擦一擦阿拉丁神灯的灯身，蓝色的精灵会飞出来问你想实现什么愿望，你闭上眼睛许愿一个小目标，精灵会略带抱歉地告诉你“我是西方的精灵，不是东方的关公”，但如果你问问民生银行的「阿拉丁」，它会告诉你：一个月里几个小目标不是问题。
阿拉丁是民生银行内部的 BI 平台，平台上线三个月后，民生银行的一个分行利用它进行「土豪客户」挖掘（后改为「高价值用户」），喜提6.1亿业绩，而且，获取这6个小目标，只用了平时营销费用的10%。也即：节约了90%的营销费用。这一分行的业务员借助阿拉丁BI系统分析高价值客户的消费规律，例如开豪车的（有宾利 4S 店、宝马 4S 店、路虎 4S 店消费记录的）、住豪宅的（固定支出高额小区物业费的）、买头等舱的...八九不离十都是有钱人。那么，业务员就在系统中设置好「XX4S店消费记录」、「物业费超过200元记录」等筛选条件，点个回车键，阿拉丁在线捞人——把高价值客户从海量的民生银行数据中匹配出来。你也可以理解为，阿拉丁对大量的客户数据进行分析，然后自动将客户划分为若干群体，并将每个群体的消费特征显示出来，业务员就能一目了然哪些客户值得花时间进行营销。只要满足有「大量数据」这一条件，阿拉丁就能筛选出最可能买单的人？这个问题不对。「阿拉丁」只是民生银行取的名字，就像老王给小王取名小陈一样，只是一个名字，并不代表什么，阿拉丁的真面目是 BI，Business Intelligence，商业智能。看完上面的案例，你可能会觉得BI其实就是通过处理数据帮助用户获取收益的过程，这么理解完全没错，这是BI的目的，也是目前BI赛道蓬勃发展的主要原因。
但简单理解为「获取收益」有点太简单了，BI 实则是「Business Intelligence」的缩写，该正儿二八经叫人家「商业智能」。需要说明的是，BI 并不是一个新事物，在国外，一家叫做Cognos的公司从1969开始做商业智能，并在中国内也有一定份额，甚至国内很多 BI 公司创立的时候都会找「熟悉cognos固定报表和多维分析报表开发」 的工程师，这家公司后来被IBM以50亿美元收购。目前，国外商业智能 ( BI ) 工具核心厂商目前有Power-BI（Microsoft）、Tableau（Salesforce）、BO（SAP）、Cognos（IBM）、Qlik（Thoma Bravo）、Looker（Google）等。国内 BI 厂商在1999年前后陆续出现，但国内BI市场真正形成规模并成熟，还得去到2013年前后，Smartbi（思迈特软件）、永洪 BI、Fine BI（帆软）、神策等都是当下优秀的BI代表。思迈特软件创始人吴华夫表示，国内 BI 需求正在稳定增长。值得一提的是，思迈特软件也是最早参与上述民生银行的案例的BI服务商。图源：Gartner 无论辅助营销（增加收入）还是发现问题（降低成本），BI都有无法替代的价值在IDC发布的《2021下半年中国商业智能软件市场跟踪报告》中可以看到，2021下半年中国商业智能软件市场规模为4.8亿美元，约合33.6亿人民币，2021全年市场规模达到7.8亿美元，约合54.6，同比增长34.9%，中国商业智能市场前10名厂商共占66.2%。不过，「获取收益」的方式和工具有很多，为什么BI会如此受欢迎？在Gartner的定义中，BI 是一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。对非技术/工程专业的人而言，这一定义应该是「每个字都认识，但组合起来十分陌生」的存在，我们需要更简单的解释。「原材」，工厂的原材料是海量的数据，例如，来自ERP、CRM等业务系统的数据；「生产」，上述材料运送到工厂之后，这些数据就会有规则地汇总到数据仓库中，并开始分析数据、挖掘数据，将数据中隐含的关系呈现出来，直接将数据加工为产品。用户也可以根据自己定义的度量方式「制造产品」，也即上文提到的民生银行的业务员们打造的场景；「产品」，由数据加工（分析总结）而来的信息和知识就是 BI 的产品，一般以数据查询、数据分析看板、数据报表、可视化的分析呈现；「客户」，是每个企业的决策者，财务、人力资源、业务、营销部门等等，决策者利用 BI 工厂生产出来的产品做出正确的决策，促进业务达成。
