去年年底國際BI巨頭Tableau宣布退出中國市場，將業(yè)務打包整合到Salesforce與阿里巴巴的合作關系中。從最近幾年技術發(fā)展趨勢來看，BI似有日薄西山之勢，BI這門生意還好做嗎?
關于BI的一個普遍質疑是商業(yè)智能到底如何產(chǎn)生價值，為什么最后企業(yè)IT 部門或者業(yè)務部門完全淪為了做報表，能體現(xiàn)的價值只是節(jié)省了我們做報表的工作量，僅此而已。
高度依賴系統(tǒng)、知識與環(huán)境，更多的問題而非答案
傳統(tǒng)BI關心的是數(shù)據(jù)漂不漂亮，展現(xiàn)的形式是不是讓人喜歡，門檻夠不夠低，對業(yè)務的價值反饋周期比較長。
數(shù)睿數(shù)據(jù)總裁劉超對當前BI行業(yè)“工具負責好看、工作靠人來干、知識難以沉淀”的問題進行了總結分析，大致歸納為“三個依賴”：對系統(tǒng)的依賴、對知識的依賴、對環(huán)境的依賴。
目前BI分析的數(shù)據(jù)大多數(shù)來源于各類業(yè)務系統(tǒng)，使用這些數(shù)據(jù)的時候會遇到很多質量、安全、標準等方面的問題。問題出自于機器，但卻需要靠人去治理，這既不合理也產(chǎn)生了很多不必要的工作量，因此下一代BI應該讓機器做機器該做的事，讓人做人該做的事。
其次，是對知識的依賴。人類社會發(fā)展到今天，各個學科、行業(yè)都積累了自己的知識，這些知識如果運用到數(shù)據(jù)分析中，需要事先積累、吸收、融匯貫通，需要付出大量的努力。能不能讓工具代替人去消化這些知識，降低知識運用的門檻，是第二個問題。
最后，是對環(huán)境的依賴。我們相信數(shù)據(jù)積累到一定規(guī)模，結合企業(yè)的知識歷史數(shù)據(jù)，就能實現(xiàn)智能化的知識共享。但是運用知識的環(huán)境是紛繁復雜的，如何讓基于一個系統(tǒng)分析形成的知識能夠快速分享到另一個系統(tǒng)中產(chǎn)生價值，如果知識嵌入到別的業(yè)務系統(tǒng)依舊需要做集成，本質上還是沒有擺脫大量的技術性工作。只有解決知識傳播受阻的這個問題，企業(yè)才真正具備動態(tài)學習和積累的能力。
業(yè)界認為，按照“DIKW”模型理論，BI不能停留在數(shù)據(jù)階段，做統(tǒng)計與可視化，而要專注于把數(shù)據(jù)轉變?yōu)橹R。下一代BI與人的關系，應該是BI工具去數(shù)據(jù)中總結知識，人把知識和業(yè)務結合，產(chǎn)出智慧，創(chuàng)造價值。
下一代BI的隱形巨擘：增強分析與機器學習算法
隨著商業(yè)環(huán)境的變化，數(shù)據(jù)分析的維度和用戶使用習慣的要求也在不斷升級，面向下一個十年的BI該如何設計?筆者認為好的能力是“當用戶感知不到時，就是它無處不在的時候”，就是說它工作的時候你不會感知到它，當它不工作了，你才會強烈地感到不適。
目前包括nextionBI在內(nèi)的一些國產(chǎn)BI已經(jīng)后起而直追，很多功能組件里都封裝了AI 算法，在看不到的地方，有更多的自動化和智能化。比如數(shù)據(jù)分析模型提供了時序分析、預測、分類、聚類這些通用算法，用戶過去想做一些預測或分類，都需要機器學習的一些模型訓練，現(xiàn)在用戶只需要開箱即用，很快的一鍵操作就可以完成三維/時序/圖譜等分析。
數(shù)據(jù)分析儀的另一大亮點是基于NLG(自然語言生成)的智能數(shù)據(jù)解讀，解讀也是自然語言式的，讓枯燥乏味的數(shù)據(jù)自動說人話，對于數(shù)據(jù)不敏感人群可以提供友好的數(shù)據(jù)解讀輔助。當數(shù)據(jù)量和維度都比較繁多的時候，智能數(shù)據(jù)解讀可以快速告訴你數(shù)據(jù)的分布是什么樣的，有哪些特征，特征之間是否有隱形關聯(lián)?關聯(lián)程度怎么樣?整體數(shù)據(jù)分布是否有空值?
商業(yè)智能的表象是可視化分析報表的呈現(xiàn)，但它的本質還是業(yè)務問題、管理問題。增強分析就是盡量減少數(shù)據(jù)工程師的工作，釋放數(shù)據(jù)分析師的能力，讓機器替代開發(fā)者去完成很多事情。
從數(shù)據(jù)到知識的遷移，促進下一個十年BI的進化
“十年后回頭看，現(xiàn)在做的都不能算BI”，這是出自nextionBI發(fā)布會現(xiàn)場的原話。
口氣不小，如何實現(xiàn)?劉超將nextionBI的關鍵能力總結為：數(shù)據(jù)融合、增強分析、敏捷易用。從技術而言，似乎有舊詞新說的嫌疑，相同的概念也需要看面向什么談，面向數(shù)據(jù)和面向知識有著本質的不同。
如果只是面向數(shù)據(jù)，數(shù)據(jù)融合可能做的是對更大數(shù)據(jù)量的支持，增強分析多做了幾種統(tǒng)計函數(shù)，敏捷易用則是提供了API文檔和詳實的用戶引導。但如果是面向知識，數(shù)據(jù)融合需要關注對更多數(shù)據(jù)維度、種類的覆蓋能力，結合相關性分析為維度選擇提供指導;增強分析需要同時具備顯性知識識別和隱性知識挖掘兩種能力，將技術能力與場景結合;敏捷易用需要深入工業(yè)物聯(lián)、數(shù)字孿生中去，與跨行業(yè)的數(shù)字化應用相互集成配合。
從面向數(shù)據(jù)遷移到面向知識，越往上離業(yè)務側越近，不讓數(shù)據(jù)成為包袱，讓業(yè)務人員更專注于業(yè)務本身。筆者相信數(shù)字化一定是由離業(yè)務最近的人來實現(xiàn)的，某種程度上說，數(shù)字化轉型是對人的要求，如果人人都有數(shù)字化創(chuàng)新的能力，這個公司就是擁有強大數(shù)字創(chuàng)新能力的公司。
知識的積累、發(fā)現(xiàn)與傳播可以幫助我們看到更完整的世界，先相信你看不見的世界。nextionBI是否會人如其名，成為下一代國產(chǎn)BI神器我們無從得知，但我們更愿意相信相信的力量，相信我們看不到的世界，相信一場奔赴數(shù)字創(chuàng)新藍海的理念、方法論、工具平臺已經(jīng)展開全圖景。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
