編輯導(dǎo)語：數(shù)據(jù)分析，是用統(tǒng)計(jì)分析方法對收集來的大量數(shù)據(jù)進(jìn)行分析，提取有用信息從而形成結(jié)論。簡單來說，就是把隱藏在一些看似雜亂無章的數(shù)據(jù)背后的信息提煉出來，總結(jié)出所研究對象的內(nèi)在規(guī)律。隨著數(shù)據(jù)分析被越來越多的企業(yè)所采用，出現(xiàn)了越來越多的數(shù)據(jù)分析平臺，本文作者就對BI&數(shù)據(jù)分析平臺產(chǎn)品的發(fā)展趨勢進(jìn)行了分析。

近十幾年來，在互聯(lián)網(wǎng)技術(shù)和業(yè)務(wù)快速發(fā)展的同時(shí)，商用BI&數(shù)據(jù)分析產(chǎn)品和行業(yè)發(fā)生了翻天覆地的變化。

十幾年前，傳統(tǒng)BI平臺廠商占據(jù)著大部分市場；2010年前后，以Tableau為首的現(xiàn)代BI&數(shù)據(jù)分析平臺廠商開始快速崛起，最后搶占了絕大部分的市場。

是什么讓現(xiàn)代BI獲得了企業(yè)和組織的青睞，最終在市場競爭中獲勝？BI平臺的發(fā)展趨勢，又能給我們什么樣的啟示？通過對Garnter魔力象限和相關(guān)資料的解讀，我總結(jié)出以下幾點(diǎn)：

筆者在公司負(fù)責(zé)內(nèi)部數(shù)據(jù)分析類產(chǎn)品的建設(shè)，后續(xù)的分析將圍繞數(shù)據(jù)使用進(jìn)行，其它如廠商市場策略、數(shù)據(jù)技術(shù)方面的內(nèi)容將不會涉及。

一、數(shù)據(jù)使用的門檻不斷降低

2005年來，技術(shù)發(fā)展和產(chǎn)品設(shè)計(jì)思路的創(chuàng)新，讓BI平臺在產(chǎn)品部署、數(shù)據(jù)的準(zhǔn)備和使用方面的門檻都大幅降低，讓業(yè)務(wù)人員以更低的成本獲得所需的數(shù)據(jù)。

1.? 從依賴IT部門到自助分析

企業(yè)中BI平臺的用戶，可以根據(jù)工作職責(zé)分到兩類部門：業(yè)務(wù)部門和IT部門。

1）業(yè)務(wù)部門

是企業(yè)中直接負(fù)責(zé)業(yè)務(wù)經(jīng)營的部門，業(yè)務(wù)部門往往直接面對企業(yè)的用戶和市場，直接對企業(yè)的業(yè)務(wù)目標(biāo)負(fù)責(zé)。業(yè)務(wù)部門會生產(chǎn)出一系列原始數(shù)據(jù)，并利用分析這些數(shù)據(jù)得出的結(jié)論優(yōu)化業(yè)務(wù)結(jié)果。

2）IT部門

一般由技術(shù)人員或?qū)I(yè)數(shù)據(jù)分析師組成，他們具備專業(yè)技術(shù)知識，能進(jìn)行BI平臺的部署和維護(hù)；他們也能夠根據(jù)業(yè)務(wù)需求，進(jìn)行數(shù)據(jù)分析和報(bào)表的開發(fā)。

IT部門主要的工作職責(zé)，是通過輔助和支撐業(yè)務(wù)部門的工作，間接推動公司的業(yè)務(wù)發(fā)展。

傳統(tǒng)BI平臺產(chǎn)品設(shè)計(jì)的重點(diǎn)是產(chǎn)品的標(biāo)準(zhǔn)化和功能性，而沒有在易用性上投入足夠的精力，導(dǎo)致傳統(tǒng)BI平臺有著較高的使用門檻，只有經(jīng)過訓(xùn)練的IT部門的技術(shù)人員才能進(jìn)行數(shù)據(jù)的開發(fā)和維護(hù)。

因此，所有業(yè)務(wù)部門的數(shù)據(jù)報(bào)表需求，都被集中到IT部門進(jìn)行排期開發(fā)，IT部門成為了整個(gè)公司數(shù)據(jù)化的瓶頸。