也就是说，BI 的逻辑结构是：数据获取->数据处理->数据展示，这也是常规的数据类型系统架构，CDP 也是类似的架构。BI 叫做「商业智能」就是跟着英文翻译过来的 ，服务于商业这一点不用多说，「智能」强调的是BI的数据挖掘能力，也即通过算法对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。这就跟我们做表一样，企业会通过把大量数据做成报表/图表，并根据数据分析企业的运营情况，做出各种决策。而 BI 的工作就是帮助我们快速从海量数据中找出关联，让使用者快速悟到数据间隐藏的真相与玄机。民生银行案例中，Smartbi 做的事情就是根据帮助一线业务人员在巨量用户数据中分析出高价值客户，让业务人员快速作出该对谁进行销售的决定。杭州灵隐寺的赛博格和尚先生正在用「可视化」的方式讲解灵隐寺的数字化管理。BI 的皇牌卖点就是以「可理解的方式」展现给用户，行话叫做「数据可视化」，为业务人员提供了多角度、多层次、高效率的数据探查方式，能更加直观地识别关键点。Cognos当年就被批判用「几近哗众取宠的形式」展现数据分析结果——既有二维又有三维，还包含了地图、饼图等近五十种展现图形，且所有的图形元素都是可活动的，例如用户可以通过点击地图上的某一个省，钻取到这个省各个城市的信息。而这发生在十几年前，可能还要更前一点...图源：网络Cognos BI，到了今天，这些都已经是BI们的常规功能了看回上文Cognos客户列表那张图，你会发现Cognos的客户以金融、保险、零售居多，这些行业的共同特点是：数据信息量巨大，以盛产「大表姐/哥」著称，表格的表——正是他们，触发了更多的数据需求。也因此，在 BI 中，除了Cognos式的数据可视化图形外，「报表式BI」最为常见，这也是 BI 最基础的能力，常见用法是把 BI 接入到Excel中，相当于给报表加个buff，变成可视化的报表。因为与我们常做的表格关系密切，也因此，BI在跟各种复杂的数据系统相比时，在使用门槛上会更显人性化。不过，可视化也并非 BI 特有，报表工具也可以达成相似效果。只不过，报表工具只是一种把报表进行简单数据处理的工具，无法与 BI 的产品结构相比。只是一些早期以报表产品为主的厂商也逐步推出 BI 系列产品，让报表工具与BI的边界越来越模糊，导致今天很多人在谈起 BI 的时候，都把其与「可视化」和「报表」划上等号，但二者实际上都只是 BI 的呈现方式和用法之一，属于BI架构中的数据展示。随着大数据概念的普及，2013年前后，国内企业都开始了数字化与大数据之旅，BI 因为其展现形式，让复杂的数据更加直观、易理解、且具备强交互性，一下子就与其他技术工具迅速拉开差距，甚至PK掉一大堆图片生成软件。既然 BI 这么好，Cognos当年进入中国也这么早还这么牛，为什么 BI 直到2013年前后才开始受到企业的关注并起步？我们可以先来看一些吐槽，我在网上收集了一些关于针对Tableau、Power BI和SAP BO这三款全球TOP级 BI 在中国的使用情况：
1、能接很多数据源，但无法连接国内各种常见的数据源；2、技术支持靠实施顾问，产品功能定制难、不支持本土化需求、很难融进新技术；
总而言之，国外 BI 在中国市场的「后知后觉」可以归结为3点：1、无法本土化：以报表为例，国外表一次只解决一个问题，但中国表什么都要，中国的报表格式往往非常复杂且诡异，所以，中国企业常需要根据自己的独特需求对这些舶来 BI 进行二次开发，成本极高，导致了 BI 在很长时间里都只能被超大型企业所应用，根本没法下基层。更现实的是，如上述吐槽中的1，基于中国国情，中国对软件系统的要求完全区别于国外，往往造成无法适配；2、专业度极高：报表式 BI 的用法或许还能建立于一般表格的应用基础上，看上去简单。但实际上，BI 作为数据系统，专业度极高，往往需要IT人员和数据分析师的协助使用。