BI要死了吗？
点击大数据应用关注
什么是BI?
什么是MQ??
什么是BICC???
先来科普些专业名词
1、Magic Quadrant (MQ)——魔力象限
由Gartner公司注册版权，描述了对目标市场内的厂商所进行的分析。以前瞻性和执行力作为核心指标划分出四个象限，依次分别为领导者（Leaders）、挑战者（Challengers）、有远见者（Visionaries）和特定领域者（Niche players）。
2、Business Intelligence (BI)——商业智能/商务智能
3、Hadoop——分布式计算开源框架
开源分布式并行处理平台
4、Visual Data Discovery——可视化数据发现
5、Semantic layers——语义层
6、Prebuilt image——预构建映像
7、Citizen analyst——公民分析师
与传统数据分析师相比，公民分析师不是科班出身，但依然能够使用自助式分析工具做数据分析。
8、Business Intelligence Competence Center (BICC)——商业智能竞争力中心
BICC是用户的一个组织架构，这个架构的主要作用是在企业内部完成BI的推广和企业内部文化的创新，包括在企业内部普及BI的应用，也就是‘全民BI’;协调各部门的关系，业务部门、财务部门等与IT部门的合作;建立与上层决策人物沟通的桥梁。
9、Predictive analytics——预测性分析/预测分析
10、Prescriptive analytics——规范性分析/规范分析/指导性分析/时效性分析
11、P& L responsibility——自负盈亏的责任
12、Operational excellence——卓越运营
13、Extract-Transform-Load（ETL）——一种数据仓库技术，抽取——转换——加载
14、Data wrangling——数据整理
用半自动工具把原始数据转化为另一种方便人们使用的数据的过程。
不久前，Gartner公司发布了2017年最新商业智能（BI）领域魔力象限报告（Magic Quadrant-MQ）。新的MQ带来了许多惊喜，也引发人们对于当前市场状态和未来发展的思考。
2016 VS 2017：MQ大比拼
图片来源：atscale
对比可见，2017年的格局相比2016年有了重大变化。Gartner称，去年像Tableau和Qlik这样以可视化数据发现为核心的公司更像是市场中的“异类”，而今年他们已经成为了主流。
“领导者”象限（Leaders）
惨烈角逐
16年“领导者”象限的成员从9个锐减到3个。而17年，Gartner继续保持对“领导者”的严防死守——仍是老3家：Tableau，Microsoft和Qlik。但这3家并非势均力敌，Microsoft 和Tableau在过去一年里向顶尖“领导者”发起冲击。特别是Microsoft，去年实现了巨大的飞跃，极大缩小了与之前位列榜首的Tableau在“执行力”和“前瞻性”两个核心指标上的差距。相比之下，Qlik在16年3月被Thoma Bravo以40%溢价30亿美金收购后，出现了明显的下滑。
放眼未来，Gartner预测，到2020年90%的BI平台都会把自然语言生成和人工智能作为标准特征。鉴于Microsoft通过Power BI及其他解决方案在以上两个领域的投入，我们有理由相信它在业界的领导力会进一步加强。Tableau这一边也是看点十足。已经收购了Hyper的Tableau想要进军企业BI领域，后端平台的重建不可避免。而这样的重建是否会给Tableau带来过渡期挑战仍未可知。
昔日群雄，何去何从
16年6个供应商黯然离开“领导者”象限，其中IBM、MicroStrategy、SAP和SAS变成了“有远见者”（Visionaries），Information Builders成为了“特定领域者”（Niche Players），而Oracle则彻底出局。今年SAP、SAS和IBM依然固守“有远见者”，而MicroStrategy沦为了“特定领域者”，Information Builder在同一象限内继续下滑。相比于这5家，今年Oracle的回归备受瞩目，它进入了“特定领域者”象限。Gartner表示，曾经这些传统BI供应商由于没能迅速适应“技术变革”导致在市场过渡期步履维艰。如今它们提供给市场的产品已经足够成熟，能够吸引原有用户群中的很多客户去购买和使用。这一点尤其适用于发布了很多新产品（模块）的Oracle。但Oracle的战略也有存疑之处，比如它为很多客户同时提供旧版BI套件OBIEE和新版BICS作为可行的解决方案，这样一个应对过渡期的举措似乎既没有放弃旧产品的勇气，对新产品也没有十足的信心，让人捉摸不透。
值得一提的是Oracle并不是唯一一个存在过渡期问题的公司，SAS推出了Viya开放型平台，IBM开发了Watson Analytics云端分析服务，这些处于企业过渡期的举措都或多或少给客户带来了困惑。
时代的召唤：大数据和云。如今可视化数据发现是BI市场的主，Gartner也放出预测，不久的将来接棒主流地位的将是大数据和云。
大数据，势不可挡
靠大数据处理起家的Datameer和Zoomdata今年成功挤进MQ，可见基于Hadoop（大数据分布式计算开源框架）的BI工具正在崛起。而接下来大数据处理工具是否能加速对于大数据平台的使用会成为一大热点。现在人们常开玩笑说似乎企业手里都有一个Hadoop集群，但没人知道要拿它来做什么。也许简单易用的前端工具可以帮助很多客户实现他们在大数据上巨额投资的价值。
