台并不能满足企业级决策对灵活性、时效性和准确性的需 要。同时，BIEE 并不能对外部数据与客户情况、竞品特征以及网络舆情进行整合挖 掘，因此管理层对原有 BI 利用十分有限。 14 | 爱分析中国 BI 商业智能行业报告 采用一站式大数据 BI 平台后，平台内部接入超过 800 种数据源，形成超过 100T 的 数据存量。 在平台上， 新型 BI 系统能够在秒级时间内响应各种定制报表和图表， 从而 快速响应市场变化。由于新系统满足了管
34、理层对数据决策的需求，该 BI 平台在美的 内部的大数据、国际部、金融部以及物流子公司快速推广。 2.4 让业务人员都能具备数据分析能力，提升业务效率 敏捷 BI 使得业务人员进行数据分析的门槛大幅降低。敏捷 BI 的重大价值在于使得业 务与技术人员分离，业务部门能够根据自身需要快速实现业务分析需求。目前，敏捷 BI 成为国内的中大型企业面向业务人员的首选数据分析工具，如咨询、能源、电信等 行业，它们对自服务分析越来越看重，采购需求不断增加。 以艾瑞咨询为例，艾瑞咨询集团每天要分析的数据量达几千万条，且不同企业客户的 分析需求各不相同。面对动态的报表查询，如果分析的维度和度量的计算方式已在建
35、模时预先设定好，不能更改；通常不能满足业务分析需求。 艾瑞集团采用包括分布式计算、内存计算、列存储、库内计算等新型计算架构，实现 敏捷 BI 的分析需求。项目实施后，对比原先基于 Excel 和 SQL 编程的分析方法，艾 瑞咨询集团的业务效率获得数倍的提升。线下报告交付周期从 3 至 4 周缩短至小于 1 周， 软件交付从半年缩短至一个月。 采用敏捷 BI 工具后， 艾瑞咨询集团可以在几天内 快速搭建原型向客户展示，任意的需求变更都可以一周内调整完毕。 图9: 艾瑞咨询采用BI 平台后的项目收益 数据来源：艾瑞咨询、永洪科技&爱分析 15 | 爱分析中国 BI 商业智能行业报告 BI 商业智
36、能的重要场景分析 16 | 爱分析中国 BI 商业智能行业报告 3. BI 商业智能的重要应用场景分析 3.1 金融 金融业是实现数字化转型最快的行业，数据资产已经成为金融企业的核心资产。随着 互联网金融在金融业中的快速兴起， 除传统业务系统数据外， 针对互联网客户的风控、 电商、渠道、信用等新业务数据给金融企业带来巨大的数据使用压力。 目前，BI 在金融企业的运营、管理和风控三个领域，都具有重度使用需求。中信四川 分行在处理全省的经营分析和客户分析时，经营与客户数据需要快速上线并通过合理 权限控制交给业务部门自行分析。 通常这些数据都是由业务部门进行汇总后， 以周报、 月报形式上报至省公司，
37、决策周期长。 采用敏捷 BI 系统后， 中信四川分行全局报表的响应效率从十几分钟提高到 10 秒以内。 业务人员可以利用自助式建模系统，快速响应业务需求，任意分析需求均可在一天之 内实现。 客户分析领域，BI 可以通过多维数据关联，从用户年龄、性别等不同维度构建用户画 像，实时分析用户的投资偏好，进行精准营销。在内部风控方面，BI 系统可通过趋势 分析、异常值预警等方式进行平台风险管控。 图10: 典型的银行BI 系统 数据来源：永洪科技&爱分析 17 | 爱分析中国 BI 商业智能行业报告 BI 系统中，响应效率、全量数据建模、业务人员自助分析通常是制约金融数据应用的 关键因素。传统的 BI
38、 报表，需要先建模再分析，项目周期通常在一个月以上，而且无 法响应快速的业务变化需求。而现代 BI 系统在金融类业务中通常可以实现秒级自助 式分析与展现。 一个典型的银行 BI 系统如上图所示，可以看出 BI 不仅仅是可视化产品，更是一种业 务解决方案。在项目实施过程中，BI 高级咨询师通常会根据金融业务制定相应的存储 与分析方案，而在项目上线后，则业务分析则可由业务人员自助完成。 3.2 零售 零售业通常面对成千上万家店铺的数据信息，通常零售企业会有统一的信息管理系统 管理店面业务，积累了大量的会员、交易以及过程数据。由于缺乏数据应用体系，快 速增长的业务中积累的数据不能快速有效的指导管理决