首先是IT，类似Cognos这类 BI 鼻祖，通常使用进入企业部署的方式交付，必须有实施顾问支持，交付极其繁琐，而且系统的复杂度并不是一般业务人能掌握的。其次是数据分析师，作为数据系统，需要做的往往是数据分析，但系统也并不是说用户需要什么它就能筛选出什么，而是需要建立「数据筛选的逻辑」，这也并不是一般人所具备的，不然为什么会有专门的分析学科；3、需求实现慢：既然需要两位关键人协助使用，这必定就会产生时间差的问题。不妨闭上眼睛想象一下：你是一个保险销售，10月14日，还有90%业绩没完成，离月底只剩17天，家里人均三份保险的你不知道还能把保险卖给谁。你想到把一些极有可能买保险的人从茫茫人海中筛选出来，按照以往的经验，你需要跟公司申请用户数据，请数据同事为你分析出其中逻辑，再让技术同时开发出你的需求...最快一周。这也是为什么在寺庙都在可视化的赛博年代，但民生银行的BI案例依然让无数企业趋之若鹜的原因：自2015年思迈特软件的 Smartbi一站式大数据分析平台进入民生银行阿拉丁项目以来，一线业务员们已经根据自己的业务需求打造了超过上万个业务场景，有的业务员在系统上打造一个业务场景甚至只需花费1天，甚至不需要技术团队和分析师的协助，自己就能操作。虽然，复杂的数据问题还是得依靠数据分析师的力量，但 Smartbi 的「易用性」足够满足民生银行业务员们的日常使用。10月14日，有了想法，10月15日，像用 Excel 一样用系统快速筛选出想要的数据，支撑你作出“打电话给谁最有可能卖出去”的正确决策，然后7天赶完了90%业绩。直接从一个拜财神的销售化身赛博格分析师，业绩由你不由天。思迈特软件创始人吴华夫告诉我们，Smartbi 当年被国内某大型民营科技企业采购就是为了替代 Tableau和 Power BI。后两者在全球 BI 排行榜里分别位列 TOP1 和 TOP2。被替代的原因也十分简单，以 Tableau 为例，其产品在可视化灵活分析上功能强大，但由于主要目标用户更多是较专业的数据分析师，若没有一定的数据基础，一般的业务人员想入手十分困难，基本上是开发人员使用的工具。当然，这也与国内数字环境有关，在企业人员数据素养还是不足，Tableau 之所以能够占据的市场份额这么大，跟其建立「社区」分不开，如果用中国式的方式表达就是——拉了个群，让所有想要学习商业智能/数据分析的同学的进群，用Tableau 的方式教你，在布道同时就把未来市场给预定了。在国内，群众的数据素养普遍不高，又缺乏如 Tableau 这样的布道者，「用不起来」也很正常。吴华夫说的那一句「业务和技术是两回事」，就是根本矛盾：真正业务线的人可能会不懂技术/数据，所以，当系统的适应性和灵活性不够，就无法赋能业务。在「商业智能」这四个字中，「商业」在前，如果不能赋能商业，或是赋能得太慢——在中国的商业土壤上，慢，也是原罪。但技术不重要吗？重要，像 IBM、SAP 和甲骨文就以超强的技术实力奠定了行业基础，从技术角度来说，太重要了。要用数字化筑起企业的护城河固然重要，但若是因为技术系统复杂度太高，就会成为业务和数据之间的拦路河——可以有，但不必要。毕竟，技术只是商业落地的推动力，用户需求才是真正驱动力，只有用户需求能够得到实现，才能构建全新的商业模式。民生银行的阿拉丁项目之所以能够成功赋能业务，离不开 Smartbi 的易用性。吴华夫表示，Smartbi围绕易用性，开发了一系列的工具，比如「Smartbi对话式分析」，就是通过简单的对话去探索数据规律。
我们还要来了示例，大家可以打开视频体验一下 放这个视频的原因肯定不是因为小哥哥的声音好听 。
视频来源：思迈特软件
考虑到中国许多的业务用户更熟悉 Excel 的操作，国外的 BI 他们用不习惯，基于这种情况，思迈特软件把 BI 和 Excel 做了深度的融合，开发了“Smartbi Excel融合分析”，让分析师既可以享受到 BI 性能，又能感受到 Excel 的操作体验感。
