为什么BI软件在中国很难做

前几天讲了SaaS在中国很难做（《企业管理SaaS在欧美很普及在中国却很难做的根因和趋势》），今天说说商业智能（BI）在中国也很难做的现象。

先定义一下什么是BI软件，它是指面向业务目的，对已经经过预处理的数据（存在大数据平台、数据仓库、数据集市等数据平台里），进行数据分析和结果展示的工具。从分析形式看，由静态到动态，可以分为查询、报表（Reporting）、图表（Charts）、联机分析（OLAP/Analytics）、数据挖掘（Data Mining）以及预测性分析（Predictive）等类型，具体满足的业务分析主题，既有战略性课题，面向企业高层管理人员，例如经营战略、战略财务、营销战略等，也可以有战术性课题，面向业务专家、中低层管理人员，例如客户/商品分析、供应链效率、成本分析等等。

BI作为一种企业软件品类被提出来有将近20年的时间了（下图是国外主流BI软件的评测），国内也出现了很多BI软件创业公司。我觉得这些创业公司面临的最大的挑战，不是技术问题，而是中国人思维方式习惯和中国企业管理习惯的问题——给满山跑的野人卖西服是很有挑战的。

BI是个开放式的工具，并没有标准业务流程或预置的指标体系/数据模型。它是用来解决问题（problem solving）的，使用BI的思维方法是：定义问题、基于问题建立解决假设（hypothese）、对已经处理过的结构化数据进行探索验证、建立数据分析模型、评估模型选择、实施分析方法：

然而，中国人的思维方式不是探索式（Exploration）的，而是“结果导向式”的，中国管理者都习惯看固定格式报表、基于指标的图表，所以，中国企业里很少有数据科学家（data scientist）这样的角色，而是“表哥表姐”们围绕各种指标做报表给领导或业务决策者看，如果没有预先定义的业务指标，大家就不知道该怎么玩了。现在热门做啥实时数据的“指挥大屏”，也就是应付领导和外行看着热闹的官僚形式主义，根本没有体现BI本身的商业价值。这种情况是绝大多数传统企业的情况，不过在“数字化原生”的互联网公司中，由于数字化程度高、业务环境复杂多变，数据分析的成熟度就要要高得多，对BI工具依赖程度高。

这体现了中西方文化差异，打个比方，BI就像下面这个工具箱，在西方很多家庭中都有这样的工具箱，使用这个工具箱建个木房子，还需要有设计、拉线、施工的端到端过程，对使用者本身的能力是要求的。而中国家庭很少有自己动手使用电钻、锤子的，就算是家里要修个啥，小区里也有物业，使用这种工具箱的都是物业维修工。

有位BI公司的创始人跟我探讨：是否有可能在系统里预置各种业务KPI体系，辅助业务决策，帮助用户来提升分析水平？我说这类KPI体系，按我过去的观察，CXXXX，OXXXX、SXX等大型BI软件在售前时，经常给客户讲软件里内置了这类指标体系，然而客户真买回去后，这类指标体系多半没有啥用，都是售前时为了让用户理解BI的价值而走的过场而已。

数据分析也不应该是IT部门的职责，IT部门要做的是管好数据基础设施（存储、备份、数据库）和数据架构，数据分析、数据科学的工作应该完全是业务部门的事情，因为假设、探索、建模等只有业务人员能搞定，IT部门不可能越俎代庖的。所以，对那些中国BI创业公司来说，把软件卖给谁，就是一个很大挑战。

中国企业要真把数据科学、数据分析用起来，是一代人的思维方式变革，BI创业公司承担着教育用户改变思维模式的挑战。