中国营销技术生态图谱商业智能（BI）领域企业应用指南 | 弯弓研究院
今年7月份，我们更新了中国营销技术生态图谱，经过4年的发展，图谱已迭代至7.0版本，MarTech机构数量已从2018年的1.0版本的200家增长到今天7.0版本的2200+，产业版图扩大了10倍之多，图谱子类项目从早期的34类发展到46类，共7大板块。
同一时间，我们还发布了《2022年中国MarTech产业发展报告》说明各个板块的变动原因，有兴趣的同学可以在公众号后台回复「报告」获取报告详情。为了帮助企业更好地应用营销技术，弯弓研究院接下来会针对MarTech图谱上的每一类别进行深入研究，以企业应用为视角挖掘最佳厂商和最佳实践。
我们首先对 BI（商业智能，Business Intelligence，简称：BI）进行了深入研究。在今年7月份发布的2022年中国营销技术生态图谱7.0版（2200+）中，弯弓研究院基于市场公开数据，综合考虑厂商规模、产品体系、产品专业度/成熟度、产品价格、收费/服务模式、服务企业数量、企业评价等因素进行评估，最终收录了62家 BI 相关厂商，企业可以从中选择。
随着越来越多企业关注 BI 领域，越能够感知到国内BI市场缺乏普及（下文会谈到），基于此，弯弓研究院绘制了以企业应用为导向的中国商业智能（BI）应用地图，帮助企业更好地认识 BI 、选择 BI 厂商。
「BI」这一概念在1996年由Gartner提出，可以简单理解为企业提供快速分析资料的技术和方法，通过收集、管理和分析存储于各种商业信息系统中的数据，并通过数据分析与挖掘以简单易懂的格式呈现资料，帮助组织减少决策盲目性，让企业做出更佳决策，并提高业务流程效率的能力。
一般而言，BI的产品架构（实现步骤）有4部分，分别为：①ETL（Extract-Transform-Load， 将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程）、②数据仓库、③建模（分析场景）、④展示，最后的展示步骤指数据可视化，也即将数据转换成图形或图像，一般以报表、仪表盘、交互分析等方式呈现，能够让使用者更加直观地感知数据。
例如，可以尝试把 BI 理解为一个工厂：
「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，这些数据会经过 ETL 的梳理和清洗；
「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」。那么，分析、挖掘数据具体指的是什么呢？举个例子，例如分析客户的消费行为， BI 可以通过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，这样决策者就能一目了然的针对不同客户的消费习惯，制定促销计划或广告计划；
「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，而数据可视化应用致力于将信息以尽可能多的形式展现出来，目的是使决策者通过图形这种直观的表现方式迅速获得信息中蕴藏的知识，如趋势、分布、密度等要素；
「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，这也是常规数据系统架构，CDP 也是类似的架构。
但商业智能和数据分析是两个容易混淆的概念，虽然它们之间密不可分，商业智能软件也可以帮助业务人员进行数据分析，但数据分析绝不等同于商业智能。数据分析属于一个过程、一种解决方式，对象常常是某个具体的问题，例如，某次大促的效果分析，在数据分析中可能会用到UV、客单价、复购率等等数据结合分析。数据分析是对数据仓库产出的数据、或者其他渠道产出的数据做分析的过程，利用数理统计等科学方法做假设验证，通常的工作就是对指标进行分析对比，最终得出结果。
而商业智能是一套有关数据的解决方案，入口是数据，出口也是数据或者以数据为基础的报表呈现，更多强调的是解决方案，也即如何通过数据发现问题，它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，这里有一个探索和思考的过程，这个思考的过程是工具本身不能替代的。