對于IT部門，需求溝通和開發(fā)工作量巨大，每天疲于奔命；對于業(yè)務(wù)部門，業(yè)務(wù)需求溝通開發(fā)周期很長，無法滿足業(yè)務(wù)發(fā)展對數(shù)據(jù)的需求。

尤其是業(yè)務(wù)方面的一些數(shù)據(jù)探索類分析需求，在這樣的時(shí)間周期下，近乎無法實(shí)施，拖慢了整個(gè)組織的運(yùn)營效率，更別提進(jìn)入快速試錯(cuò)，迭代認(rèn)知的正循環(huán)。

以Tableau為首的現(xiàn)代BI平臺，被稱為敏捷BI或者自助BI。這類BI產(chǎn)品提供了輕量的部署方式、易用的數(shù)據(jù)源連接功能和通過拖拉拽進(jìn)行交互式數(shù)據(jù)可視化的能力，降低了BI平臺的使用門檻。

業(yè)務(wù)部門的人員經(jīng)過一定的學(xué)習(xí)就可以擺脫對IT部門的依賴，自行進(jìn)行數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)報(bào)表的創(chuàng)建和數(shù)據(jù)分析。將原來按月、按周計(jì)算的開發(fā)周期，縮短到按天甚至按小時(shí)、分鐘計(jì)算，數(shù)據(jù)需求實(shí)現(xiàn)的周期有了數(shù)量級級別的降低。

去IT部門中心化，讓組織內(nèi)部的數(shù)據(jù)應(yīng)用的廣度和深度都有所提升。

廣度方面，原本IT部門資源有限，組織的數(shù)據(jù)使用場景更多的集中在企業(yè)經(jīng)營的核心領(lǐng)域，比如：財(cái)務(wù)、銷售、業(yè)績管理這些直接跟公司業(yè)績直接相關(guān)的領(lǐng)域；其它方面的數(shù)據(jù)應(yīng)用，投入相對較少。

現(xiàn)代BI平臺的誕生，讓營銷、供應(yīng)鏈、倉儲、HR、風(fēng)險(xiǎn)管理等等領(lǐng)域的負(fù)責(zé)部門獲得搭建自身的數(shù)據(jù)分析體系的能力。

數(shù)據(jù)應(yīng)用的深度的增加可以從兩個(gè)角度理解：

1. 數(shù)據(jù)覆蓋人員層次的縱深增加。一開始數(shù)據(jù)只能提供給高級管理者，作為企業(yè)的重要決策參考使用；數(shù)據(jù)門檻降低后，數(shù)據(jù)可以滲透到一線員工的具體工作中，讓更多人形成分析-行動-反饋的正循環(huán)；
2. 數(shù)據(jù)在決策過程的覆蓋率增加。數(shù)據(jù)在組織中的主要用途是減少決策的不確定性，提升決策質(zhì)量。在決策鏈路或推理過程的諸多論證步驟中，得到的數(shù)據(jù)支撐越多越有力，決策的可靠性就會越高，最后決策的效果就會越好。

雖然去IT部門中心化的開發(fā)方式提升了業(yè)務(wù)數(shù)據(jù)需求的實(shí)現(xiàn)速度，幫助現(xiàn)代BI平臺產(chǎn)品在市場競爭中獲勝。

但各個(gè)部門獨(dú)立進(jìn)行數(shù)據(jù)準(zhǔn)備和分析，缺乏統(tǒng)一的管理。在數(shù)據(jù)應(yīng)用規(guī)模增大后，導(dǎo)致了數(shù)據(jù)的重復(fù)開發(fā)、數(shù)據(jù)口徑不一致等諸多問題。

這些問題已經(jīng)超出了BI平臺本身產(chǎn)品的范圍，更多的是組織結(jié)構(gòu)、流程和數(shù)據(jù)管理的問題，建設(shè)企業(yè)級的數(shù)據(jù)中臺是目前業(yè)界用于解決上述問題的方案，在此就不展開闡述了。

2. 自然語言查詢

雖然現(xiàn)代BI平臺已經(jīng)讓數(shù)據(jù)分析門檻下降了很多，但仍然存在一定的學(xué)習(xí)成本。用戶需要具備一定的數(shù)據(jù)分析思路和方法，理解現(xiàn)代BI平臺多維數(shù)據(jù)模型，掌握BI平臺的界面邏輯和交互方式。