图源：思迈特软件 Smartbi 业务人员可以直接在Excel上自助取数后进行自助分析。Excel融合分析把业务人员熟悉的Office Excel和WPS表格变成了自助分析的BI工具说白了，就是使用门槛低，工具足够简单，简单得人人都是分析师，简单得甚至可以像操作 EXCEL一样——不然宁愿不用，毕竟，谁会愿意为了一款工具改变自己的工作习惯？
对于中国 BI，或者说对于中国数据分析市场来说，任重而道远。我们也可以感受到，其实一直到了近年大数据概念的普及，同时伴随着国内企业的IT基础信息化也逐步完善，企业数字化才有了盼头。就像当下做得好的 BI 厂商，要么做得早的，如帆软，要么就是像思迈特软件的 Smartbi 一样特别简单的，已经做了很多行业数据处理模型/数据应用场景，让用户能够直接选择使用、快速上手的。不过，国外巨头 BI 们在国内无法实现出圈的BUG，也正在一步步被更懂中国人体质的国内 BI 厂商所替代。然而，尽管市场不大，看似蓝海，看上去也不存在激烈竞争，实际上处处暗涌。目前，国内 BI 已经逐渐成规模，如果从商业智能及数据分析这一角度进行分类，可以简单分为工具化与场景化两大阵营。
工具化主要指强调 BI 的数据分析，对接入数据进行数据挖掘、预测性分析等，所需要涉及的数据能力，代表厂商有永洪、帆软以及思迈特软件。以观远、神策、GrowingIO为代表的，则偏向于场景化，一般通过前端埋点的方式，根据用户营销场景建立数据分析模型，构建营销战术分析。从更广阔的定义来看，市面上也把 BI 分成传统式 BI 和敏捷式 BI，敏捷式代表有前面提到的能快速相应业务、业务人员自己也能独自操作的思迈特软件。Cognos则是传统式 BI 的代表，往往偏操作型，需要技术/数据分析师手工建模，一旦需求变化需要重新建模，对使用者的数据素养要求较高，系统本身的学习门槛也高。陈果也曾对商业智能软件的应用类型做过分类（下图），按其分析形式与业务主题进行分类。分类方式的多样性，这也侧面说明国内BI市场的飘摇：一切都还不稳定。不同于其他很多领域，基于技术与长场景的高要求，BI 的行业壁垒很难打破，这也导致了这一市场的「慢」。
我们也可以看到，除了帆软外，其余的 BI 厂商几乎都是诞生于2013年前后。虽然已经经过了接近10年的发展，但还未有称得上是「巨头」的角色出现。就连创立时间最早的帆软（创立于2006年），也是在2015年才进入亿元企业俱乐部。
弯弓研究院分析，这跟「行业特性」分不开，也可以理解为「客户需求」。行业与行业之间的差异导致了数据场景和分析需求的巨大差异，如果厂商对行业和场景的理解不深刻，就很难满足客户需求。投资人沈坤告诉我们，BI 很多时候都是一个被集成的角色，被其他技术厂商采买嵌入到自己的系统里。虽然这在技术界很常见，但 BI 的产品特点（与大多数数据系统相似）和BI独特的呈现方式也决定了其「偏中间件」的特点，例如，把其嵌入CDP中，只用可视化报表功能。「相比于技术上的单点突破，BI产品更需要时间的沉淀。」据吴华夫透露，之前思迈特软件给客户做 BI 都是按照 BI 的逻辑进行，也即，从底层的数据出发，自下而上提供数据分析，但是企业往往不能直接看到效果，因为很可能分析出来的结果不是他想要的。说到这里，让我想起一个圈内大佬对中国企业 BI 需求的吐槽，本来 BI 系统是以忠实再现源数据为原则，但这个原则在中国遇到了难题，很多领导都提出了数据修改需求，“报表里数字不好看，就要能改啊，而且有时候也需要调整啊，这样上级领导看着就好嘛！”，而当时（十年前）能满足此要求的 BI 产品，仅有 Microsoft 和 MicroStrategy 两家，那位大佬说，「微软对中国市场算是吃透了」。思迈特软件在2020年实施标准化以前，一直在做产品的打磨，后来意识到企业需求，便改变了路径，直接从管理需求出发。BI 之所以难，难在对客户需求的把握，这需要大量的时间和实操经验沉淀——怎么让需求和数据融合才是最大的难题，因为如果数据模型并不具备行业性，也就意味着这距离业务化很远，无法满足企业需求。可以看到，目前国内做得比较好的 BI 厂商大多有自己的行业壁垒，船长 BI 专注于亚马逊电商，数数科技是游戏赛道的专业玩家。而思迈特软件的创始团队都来自专注于金融 IT 的东南融通，所以思迈特软件也拥有同样的基因，一直都是金融行业的职业玩家。吴华夫提到，比如国外的 Oracle，它的功能全面，但在某些场景下它不一定比我们 Smartbi 强，「因为我们更了解客户的需求。」而且，国内的客户除了在性能上有要求以外，对整个系统的打通、协作都有需求，思迈特软件抓住了这些场景需求，才有机会做替换。不然，如何在暗潮涌动的BI市场站稳脚跟？