这就跟做表格一样，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。数据分析是一个数据表，而商业智能（BI） 就是一个呈现数据之间有什么关系的图，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。
在具体应用中，BI 的作用主要有两种，一种是针对内部管理，帮助企业开展企业数据资源整合工作，实现对企业核心业务、核心资源的综合管控，以数据驱动生产提效、产品改进及运营监控等等，也即帮助企业运营管理部门直观掌握企业运营状态；另一种则针对经营，以实际业务场景为主要对象，借助市场用户与内部数据帮助企业洞察、优化场景运营以达到提升企业运营的效率和效果。
我们曾在《民生银行用BI创造万余场景，一个月促收数亿，未来人人都是分析师？》和《观远创始人苏春园：BI市场拐点将至，报表工具面临「消亡」？！》两篇文章中写过实际的应用案例，里面有提到详细的应用场景，大家可以点蓝字部分回顾。
弯弓研究院注意到，近一年来，企业对于数据分析的需求明显增强，《报告》中也提到了这一趋势，这是由于在数字化转型初期，部分企业仍处于业务流程化、信息化的初级阶段，而转型初期的企业又处于摆脱传统商业模式束缚的阶段，数据应用的能力也非常局限，阻碍了潜力的充分释放。随着整体商业环境的变化，对企业提出了新的要求，数据治理和洞察能力将会逐渐成为企业争夺市场的核心竞争力。
基于 BI 的特点，目前 BI 已成为那些数据导向性企业的支柱，如银行、大型快消企业等，甚至诸如水利监测部门（需要分析大量数据）等等，他们往往涉及对各项业务进行监测分析，需要对业务全景做整体的分析支撑决策。
然而，在与国内 BI 赛道的服务机构们、投资人、行业专家交流后我们发现，由于 BI 最早来源国外，国内技术起步较晚，而国内企业的基础 IT 业务信息化的建设参差不齐，企业的数据意识、数据质量、管理思维和细致程度也未能达到实施商业智能 BI 项目的必要条件，双重原因之下，导致国内市场（包括厂商）对于 BI 的认知还不十分清晰。
最明显的，目前 BI 厂商没有明确的分类，「分类」指的是BI企业的服务范围，每个行业都有独特的运作逻辑，对于 BI 厂商而言，专注于某一行业可以帮助其洞察关键业务场景以建立有用的分析模型和提取最佳实践。
如船长BI，就是专门服务于亚马逊平台商家的 BI 厂商，而数数科技则是专注于游戏领域。在外行人看来，都是 BI ，实际上他们通过长期服务已经建立起壁垒。
除了上述这类着重企业 BI 项目实施的厂商，还有些 BI 厂商属于工具型角色，单独出售 BI 组件/工具，购买者有企业，也有同行，而如果是企业购买这类型厂商的产品，一般都属于有IT团队的、有能力自研系统的企业。
如果没有明确的分类，会导致企业在选择厂商的时候，只有与厂商深入交涉才能得知是否适合自己的需求，对于厂商而言，也会让厂商存在被误解的问题，比如，有，除非朋友推荐/客户主动搜索，否则无法建立起更为精准的触达。
经过几个月的调研与摸查，我们发现当下的 BI 市场可以用鱼龙混杂形容，我们观察到一些 BI 厂商的产品定位和市场定位在这个阶段反复的波动，甚至一些并不具备 BI 能力的厂商都会声称自己是 BI ，导致企业在应用到一定阶段后被迫迁移，对于企业而言这将面临巨大的时间成本和资源成本的浪费。也是基于此，弯弓研究院研制了这张中国商业智能（BI）应用地图：
伴随应用地图一起发布的还有入谱 BI 厂商（企业应用版）表格，里面有2022年中国营销技术生态图谱7.0版（2200+）中的62家BI厂商的资料，包含创始人、创始人北京、产品定位、聚焦行业、收费模式、服务模式、典型客户、融资情况、试用链接等，欢迎企业领取，加弯弓研究院研究员企业微信，我们也可为你们提供选型建议。
维度一：BI类型
类型分为产品型与场景型（场景化数据分析）
产品型：包含报表工具、传统 BI 、现代化 BI （自助/敏捷型 BI ）和智能型 BI （从报表到智能型 BI 也是中国BI的发展路径）。产品型 BI 具体指的是那些以BI产品为主发展起来的 BI 厂商，他们具备完善的 BI 产品架构，可以为企业实施项目，也单独出售 BI 产品件，能力范畴较广且深度，能够满足各个细分市场（包括垂直市场）的需求。