NLP技術(shù)的發(fā)展和對用戶場景的理解，讓BI平臺開始嘗試開發(fā)通過自然語言進(jìn)行數(shù)據(jù)查詢的功能。

用戶只需要提出數(shù)據(jù)問題，BI平臺就可以根據(jù)已知的數(shù)據(jù)，為用戶提供可視化的數(shù)據(jù)分析結(jié)果，供用戶進(jìn)行進(jìn)一步的決策使用。BI平臺會真正成為個(gè)人專屬的數(shù)據(jù)分析師，隨時(shí)解答用戶的數(shù)據(jù)問題。

主流數(shù)據(jù)分析平臺都已經(jīng)開始嘗試這方面的探索，比如Tableau的Ask Data，PowerBI的Q&A功能等。

二、數(shù)據(jù)分析能力的持續(xù)增強(qiáng)

看數(shù)據(jù)只是業(yè)務(wù)數(shù)據(jù)應(yīng)用的第一步，通過數(shù)據(jù)分析發(fā)現(xiàn)潛在問題、洞察機(jī)會，最后獲得業(yè)務(wù)增長才是最終目的。

1. 靜態(tài)報(bào)表

傳統(tǒng)BI階段，BI平臺只能提供靜態(tài)的基礎(chǔ)報(bào)表工具。所有的報(bào)表要在需求溝通的階段都明確好數(shù)據(jù)內(nèi)容，在報(bào)表開發(fā)時(shí)寫死到程序里。

這個(gè)階段的報(bào)表，只能起到描述業(yè)務(wù)的作用，即告訴業(yè)務(wù)人員，當(dāng)前業(yè)務(wù)的狀態(tài)是什么樣的。

當(dāng)然，業(yè)務(wù)人員可以事先在報(bào)表需求中固化一些常規(guī)分析套路。但如果業(yè)務(wù)在使用過程中有更多的需求，哪怕只是對進(jìn)行一個(gè)之前沒有考慮到的維度細(xì)分，也只能再次給IT部門提需求進(jìn)行數(shù)據(jù)分析或報(bào)表修改，排期開發(fā)后才能得到結(jié)果。

這種數(shù)據(jù)獲取效率節(jié)奏，讓組織無法快速響應(yīng)市場變化，進(jìn)行充分的數(shù)據(jù)化決策。

2. 數(shù)據(jù)探索

除了前面提到的降低數(shù)據(jù)使用門檻，現(xiàn)代BI的另一個(gè)優(yōu)勢，是為用戶提供了交互式的數(shù)據(jù)探索功能。

業(yè)務(wù)人員可以在現(xiàn)代BI的多維數(shù)據(jù)模型（Cube）基礎(chǔ)上，通過符合直覺的軟件界面交互，快速進(jìn)行數(shù)據(jù)的探索和可視化分析。

業(yè)務(wù)人員可以查看宏觀的指標(biāo)數(shù)據(jù)，再根據(jù)需要對指標(biāo)進(jìn)行細(xì)分下鉆，在多個(gè)指標(biāo)之間進(jìn)行對比，利用現(xiàn)代BI的可視化圖表功能，從數(shù)據(jù)中產(chǎn)生洞察。

在數(shù)據(jù)探索功能的支持下，業(yè)務(wù)人員的數(shù)據(jù)分析思路可以在第一時(shí)間落地，完成數(shù)據(jù)分析過程中的猜想和驗(yàn)證，加快了業(yè)務(wù)獲取數(shù)據(jù)的效率。

在數(shù)據(jù)探索產(chǎn)品中，所謂的報(bào)表搭建只是在探索過程中固化下來的一個(gè)常用的分析思路。業(yè)務(wù)人員可以根據(jù)業(yè)務(wù)目標(biāo)的變化，對業(yè)務(wù)理解的深入和分析思路的完善，不斷調(diào)整和新建報(bào)表，達(dá)到數(shù)據(jù)應(yīng)用效率的最大化。

數(shù)據(jù)探索功能可以讓數(shù)據(jù)在組織內(nèi)部更高效的流轉(zhuǎn)起來。業(yè)務(wù)人員可以在現(xiàn)代BI中按照自己的分析思路，搭建一份完整的數(shù)據(jù)分析報(bào)告，并利用平臺的分享功能在組織內(nèi)部進(jìn)行分發(fā)，達(dá)到信息同步和溝通的目的。