39、策。 零售业在数据应用过程中面临主要问题包括，多地数据存储导致数据孤岛严重、业务 复杂导致数据融合困难、缺乏数据规划导致数据质量不一致、分析维度单一导致数据 利用率低、缺乏合理工具导致分析响应效率低下。 调研中发现， 受限于 IT 投入的成本， 大量的零售企业还在使用 Excel 制作固定报表。 虽然 Excel 具有成本低廉、使用灵活方便的优点，但应对海量数据处理与深度分析场 景却无能为力。 BI 可以在避免重度数据仓库建设的同时，通过轻量级的 ETL 工具对接不同的数据源 实现经营数据的快速分析与展现。国内大型零售商，如家乐福、永辉超市、大悦城、 海天集团、国美集团都已经采用 BI 系统进
40、行企业经营与店面的管理。 表2: 零售业采用BI 后效果 序号 实施效果 1 实施周期短， TB 级到 PB 级数据秒级响应， 提高了业务决策的效率和价值 2 覆盖采购、销售、生产、供应链等主题分析，真实、客观反映运营水平 3 对销售增长趋势进行预判，对采购、生产计划等进行调整，减少库存占用 4 建立分析标准，统一业务口径、分析维度、指标体系等数据标准 5 满足公司、各区域、各品牌的关键业务运营及系统应用情况监控 6 通过制定业务数据质量评价指标，提升业务数据质量 7 通过数据追溯，找到预警指标的问题原因，及时反馈营业风险 数据来源：永洪科技 18 | 爱分析中国 BI 商业智能行业报告 图1
41、1: 典型BI 分析效果 数据来源：永洪科技&爱分析 低成本、高效率的敏捷 BI 在零售业应用中的巨大优势。某零售企业采用敏捷 BI 后， “单店销售收入提升 16%，二店率提升 12%，次年新开店增速 20%。”国美互联网零 售 CTO 王增智先生也曾表示， 国美利用人货场数字化， 实现了线上线下会员、 订单、 商品、促销与数据的统一，有效提升了管理效率和客户体验。 3.3 能源 能源行业的参与者大多数是大型国有电力、石油等类型的企业，能源企业的业务通常 涉及关系国计民生的基础性服务，在几十年的国家基础能源设施建设过程中沉淀了大 量数据资产， 如何盘活数据资产， 优化管理， 创造价值成为能源
42、企业重点关心的问题。 能源行业实施 BI 的难点首先在于， 海量、 多源、 异构的生产系统导致的数据复杂性和 动态性。例如电力系统从电能生产、客户购电，到电能销售、电力传输，再到企事业 单位用电、电力设备故障，每个环节都涉及到大量业务数据。每类数据基本都是 TB 19 | 爱分析中国 BI 商业智能行业报告 级以上，且在持续增长。这对 BI 过程的数据的抽取、清洗和转化环节提出了很高要 求，同时 BI 系统的存储结构也要采用相应的海量、异构存储架构。 能源行业的难点其次在于，需要解决大量的历史数据和生产经营实时数据。无论是电 力系统，还是石油行业，沉睡的历史数据资产犹如鸡肋，食之无味、弃之可惜
43、。传统 的 BI 系统在利用海量历史信息时， 建设成本高， 可用性差。 只有具备相应的存储和快 速处理技术的 BI 系统，才能在海量历史数据的基础上，实现全景实时的数据展现。 能源行业除生产经营数据(网架、设备、技术、管理)外，还需辅助气象、地理、人文、 交通等外部数据。例如，可以提取石油管网与 GIS 数据，可以发现管道维护与相关区 域的多个问题，从而在区域范围优化管网参数与运维人员的配置。同时，管网的历史 数据与气象、人文等数据联合分析后，有助于智能管道全寿命周期管理。 能源行业 BI 的应用最重要的是对于风险因素的挖掘和管控。例如，通过 AI 构建电费 风险预测模型，大客户的欠费预测命中
