• 不同領(lǐng)域開發(fā)工具 Top 50
• 2017年最具潛力的前端開源項目Top20
• 未來值得關(guān)注的十大 APP、Web 界面設(shè)計趨勢
• 2017 最全的機(jī)器學(xué)習(xí)開源項目列表

市場用戶是否成熟的判斷

1. 自助式 BI 可視化分析應(yīng)該成為常態(tài)，自助式BI分析已經(jīng)成為常態(tài)，業(yè)務(wù)人員已經(jīng)可以獨立的完成業(yè)務(wù)分析。傳統(tǒng)的由IT驅(qū)動的數(shù)據(jù)分析轉(zhuǎn)變成為業(yè)務(wù)驅(qū)動分析。

2. IT負(fù)責(zé)數(shù)據(jù)架構(gòu)的治理、數(shù)據(jù)質(zhì)量的梳理；業(yè)務(wù)人員自助分析；以前BI是大公司的專利，現(xiàn)在初創(chuàng)公司通過基本的分析工具就可以完成日常業(yè)務(wù)數(shù)據(jù)的分析工作。

3. 傳統(tǒng)數(shù)據(jù)倉庫建模的方式會逐步消亡，取而代之的是更加敏捷的BI實現(xiàn)方式，通過表之間的關(guān)聯(lián)關(guān)系并及時的進(jìn)行可視化數(shù)據(jù)分析并獲得結(jié)果。

4. 移動 BI 應(yīng)該成為常態(tài)，但在新的趨勢中會有進(jìn)一步的增強(qiáng)。

5. 人們不再單純的關(guān)注于工具本身，能夠?qū)崿F(xiàn)什么樣的可視化效果。而更加注重如何利用工具進(jìn)行業(yè)務(wù)價值的實現(xiàn)，需要更多行業(yè)咨詢和業(yè)務(wù)指導(dǎo)。以單純的工具作為唯一賣點在將來會被逐步淘汰。

通過以上這幾點基本上就可以判斷出在這變革的三年期間，用戶的成熟度是否隨著新型BI所帶來的用戶價值觀改變而得到提升。

在未來，在商業(yè)智能BI領(lǐng)域，我們應(yīng)該更關(guān)注什么，會發(fā)生什么？

商業(yè)智能 BI 發(fā)展的新趨勢（2017年-2020年）

第一，云端化是重要趨勢

有三個方面的表現(xiàn)：

1. BI SaaS 服務(wù)提供商和SaaS 服務(wù)提供商直接形成合作關(guān)系，直接將 BI SaaS 產(chǎn)品平臺化，基于BI工具形成標(biāo)準(zhǔn)的分析成果，作為產(chǎn)品附加值提供給 SaaS 租戶。但缺點是，租戶在當(dāng)前 SaaS 平臺上只能分析當(dāng)前 SaaS 平臺上的業(yè)務(wù)數(shù)據(jù)。

2. 在提供 SaaS BI 產(chǎn)品的時候同時提供了各種SaaS平臺上標(biāo)準(zhǔn)的數(shù)據(jù)接口，這是目前大多數(shù) SaaS BI 服務(wù)商的做法。比如國外的 Salesforce、Twitter、Google Analytics 等等已經(jīng)被一些 SaaS BI 廠商所打通。比如國內(nèi)的 Ptmind 公司，他們提供的用戶行為分析 SaaS產(chǎn)品 Ptengine 本身又為他們自己的 DataDeck SaaS 數(shù)據(jù)分析產(chǎn)品提供了 SaaS 數(shù)據(jù)源接口支持。

3. 最后，云端部署還有一個非常大的優(yōu)勢，價格便宜。關(guān)于更多的有關(guān) SaaS BI 的分析不再這里一一說明，具體的可以參看《深入分析 BI 數(shù)據(jù)可視化市場 SaaS 模式》。

第二，BI 的邊界會逐步模糊

未來的數(shù)據(jù)產(chǎn)品解決方案不僅僅是解決內(nèi)部取數(shù)和數(shù)據(jù)分析與展現(xiàn)的問題，而可能通過云端的數(shù)據(jù)接口拿到更多的外部數(shù)據(jù)。大數(shù)據(jù)、小數(shù)據(jù)的邊界會越來越模糊，人們更加關(guān)注的是數(shù)據(jù)本身，要用數(shù)據(jù)解決什么樣的問題，更加聚焦在數(shù)據(jù)產(chǎn)生價值上。