思迈特软件为了解决满足客户需求这一难题，建立了一个「指标管理系统」，这并非 IT 建的任何系统，而是更偏向于企业管理。
吴华夫解释，指标体系实际上是一种管理企业很直接的方式，就像上市公司的财务报表，最上层的指标是财务指标，无论任何行业都是一样的，再往下就是业务部门的指标，而这些指标一般和业务流程相关，是企业管理中可度量、描述的一种方式。例如，顺丰公司的货车运载多少货、什么时间点出发/到达，都可以产生大量数据，「他们只是不知道怎么把这些数据用起来，不清楚自己的需求，而我们需要帮他们捋清，需要引导需求。」当把管理需求抽象成为「指标体系」，在各个业务线上做指标分解，就能利用指标体系驱动数据治理，把自下而上和自上而下结合起来。把每个行业呈现成一套指标体系，以及基于指标对应应用，比如，销售的应用、库存的应用等等，把各种指标和应用打包，实现模板化提供个客户。是他们目前在做的。相当于，客户只需像拿着菜单点菜一样快速选择匹配自己需求的引用即可，也可以通过低代码的方式在指标管理平台上选取自己所需的指标做成报表，最终生成个性化的仪表盘。吴华夫说，思迈特软件今年专门成立的行业解决方案部，就是为了沉淀这些。他们还联合了各种渠道商的力量，把渠道商们曾经做过的项目的客户需求指标统统收集起来，甚至请了咨询公司专门做需求分析——为了快速响应客户需求。一句话总结，所谓「指标管理平台」就是需求与数据融合的结晶。聊到最后，吴华夫告诉我们，他们要做的是行业应用市场，像苹果的 App Store 一样。图源：思迈特软件 支持用户把自己的场景上传到应用商店，业务人员登录系统后可以不用先做报表，而是先去应用商店看是否有合适自己的应用
国内企业对于数据分析的需求日益渐增，BI 的成长要把握住这一机会却是困难重重。无论是业内人吴华夫，还是投资人沈坤都是一样的看法，「现在整个BI行业都处于让业务用起来的阶段，我们需要让业务能通过数据获得价值。」沈坤甚至还说，只有做到人人都是分析师，中国 BI 才有弯道超车的机会。不过，在此之前，可能还需要进行一定的 BI 知识与价值的普及，其实目前除了业内人士以及一些重点的行业性客户外，很多的企业对于 BI 并无足够认知，最后很可能会直接导致 BI 市场规模的大小受限。毕竟，如此专业的知识，如果缺乏普及和引导，很难让人产生主动思考的欲望，BI 的价值也无从谈起。民生银行在这一点上也还是做得非常完美，他们内部培养了3000名数据分析师。企业要利用数据驱动增长，光靠外部工具的力量并不科学，构建企业数据驱动的文化，把能力带到每一业务流程中去，才能适配变化。说白了，就目前而言，数据分析更多的还是以人为主，BI 或是任何数据系统只强调怎么让数据合理的加工或者呈现出来，人，才是通过数据发现问题的关键，需要业务人员的探索和思考，这个思考的过程是工具本身不能替代的。包括思迈特所建立的指标管理体系，其实也是人为梳理逻辑的过程。这么看下来，BI 的发展，除了产品自身需要强调易用之外，帮助企业实现需求、完成业务赋能、帮助企业构建数据意识和科普 BI ——服务，似乎是一个成功 BI 项目的更关键的部分。
「弯弓品牌私域12课」系弯弓研究院首发线上课程，专门为品牌企业私域打造，旨在帮助企业从数字化转型入手，建立企业私域全局观及落地纲要。从私域战略布局到私域技术引用、用户运营等一一深度剖析，帮助企业私域/用户部门全面提升用户运营能力，打造企业的第二增长曲线。点击图片扫码加弯弓研究院私域12课班主任企业微信，可获取企业私域基础咨询服务（免费）。