3. 增強(qiáng)分析

在現(xiàn)代BI的幫助下，業(yè)務(wù)人員獲得了靈活的進(jìn)行數(shù)據(jù)分析的工具，但數(shù)據(jù)分析的具體思路和對數(shù)據(jù)的判斷和解讀還是需要人工參與。

數(shù)據(jù)分析的整個(gè)過程依然需要消耗一定的時(shí)間精力，分析結(jié)果也很大程度上取決于分析人員的分析能力和業(yè)務(wù)理解能力。

增強(qiáng)分析是將常見通用的數(shù)據(jù)分析的場景沉淀為產(chǎn)品功能中，利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)方法，輔助分析人員完成數(shù)據(jù)分析。

一方面，增強(qiáng)分析可以提升常見場景的數(shù)據(jù)分析效率，規(guī)范分析過程；另一方面，分析人員可以借助計(jì)算機(jī)的計(jì)算能力，從數(shù)據(jù)中挖掘到隱藏的信息。

1）細(xì)分分析

細(xì)分分析是數(shù)據(jù)分析的一種重要分析方法。

將一個(gè)指標(biāo)按照某個(gè)維度拆成多個(gè)組成部分，再對每個(gè)部分進(jìn)行進(jìn)一步細(xì)分，直到產(chǎn)生洞察或者發(fā)現(xiàn)問題。在數(shù)據(jù)波動分析、問題原因排查的場景中，都會用到細(xì)分分析方法。

PowerBI和QuickBI都提供了在指標(biāo)波動的場景下，自動進(jìn)行原因定位的功能。

QuickBI的智能監(jiān)控，可以展示出各維度和相關(guān)指標(biāo)對波動指標(biāo)的貢獻(xiàn)度，方便用戶發(fā)現(xiàn)問題原因；而PowerBI產(chǎn)品的波動分析則更進(jìn)一步，使用自然語言生成技術(shù)和一系列輔助圖表，直接為用戶呈現(xiàn)波動分析的數(shù)據(jù)結(jié)論。

2）智能洞察

業(yè)務(wù)人員在接觸到新業(yè)務(wù)或者新數(shù)據(jù)時(shí)，需要進(jìn)行一定的數(shù)據(jù)探索，了解數(shù)據(jù)的基本情況；對于已經(jīng)熟悉的數(shù)據(jù)，業(yè)務(wù)人員也可能因?yàn)閿?shù)據(jù)分析不夠充分，無法掌握數(shù)據(jù)所有的特征。

智能洞察可以利用統(tǒng)計(jì)模型和AI技術(shù)，對數(shù)據(jù)集進(jìn)行初步探索，幫助業(yè)務(wù)人員發(fā)現(xiàn)數(shù)據(jù)中的隱藏規(guī)律，比如：平均值、極值、關(guān)鍵維度、主要分布情況、指標(biāo)關(guān)系等。

智能洞察功能的代表有Tableau的Explain Data和PowerBI的Quick Insights。

三、數(shù)據(jù)和業(yè)務(wù)流程的結(jié)合愈發(fā)緊密

數(shù)據(jù)是手段，業(yè)務(wù)才是目標(biāo)。

為了讓業(yè)務(wù)人員可以更好的使用數(shù)據(jù)，組織傾向于業(yè)務(wù)流程和數(shù)據(jù)更緊密的結(jié)合起來，通過產(chǎn)品和AI手段，讓數(shù)據(jù)可以更好的支持、輔助甚至代替業(yè)務(wù)人員進(jìn)行決策。

與業(yè)務(wù)的結(jié)合越緊密，數(shù)據(jù)的業(yè)務(wù)定制程度越高，通用型也會越差。

所以下面描述的部分應(yīng)用場景會超出現(xiàn)代BI平臺的功能范圍，創(chuàng)造業(yè)務(wù)價(jià)值才是BI平臺存在的意義，讓業(yè)務(wù)和數(shù)據(jù)更無縫的結(jié)合、盡可能縮短業(yè)務(wù)問題到業(yè)務(wù)決策的路徑，必然會成為BI平臺未來的發(fā)展方向。