大數(shù)據(jù)和小數(shù)據(jù)不再有嚴(yán)格的區(qū)分，特別是當(dāng)云端 SaaS 服務(wù)模式越來越普及的時候，云BI也能解決大多數(shù)業(yè)務(wù)場景下的大數(shù)據(jù)和性能方面的困擾。

第三，單純的BI工具價值逐步削弱

在我觀察到的國內(nèi)一些數(shù)據(jù)類產(chǎn)品中，就發(fā)現(xiàn)了這樣的一些趨勢。前端用戶行為分析越來越朝著BI的方向走，而一些SaaS BI 產(chǎn)品也在解決好用戶內(nèi)部數(shù)據(jù)之外引入了外部數(shù)據(jù)包括用戶行為分析數(shù)據(jù)。

就如同前面提到的，人們不再單純的關(guān)注于工具本身能夠?qū)崿F(xiàn)什么樣的可視化效果。而更加注重如何利用工具進(jìn)行業(yè)務(wù)價值的實現(xiàn)，需要更多行業(yè)咨詢和業(yè)務(wù)指導(dǎo)。以單純的工具作為唯一的賣點在將來會被逐步淘汰。

第四，可視化分析也需要配備輕量級的 ETL 數(shù)據(jù)準(zhǔn)備工具

很多企業(yè)在內(nèi)部的數(shù)據(jù)管理和業(yè)務(wù)系統(tǒng)數(shù)據(jù)規(guī)范性上一樣存在很大的問題，在 IT 部門對基礎(chǔ)的數(shù)據(jù)質(zhì)量做完梳理之后，業(yè)務(wù)人員在很多場景下也一樣需要相應(yīng)的數(shù)據(jù)準(zhǔn)備工作，可視化分析工具需要搭配一些簡單易用的 ETL 工具能夠讓業(yè)務(wù)人員自助完成一些基礎(chǔ)的數(shù)據(jù)準(zhǔn)備工作。當(dāng)然，如果未來業(yè)務(wù)在云端，數(shù)據(jù)標(biāo)準(zhǔn)化的過程將會更加容易和便捷。

第五，預(yù)測性分析、人工智能和機(jī)器學(xué)習(xí)是未來新的增長點

在今年Microsoft Ignite 技術(shù)大會上我們已經(jīng)看到了Microsoft Power BI Quick Insight 和 Anna Talk 的結(jié)合。IBM Waston Analytics 強(qiáng)大的自然語言進(jìn)行預(yù)測性分析和交互。這兩者都實現(xiàn)了預(yù)測性分析、對自然語言解析以及可視化推送的效果。以往的數(shù)據(jù)洞察需要靠人，靠拖拽數(shù)據(jù)、鉆取數(shù)據(jù)交互分析獲得，但在以后多了更多的方式 —— 機(jī)器洞察、智能洞察。雖然從數(shù)據(jù)的準(zhǔn)確度、合理性、語言處理維度的程度上都不能完全替代人們自助的數(shù)據(jù)分析方式，但無論如何，這種嘗試已經(jīng)在朝著成熟的方向來發(fā)展了。

第六，移動 BI 和協(xié)作辦公越來越強(qiáng)

移動BI應(yīng)該包括兩個方面的因素：移動 + 協(xié)作。在之前提到過，在下個階段的BI發(fā)展趨勢上，移動BI的展現(xiàn)已經(jīng)不再是亮點，移動BI已經(jīng)成為企業(yè)數(shù)據(jù)展現(xiàn)的標(biāo)配。傳統(tǒng)的數(shù)據(jù)信息交換方式是單向輸出，中心到個人的輸出模式，而以后的模式是中心到個人，個人到個人可逆的傳輸模式。目前我們已經(jīng)看到一些移動協(xié)作的方式，比如和微信的集成打通。但以后的數(shù)據(jù)分析和分享協(xié)作模式應(yīng)該會越來越豐富，很有想象的空間。