44、率几乎达到了 90%；同时发现了大量未察觉 的业务规律和管理盲点；通过“网络可靠性特征模式“，可以根据线路的结构特性、电 气特性、供电可靠性等因素将线路分成若干类不同可靠性的线路组，为配电规划提供 依据。 图12: 典型的能源BI 示例 数据来源：永洪科技&爱分析 3.4 制造 制造业对 BI 系统的需求是产业全链条的，从设计、生产、物流、供应链、质量管控到 销售等一系列环节都有巨大的 BI 需求。目前，大部分中大型的制造企业已经建立了 20 | 爱分析中国 BI 商业智能行业报告 比较完善的 CRM、ERP、MES、MRP、EAS 等基础信息化系统，帮助制造企业收集 大量的历史数据。如何利用
45、数据实现精益生产，成为制造业的刚需。 制造业利用生产数据与用户反馈可以有效的改进生产，如设备运维监控、质量监控、 库存分析、柔性生产，都需要借助实时的数据采集与反馈。在生物制药领域，通过对 生产线超过 200 个指标的监控，实现生产线的柔性控制，每条生产线可以节省 500 万到 1000 万美元的成本。芜湖格力工厂，把 MRP 和 MES 的数据导入 BI 系统，实 现实时多维数据分析，提高了 30%以上的工作效率。 现代制造企业通过内部与外部的数据，结合敏捷 BI，可以实时优化产品方案。美的集 团在跟踪产品销售情况时，会根据用户需求、产品特征、客户评价以及用户评价等多 个维度挖掘用户需求，从
46、而及时反馈到生产线，实时优化产品方案。 制造业 BI 应用中的困难主要在于， 内外部海量、 异构数据的整合与精确、 实时分析的 实现，而数据采集经过多年发展已经相对成熟。以美的为例，美的从 2012 年开始投 入超过 10 亿元进行 IT 治理和全面重构系统，实现了集团级的企业标准和语言。 在实施过程中，其技术人员负责数据分析体系的搭建与技术实施，业务团队的配合负 责数据清洗、转换、建模的部分。数据分析系统通过按月迭代的方式，持续释放新的 业务价值。 图 13: 美的集团数据应用架构 数据来源：永洪科技&爱分析 目前，美的集团实现了实现从研发、生产、库存、营销、收付全链条的动态可视化， 将数据
47、运营的结果展现出来。对于 1.5 亿美的用户，美的大数据平台实现了用户购买 供应链 采购 物料计划 生产计划 库存 供应商 物流 运输能力 运营管理 库存分析 质控 流程检查 财务 资金预测 预算管理 收支分析 应收应付 财务能力 生产 产量分析 在制品 不合格品 生产进度 换线分析 销售 销售排名 销售趋势 客户分析 订单合同 回款情况 市场 分销 费用 促销 渠道 投资分析 HR 人力资源 工资 人员异动 薪酬福利 费用 自助数据准备 高性能计算引擎 敏捷BI 深度分析企业级管控 数据填报 数据协作 数据可视化 SQL/Hadoop大数据平台 一站式大数据应用平台 采购数据设备数据设备数据
48、仓储数据订单数据 数据生态系统 21 | 爱分析中国 BI 商业智能行业报告 的记录、购买渠道、地域、使用偏好等等信息全部标签化，形成完整的用户画像，实 现精准营销。 BI 一体化平台通过降低数据应用构建门槛，帮助企业建立数据化运营体系，真正实现 数据驱动决策，从而盘活数据资产和底层基础设施，真正发挥数据给制造企业带来的 巨大价值。 3.5 互联网 互联网行业与其他传统行业对 BI 的有明显的不同。互联网公司自身业务通常面临高 并发和分布式的特点，又有自己的技术团队，因此像美团、快手体量的互联网公司通 常通过开源组件搭建自身的 BI 平台以满足自身业务的需要。 但对于行业性或者一般规模的互联网企业，仍然乐于采用成熟商业化的 BI 产品满足 自身数据分析与可视化的需要。 图14: 典型互联网BI 架构 数据来源：永洪科技&爱分析 互联网企业与传统企
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
