商业智能 BI 行业趋势

商业智能BI的本质是通过对数据的分析形成事实依据，可以用来辅助我们做出决策，进一步指导我们采取行动。BI的发展经历了传统BI、自助BI和智能B三个阶段，以满足企业不同场景下的BI需求。

传统BI主要解决描述性分析问题，满足经典商业智能场景，帮助IT人员快速部署和开发BI系统，最终提供给管理者。现代 BI 包括自助式 BI 和智能 BI，解决描述性+诊断性+预测性问题，帮助更多用户，更深入地洞察数据。自助BI为企业更多人员带来分析能力，围绕不同类型的业务人员提供企业级数据分析工具和服务，最终用户为业务人员和管理者；智能 BI 是指利用 AI 技术提供更深入的分析能力，解决预测分析问题，最终使用数据科学家和管理人员。

从产业链来看，企业数字化趋势不可阻挡。数字化过程通常有两个阶段：数据生产和数据消费。在数据生产阶段，对于企业来说，通常会搭建ERP、OA等业务系统，实现业务信息化，规范业务流程，产生大量业务数据。数据消费就是利用BI平台和AI平台，充分利用数据，实现从体验驱动到数据驱动的转变，帮助企业实现综合业务决策管理。数据化和智能化将反过来改善业务流程。

根据IDC报告，2020年中国BI软件存量市场市场规模为38.2亿元，到2024年市场规模将达到78.5亿元，整体未来 4 年市场复合年增长率 (CAGR) 为 19.2%。此外，还有百亿元规模的增量市场和百亿元的潜在市场。当前行业的数字化转型也进入倍增创新阶段。无论是地方政府的经济产业倍增规划，还是企业的倍增创新转型，数据的挖掘和利用都被提到了重要的战略地位，是实现数据价值的强大力量。工具，

数字化运营的挑战

对于企业而言，在使用BI进行数据运营的过程中，往往面临三大挑战：

一、如何做好数据准备？

数据分析的前提是要经过一个数据准备过程，尤其是中国企业的数据状态。企业内部有ERP、OA、CRM等系统，业务流程密切相关。但是各个系统表之间的数据相对独立，数据不统一，信息孤岛问题非常严重。数据匹配关联，人工操作繁琐、耗时，且数据源的获取不统一，导致数据结果不同。因此，需要解决的问题是：如何统一访问和管理企业的各种业务数据，使用户能够找到自己需要的数据，并保证数据的正确性和安全性。

第二，有没有合适的数据分析工具？

数据准备完成后，需要考虑如何让用户进行数据分析。不同的用户进行数据分析的目的不同，有的需要做描述性分析，有的需要做诊断或预测分析。企业用户包括数据工程师、分析师、数据科学家和不懂 IT 的业务用户。这些用户的 IT 水平不同，对数据分析工具的要求也不同。那么，如何提供一套能够满足不同用户需求的数据分析工具就显得尤为重要。

最后，如何激发用户数据分析的热情？

在实际应用场景中，数据分析往往不是由分析师一个人完成，而是由企业的不同部门或团队通过协作完成，这意味着BI应该具备对业务数据进行协作的能力。同时，要在企业内部构建数据分析文化，激发用户对数据分析的积极性，让BI在企业中真正落地，数据得到充分利用。

观远bi 的解决方案

统一数据集成

企业的数据无处不在。待分析的数据可能来自各种关系型数据库、大数据平台、本地数据文件等，可以通过观远bi数据连接进行统一连接，一站式访问企业全局地方。数据视图。而如果我们要分析一个问题，很可能不仅需要一个部门的数据，而且来自各自来源的数据也需要关联起来进行分析。因此观远bi提供了跨库查询的功能，采用分布式内存计算，后期建模时可以直接跨不同数据源建模，无需额外复杂的数据处理。

数据连接后，观远bi提供“虚拟语义层”能力，将访问后不同数据中属于同一分析主题的表或表中的字段组合起来，最终一一构建。针对金融、生产、营销等不同业务的话题。虚拟语义层可以开放给业务分析，IT主要控制权限。

当有一些更复杂的数据分析场景需要更深入的洞察时，可以利用观远bi的“数据模型”来帮助企业考虑这些不同的数据准备场景。数据模型可以帮助企业关联和整合不同来源的数据，根据不同的维度和指标对数据进行分析，这是数据分析的重要前提。

观远bi 数据模型与ETL模块相连，具有强大的数据处理能力。数据模型中的表、SQL、存储过程、即席查询等可以直接转为ETL高级查询，从而实现复杂数据场景的处理，比如超大表的连接。数据模型还具备多维复杂计算能力，支持自定义计算指标、成员、命令集，支持MDX函数实现智能时间计算。就像汽车的引擎一样，数据模型为上层分析应用提供了澎湃的“动力”。

