Gartner：深入业务才能做好BI，当然还有AI这个驱动

至顶网CIO与应用频道 08月14日 人物访谈（文/王聪彬）：商业智能（BI）这一概念出现于20世纪90年代末，代表的是为提高企业运营性能而采用的一系列方法、技术和软件。1989年，BI的概念经由Howard Dresner的通俗化表达而被人们所广泛了解，即一类由数据仓库（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，目的是帮助企业进行决策的技术及其应用。

BI进入中国也很早，但当时的企业大多还在解决生产经营问题，所以BI的真正价值没有被企业认识到，也没有被发挥出来。随着数据价值的逐渐显现，越来越多的企业提出了对于BI的需求，BI已经成为帮助公司经营的重要手段。

每年2月，Gartner都会发布商业智能和分析平台魔力象限。从今年的数据来看，Microsoft、Tableau发展迅速，尤其是Microsoft在执行力上大幅度提高，已经和Tableau并驾齐驱。与此同时，BI的新趋势在于人工智能（AI）和BI的融合。预计在2020年，AI技术将成为90%现代BI平台的主流技术。

2017 Gartner商业智能和分析平台魔力象限

商业智能的三个时代

在20-25年前，企业内部都是人工操作。10-15年前出现了modern BI（现代化商务智能）工具，帮助企业制作固定格式的报表。近几年，可视化展示让BI变得更易操作和可理解。

可以说BI已经从IT主导分析转向业务主导分析，Gartner研究总监简儁芬（Melody Chien）观察到，只为帮助老板决策的IT提供的报表已经过时了，IT要转变成给数据赋能的超级英雄，将更自动化、更简单的数据分析提供给不同层面的人。

Gartner研究总监简儁芬（Melody Chien）

这一变化的特点就是智能化，一个数据分析项目一般需要非常长的时间，尤其是前期的数据准备工作，IT技术可以让这些工作变得更自动化、智能化、普及化。不仅参与者更多，而且数据洞察在内部使用的同时还可以分享给外部客户、合作伙伴等，数据分析之后看到的内容越来越不是数据本身，而是数据背后的价值。

Gartner把BI划分为三个时代，预计在3-5年内，第三时代的工具会越来越成熟，成为市场主流。

第一时代 “Semantic Layer-Based Platforms”（语义平台），帮助企业处理简单的数据模型，对日常业务交易进行分析，但是很难做到根据市场波动快速调整模型。

第二时代“Visual-Based Data Discovery Platforms”（可视化数据分析平台），业务人员可以在没有任何或少量IT技术能力的情况下，使用拖拉拽的方式对模型进行自动化的修改，并且用可视化的方式例如各种图形来展示分析结果，但是还需要很多人为的配置部署。

第三时代“Smart Data Discovery Platforms”（智能数据分析平台），通过人工智能自动从数据中挖掘出模型，并且利用机器学习的技术自动从中发掘数据的规律，这种自动化可以节省大量前期数据准备时间。

“三个时代在interaction（互动）和collaboration（合作）上有很大的变化。”简儁芬指出，第一时代的互动是由IT事先编译安排好的，如果发生任何变化都要重做流程；第二时代用户通过可视化交流；第三时代则通过自然语言来做分析，而且随着AI的发展，第三时代的工具会越来越普及，未来3-5年将达到成熟。

数据分析一定要和业务挂钩

虽然从技术和产品上看，第三时代的工具已经逐渐呈现出爆发的趋势，但是企业的实际应用却是与之脱节的。就像开篇所提到的，BI进入中国很早，但应用的企业其实并不算多，其中大部分集中在金融、交通、电商等行业。

但在大家都在关注底层数据分析的现在，企业还在谈BI吗？简儁芬给出的回答是肯定的。中国企业目前虽然大部分还停留在第一时代，仅有部分处在第二时代，但这并不影响企业真正把技术运用到内部业务流程，带来实际的业务价值，尤其是第三时代的技术可以带来明显的业务提升。

中国企业都在不同程度地使用着BI，这些企业当前的目标是要快速过渡到第二、第三时代，而且首先要意识到BI不只是产生报表做决策用，更是企业内部流程自动化和数字化转型的动力。

在BI的使用上可以分为四种分析模式，企业需要不断地深入下去，甚至使用横跨几种的分析模式。

第一层、描述型分析（descriptive analytics），主要解决What Happened？了解企业已经发生的事实。

第二层、作诊断型分析（diagnostic analytics），主要解决Why has happened？看到发生了什么的同时，研究为什么会发生。

第三层、预测型分析（predictive analytics），主要解决What will happen？在变化的过程中预测到将会发生什么。

第四层、规范型分析（prescriptive analytics），主要解决What will happen？What should I do？未来将会发生什么，以及该怎么做。

现在的企业都不缺数据，所以数据分析一定要回归到业务层面。香港某大学在研究27种不同癌症的病因和发展趋势时，需要从大量复杂的数据源中抓取数据。其运用的第三时代工具可以自动整理和标识出可能的病因，将一个学期才能完成的分析缩减到2-3周。

获取BI技术很容易，但更重要的是企业需要考虑数据怎样才能更有效地帮助企业运营。简儁芬认为在使用BI方面，领先的行业和企业都有一个共同的特点，他们总在思考如何把数据赋能给客户，甚至把数据分享给客户和合作伙伴。