对于Gartner，很多元老级供应商与应用大数据集的能力是它做评估的一个重要指标。在Gartner的报告中屡次强调企业在大数据方向部署的速度、规模和安全性。早先有人预测Workday会在今年上榜。这家公司是Salesforce的竞争对手，16年6月收购了Platfora，但同年Platfora大跌。从Workday并未在MQ出现的结果来看，Gartner对于“基于Hadoop的BI”（BI on Hadoop）市场审核非常严苛。他们强调BI平台必须在不转移数据且不使用与入榜24家供应商不同的前端的前提下，快速、可靠、安全地使用大数据。更有著名咨询顾问Thomas Dinsmore提出“在Hadoop框架内的BI”（BI in Hadoop）已经走到末路，他还进一步强调寻求“YABIT”（新BI工具）的重要性。
除了Hadoop，ETL（数据抽取-转换-加载）的商品化趋势也得到广泛关注。Gartner认同对数据整理的需求，但也表示数据整理应该成为BI平台的特征（他们在报告中援引了Tableau的Maestro project作为例证。Maestro project: 使 IT 和业务用户在内的更多人员可以借助直接的可视化方式，轻松准备自己的数据。用户可以即时查看所设联接、并集和计算的效果，确保在开始分析之前准备好需要的一切。Tableau还未正式发布。）。从MQ中也可以看出，只有少部分的终端用户需要这样的能力。这也许解释了为什么这一市场的代表Alteryx在今年的MQ上从“有远见者”落到了“特定领域者”。
另一个与大数据有关的热点话题就是BICC（商业智能竞争力中心）的存亡，这部分内容会是在下一节重点讨论。
云，用对了就是王牌
Gartner明确表示云将是BI领域的一个重大变革，但从今年的MQ报告来看，云解决方案并不是主力。做BI云业务的企业Birst和Domo逐年下滑趋势显著，GoodData在2013年凭借云服务进入象限，现在也已经出局。大赢家Microsoft一直在优化Azure云计算平台，订购价格也比较便宜，这也许是它能高歌猛进的原因之一。反观它在云计算领域的劲敌Google和AWS，二者旗下的Google Data Studio和Amazon QuickSight今年根本没有进入评估对象名单（当然有可能是受到Gartner对于评估对象收入要求的限制）。当然从BI云业务的发展潜力看，这两家明年很可能势如破竹地杀入榜单。有一点需要注意的是，固然云分析已经成为核心趋势，但很企业不会满足于只有云服务这一个选项。有一些供应商没在今年的象限中露面，原因就是他们没能同时提供云和本地的服务。
Gartner称，50%以上的调查对象都在BI云服务方面进行了积极的部署（相比于去年同期有大幅提升）。企业采用不同的方法来打造自己的BI云产品，比如为市场提供在三大云平台上的预构建映像、基于企业本地自建环境维护自己的云端产品，还有把企业原有的产品加以改进成为面向大众的云端产品。很多合伙企业凭借自有云产品进入市场，但这存在很大的风险。因为一旦他们的供应商也决定进入，这些合伙企业采取的运营方式将很难维持。毕竟他们在技术知识、支持能力和影响力上都无法和供应商企业抗衡，更别提资本的巨大差距。除此之外，软件的所有者（供应商）可以轻松为他们的产品申请许可，这一点是合作方无法企及的。也有很多BI企业通过经销商来卖自己的产品，这会改变企业占有市场的方式和销售模型，对于整个BI市场也有很大的影响。
BICC，置之死地而后生？
大数据为BI领域带来了翻天覆地的变化。对于BI企业架构也有着深远的影响。由于大数据团队的工作方式不同，它甚至不属于商业智能竞争力中心（BICC）。与此同时，像分析仪表盘、诊断分析等直接的BI活动都已经划分到“自我服务”里。这让一直以来备受青睐的BICC遭到碾压/重创。
如果BICC已经走向末路，那么取而代之的将会是什么呢？
首先，这意味着一个BI分析团队所扮演的角色会发生改变。从关注点上，BI团队要更重视制作可管理的数据集合（用于自我服务），而不是制作各种分析仪表盘或是报告等等。这样的改变是为了支持自我服务环境。其次，分析团队也不再是发送BI和汇报产出的中心，而是去辅助一个更大的分析团队。这种“辅助”要求分析团队联结和优化整个公司所有的活动和资源。这包括分享出色的实践，协商共享不同产品线的数据，还有通过共享数据的语义内含和数据解读来促进合作。另一方面，BI技术还在迅速发展，越来越多的预测性分析和规范性分析开始流行。通过规范性分析搭建的与商业进程管理之间的关联有着日益凸显的重要性。团队会在大数据和更加复杂的分析这两个方向上分化，其实正是处在过渡期的表现。
传统的BICC需要演变为卓越分析团队。这样一个团队需要具备的关键特点包括：
很大程度上依赖于自我服务，通过培训、教育和指导为全公司的公民分析师（citizen analysts）提供支持。
核心功能在于通过信息资产的整合、更专业的数据管理和信息管理等方式实现企业的价值。
分析能力更出众，有更丰富的广度和深度，以具体的商业成果为目标，而不是标准化。
可以通过数据和分析的货币化来展现企业自负盈亏的责任。
由首席数据官（CDO）带领的新部门来处理涉及企业战略的案例。
有更广泛的分析战略，其中的一部分围绕电子商业、客户参与或卓越运营。
文章来源：GARTNER
OPTIMAL
ATSCALE
翻译：Ludi Liu
编辑：杰尼龟
长期招募
TECHNICAL WRITER/翻译志愿者
职责：
深度讨论数据应用
调研行业发展
要求：
对数据应用极为感兴趣
具备数据分析基础
具有一定BUSINESS INSIGHT
写作能力强
感兴趣的同学发送简历及writing sample到hr@dataapplab.com，邮件标题“申请翻译/Technical Writer”。
往期文章内容
点击“阅读原文”查看数据应用学院核心课程