描述性分析

用于监控当前业务状态，通过设定合理的指标量化各个环节，根据科学的评价标准发现业务异常。为了满足描述性分析的需要，采用了不同的呈现形式。

观远bi 的描述性分析工具包括电子表格、可视化图表分析和分析报告。

在数据分析的应用中，任何企业最常见的分析需求就是提供业务报告，如财务报告、绩效考核报告等。它的格式通常比较复杂，所以也称为复杂报表或中文式报表。观远bi电子表格具有“真Excel”功能，将Office Excel和WPS表格变成企业级WEB报表设计器，可以实现非常复杂的报表需求。

诊断分析

通过对数据的不断探索，找到最终结果的原因以及可以改变未来结果的方法，从而满足不同操作水平、不同期望、不同工作习惯的分析师实现自我业务数据的服务诊断。

观远bi 的诊断分析工具包括即席查询、数据透视分析、自助仪表板、Excel 融合分析和自然语言分析。

ad hoc查询，主要用于大数据量的详细查询，任何字段都可以作为过滤条件；透视分析，支持大数据量的查询性能，支持超多维甚至无法固定维度的分析场景；自助仪表盘，让业务人员通过拖放生成可视化的数据仪表盘，所见即所得；Excel融合分析，从数据提取、融合分析到最终发布，只需在Excel中即可一次完成；自然语言分析，无需学习，直接输入文字或提问即可得到图表结果。

预测分析

有效挖掘企业大数据中隐含的、未知的、潜在有价值的关系、模式和趋势，实现对企业数据的预测分析。

观远bi的预测分析工具是数据挖掘，它支持集成数据预处理、机器学习建模和自动化模型部署。

员工数据分析

在BI中引入共享应用商店是观远bi的独特之处，其作用是传播和沉淀优秀的分析，促进全员数据分析文化的形成。

应用商店类似于移动软件应用市场。用户可以直观地看到最流行和最优秀的分析应用，也可以搜索到想要的分析结果。用户可以一键完成安装。您也可以自己修改它以使其成为您自己的版本。

为了提高用户粘性，应用商店支持社交互动。用户可以点赞、评论和提问。用户还可以在系统内或钉钉、微信等第三方社交平台上分享有价值的分析结果。

典型

某大型科技企业自助分析项目

国内大型科技公司所在的智能终端市场竞争激烈，需要赋予一线业务人员更灵活的决策权。但是，企业购买的自助式BI工具基本无法使用。要么门槛太高，要么功能无法满足需求。最后，业务人员仍然习惯于使用 Excel 进行数据分析。具体流程是业务人员找IT部门导出系统数据，然后结合本地数据在Excel中做各种数据关联、处理、处理，包括Excel函数公式、数据透视表、图表分析等，进行处理最终分析需要报告。

这种方法的缺点很明显，比如更新数据耗时耗力、数据报表无法安全共享、无法定期更新、数据量大、公式复杂、计算慢等性能问题。

因此，公司采用观远bi的Excel融合分析工具，结合“BI+Excel”的优势。BI解决数据更新、处理性能和权限控制问题，Excel解决数据处理、分析和报告问题。BI与Excel无缝对接，形成完整的闭环工作流程。业务人员可继续使用Excel，保留用户使用习惯，便于大规模推广；他们还可以利用Smarti服务器的计算能力，数千万行数据秒出结果，数据安全也有保障。

某城商行大数据门户

在城市商业银行的发展过程中，对大数据应用的需求日益突出。如何充分利用银行内外数据，搭建统一的数据工作平台，推进标准化、流程化、自动化、柔性化的门户建设，让数据充分发挥其价值已成为一项重要的工作。银行数字化建设的重要课题。

为此，该行构建了基于观远bi的大数据门户，支持全行各领域的数据应用。大数据门户涵盖数据挖掘、数据分析、数据共享、数据交互、数据可视化等功能，有效分析用户行为，实时监控银行核心经营指标，深入挖掘潜在商机，真正实现银行内部基于数据的管理和运营。

该项目的建设分为三个步骤：

一是搭建框架，搭建统一的大数据门户，整合行业现有分析平台，完成门户与行业数据、用户的融合。用户最初可以进入门户查看数据。

二是深度应用，在大数据门户上集成更高级的分析功能，如自助分析、数据挖掘、知识图谱、人工智能等，提升行业数据利用水平，直接带来分析值。

最后是推动转型，这是一个长期的过程。是指整个门户的运营，通过一些激励措施，充分调动全行的积极性，形成数据分析的氛围和文化，最终实现数字化转型。