制图：弯弓研究院 红框中为中国商业智能（BI）应用地图-类型-产品型厂商
场景型（场景化数据分析）：指的是聚焦于解决某些场景/行业问题的BI厂商，他们在某一领域的灵活性较强、专业度极高，但在产品能力上可能不如产品型BI深入。例如数数科技是专注于游戏、数位科技专注于地产行业、QUEST MOBILE 专注于 APP，场景型厂商很少甚至不对其他行业进行服务。值得一提的是，场景型的定义区别于传统BI认知，你可以在这一类别中发现「UBA」，UBA 与 BI 是不同的两种技术，从技术角度而言，二者有着对方所不具备的能力，属于有交集但并不同类。从应用角度而言，二者的结果导向及结果呈现上相似，只是 BI 更注重企业整体，而 UBA 更偏用户侧、营销端，因此弯弓研究院也把 UBA 放在场景型中，方便企业识别。
制图：弯弓研究院 红框中为中国商业智能（BI）应用地图-类型-场景型BI厂商
维度二：专注度
专注度指的是该厂商是否是专注于BI产品。
厂商所处应用地图位置越高则代表其专业度越高，位置越低则代表该厂商 BI 专注度越低或只是含有 BI 部分功能，非原生 BI ，可能只是数据分析软件内含 BI 的功能，如不少的 CDP 中也具备部分 BI 的功能，如可视化。
考量条件为产品体系（BI 是否为核心产品）、产品专业度、产品比例（标准化/私有化部署）、交付方法、市场覆盖范围（客户）、市场评价和创立年限。
维度三：应用领域
应用领域指的是该 BI 工具多被用于何种用途。
应用地图根据厂商占主导地位的细分领域表现进行区分，将其划入不同阵营中，分别为：更偏企业管理领域、更偏营销领域（前端）。偏向领域不同， BI 在产品功能上会有差异。
更偏企业管理领域：据弯弓研究院调研，更多被用于企业管理的 BI 在市场覆盖范围中更多服务于传统领域/企业，如电网、风电、水务、银行等等体量大且内部拥有巨量数据的企业（包含政府部门），比我们常谈的 MarTech（营销技术）范围更广，可能涉及产业链、供应链等等 IOT（Internet of Things，工业互联网），贯通生产端与消费端，作用于企业内部管理更多，需要提供的能力及厂商本身所需具备的能力范围更广。以美林数据为例，美林数据是典型的更偏企业管理的厂商，他们所服务的企业包含国家电网公司、中国南方电网、中国移动等等。
制图：弯弓研究院 红框中为中国商业智能（BI）应用地图-应用领域
更偏营销领域：指更靠近消费者端、用户端的的 BI ，这类 BI 通常以用户场景为导向搭建数据模型，他们在某一行业可能正独霸一方，产品开发方向、市场覆盖范围、技能、专业知识、数据模型的范围和深度都重点围绕某一行业进行，在应用地图上越靠右侧的厂商，其行业特点越明显。需要注意的是，越靠近Y轴的产品型厂商偏向性较弱，能力综合，如思迈特软件、观远数据。
制图：弯弓研究院 红框中为中国商业智能（BI）应用地图-应用领域
企业可以借助应用地图评估技术厂商。市面上的行业最佳服务商未必总是最佳选择，企业可以根据实际需求情况出发进行考量，弯弓研究院建议企业还可以根据以下两点进行考量：
为了帮助企业更好地了解、使用商业智能、选择 BI 厂商，弯弓研究院将持续更新2022年中国营销技术生态图谱7.0版（2200+）、中国商业智能（BI）应用地图和入谱BI厂商（企业应用版）表格。
同时，我们也会持续挖掘那些高速成长的优秀 BI 厂商，通过持续收集各家 BI 厂商的资料并调研该 BI 工具的情况，根据实地调研企业用户的使用感受（我们也会收集企业用户对于该工具的评价），并综合行业专家的意见，制作BI厂商排名分析供企业们参考，为市场提供更多可靠的选择。排名分析示例如下：
国内商业智能 BI 市场事实上并未进入所谓的高速发展阶段， BI 市场规模没有各位想象的成长那么快，国内企业的数据基础在很大程度上决定了这一市场的大小。但 BI 市场规模依然有相当的想象空间，这毋容置疑。
弯弓研究院也希望能够通过站在企业与厂商中间的这一独特视角，帮助BI厂商真正参与到企业的经营之中，快速识别企业们的真正需求。
最后，欢迎企业、 BI 厂商与我们联系，共同探讨中国商业智能市场现状及应用，为中国商业智能市场添砖加瓦。
「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）。