1. 線下流程

無論是外部采購BI平臺，還是自研數(shù)據(jù)產(chǎn)品，組織中的數(shù)據(jù)分析系統(tǒng)往往與已有的業(yè)務(wù)系統(tǒng)（CRM、營銷系統(tǒng)等）相互獨(dú)立。

這要求業(yè)務(wù)人員具備一定的數(shù)據(jù)應(yīng)用主動性和分析能力，了解在業(yè)務(wù)的哪些過程中需要進(jìn)行數(shù)據(jù)結(jié)論支撐，并且自行到BI平臺中進(jìn)行分析。

為了提高組織整體數(shù)據(jù)化決策水平，保障決策質(zhì)量，組織會用規(guī)范業(yè)務(wù)流程、組織培訓(xùn)等方式，提升業(yè)務(wù)人員的數(shù)據(jù)應(yīng)用能力，讓決策環(huán)節(jié)中有充分?jǐn)?shù)據(jù)支撐。

但線下流程終究會帶來大量學(xué)習(xí)和管理成本，執(zhí)行落地的效果也得不到很好的保障。

2. 數(shù)據(jù)分析嵌入業(yè)務(wù)工作流

現(xiàn)代BI平臺提供了各種功能，將其提供的數(shù)據(jù)能力嵌入到業(yè)務(wù)系統(tǒng)中。業(yè)務(wù)人員可以在業(yè)務(wù)系統(tǒng)中，一站式完成數(shù)據(jù)分析到運(yùn)營動作再到效果反饋整個(gè)流程閉環(huán)。

BI平臺廠商期望產(chǎn)品具備足夠強(qiáng)的通用性，這必然會犧牲BI平臺在特定場景下的易用性。為了滿足更細(xì)分的需求，需要選擇針對業(yè)務(wù)場景設(shè)計(jì)和實(shí)現(xiàn)的產(chǎn)品。

比如網(wǎng)頁和App用戶行為分析場景下，可以選擇Google Analytics、友盟、神策分析、GrowingIO等產(chǎn)品解決數(shù)據(jù)問題。

如果組織具備一定的開發(fā)能力，也可以自行將特定的數(shù)據(jù)分析方法集成到業(yè)務(wù)系統(tǒng)中，讓業(yè)務(wù)人員可以按照系統(tǒng)設(shè)計(jì)的思路，輕松完成常規(guī)業(yè)務(wù)數(shù)據(jù)分析。

3. 智能分析直達(dá)決策

數(shù)據(jù)分析嵌入業(yè)務(wù)工作流后，業(yè)務(wù)人員的數(shù)據(jù)分析效率大幅提高，但分析過程仍需要人工介入，進(jìn)行決策。能不能去掉人工分析的過程，讓機(jī)器直接提出決策建議、甚至直接進(jìn)行決策呢？

在AI已經(jīng)深入人心的今天，機(jī)器智能決策已經(jīng)在許多領(lǐng)域廣泛應(yīng)用。

業(yè)務(wù)數(shù)據(jù)分析作為BI平臺主要使用場景，也出現(xiàn)了很多利用AI技術(shù)結(jié)合數(shù)據(jù)分析提出決策建議的應(yīng)用。通過大量人工業(yè)務(wù)分析總結(jié)出的業(yè)務(wù)經(jīng)驗(yàn)、再加上AI和機(jī)器學(xué)習(xí)技術(shù)的加持，讓機(jī)器一次性完成業(yè)務(wù)分析和行動建議。

比如淘寶的生意參謀，可以分析出業(yè)務(wù)存在的主要問題，提出行動建議。

數(shù)據(jù)分析有四個(gè)層次：描述、診斷、預(yù)測和決策，BI平臺的發(fā)展歷程，正是按照這四個(gè)層次的順序，不斷為業(yè)務(wù)賦予更大能力的過程。

在互聯(lián)網(wǎng)業(yè)務(wù)快速發(fā)展的大背景下，從業(yè)者對數(shù)據(jù)的理解和應(yīng)用意識不斷提升，各個(gè)領(lǐng)域的數(shù)據(jù)應(yīng)用方法也隨著行業(yè)發(fā)展不斷沉淀完善。

這些都與BI平臺自身的發(fā)展一起，形成合力，推動整個(gè)行業(yè)的數(shù)據(jù)應(yīng)用水平邁上了新的臺階。

本文由 @季白 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議