2017-03-21
從2010年開始，BI與數據分(fēn)析市場(chǎng)便形成了(le)一個(gè)趨勢，那就是從IT驅動升級到業務驅動。這(zhè)一趨勢在2016年得(de)到了(le)完全确認，在Gartner 2016年BI與數據分(fēn)析魔力象限報告中，在領導者象限傳統BI與數據分(fēn)析廠商無一幸存，有的(de)甚至在整個(gè)魔力象限報告中完全消失。而Qlik、Spotfire、Tableau等敏捷BI與數據分(fēn)析廠商的(de)業務持續增長(cháng)，到2016年已經幾乎完全接管了(le)BI與數據分(fēn)析的(de)增量市場(chǎng)。
Gartner2017年商業智能與分(fēn)析魔力象限
Gartner2016年商業智能與分(fēn)析魔力象限
BI與數據分(fēn)析市場(chǎng)的(de)這(zhè)一巨大(dà)變革，源于整個(gè)市場(chǎng)的(de)用(yòng)戶和(hé)場(chǎng)景的(de)變革。
在上世紀末和(hé)2000年初，BI與數據分(fēn)析領域的(de)最常見場(chǎng)景，就是IT人(rén)員(yuán)負責企業各個(gè)部門的(de)需求收集并将之實現成爲一張張靜态報告，而業務人(rén)員(yuán)則查看靜态報告，或者接收到系統推送的(de)一張張靜态報告。
這(zhè)一場(chǎng)景存在著(zhe)兩個(gè)巨大(dà)的(de)問題，首先是IT人(rén)員(yuán)不足成了(le)企業數據分(fēn)析的(de)瓶頸。占企業不到5%的(de)IT人(rén)員(yuán)承擔著(zhe)巨量的(de)靜态報告開發任務，他(tā)們加班加點地工作以月(yuè)或者季度爲單位發布更多(duō)的(de)靜态報告，IT人(rén)員(yuán)工作負擔很重。第二，分(fēn)析報告的(de)及時(shí)性無法滿足業務需求，往往也(yě)讓一線業務人(rén)員(yuán)經常抓狂，例如電商企業的(de)一線營銷人(rén)員(yuán)在備戰雙11時(shí)往往需要數據來(lái)做(zuò)決策，但面對(duì)這(zhè)樣的(de)需求IT人(rén)員(yuán)往往隻能在12月(yuè)才能提交上線。
基于以上需求，在2000年左右BI與數據分(fēn)析市場(chǎng)出現了(le)幾款面向業務人(rén)員(yuán)數據分(fēn)析需求的(de)單機版産品，例如QlikView、Spotfire等，這(zhè)些單機版産品受到了(le)越來(lái)越多(duō)業務人(rén)員(yuán)的(de)喜好，後續這(zhè)些單機版産品逐漸演變爲企業級産品，到現在又逐漸演變爲雲平台産品。
越來(lái)越多(duō)的(de)業務人(rén)員(yuán)成爲了(le)BI與數據分(fēn)析産品的(de)深度用(yòng)戶，很多(duō)人(rén)還(hái)成爲了(le)“公民數據科學家”。
當前，“公民數據科學家”的(de)增長(cháng)速度是“職業數據科學家”的(de)5倍，這(zhè)一增長(cháng)速度意味著(zhe)成百上千家企業裏，有成千上萬的(de)“公民數據科學家”如雨(yǔ)後春筍般湧現。
他(tā)們接入敏捷BI與數據分(fēn)析平台，按照(zhào)自己的(de)意願去探索數據、發現問題、找到答(dá)案并采取行動。大(dà)量具有業務洞察的(de)數據分(fēn)析報告被他(tā)們制作、分(fēn)享、交流，整個(gè)過程被IT人(rén)員(yuán)在企業級平台上進行監控和(hé)管理(lǐ)。
這(zhè)一場(chǎng)景在2016年成爲了(le)主流場(chǎng)景，BI與數據分(fēn)析市場(chǎng)的(de)大(dà)部分(fēn)采購(gòu)都源于業務部門的(de)主張，IT部門會積極主導并參與其中。他(tā)們采購(gòu)的(de)往往都是敏捷BI與數據分(fēn)析産品，這(zhè)些産品必須很好地支持無邊界的(de)探索式分(fēn)析。
要更好地滿足業務人(rén)員(yuán)的(de)需求，新技術成爲了(le)解決新問題的(de)必要手段。
要支持無邊界的(de)探索式分(fēn)析，細粒度數據是基礎性要求之一。
舉個(gè)例子：基于每一張訂單的(de)細節數據，業務人(rén)員(yuán)将能分(fēn)析去年全年訂單銷售收入中男(nán)性消費均值、男(nán)性消費方差、女(nǚ)性消費均值、女(nǚ)性消費方差，區(qū)域消費均值、區(qū)域消費方差等等。而上世紀90年代的(de)數據分(fēn)析技術建立在OLAP等預先彙總技術之上，很難滿足無邊界的(de)探索式分(fēn)析。這(zhè)并不是因爲我們的(de)前輩水(shuǐ)平有限，而是因爲當時(shí)處于286/386/486/586時(shí)代，哪怕是小型機的(de)存儲和(hé)計算(suàn)能力都很有限，隻有把數據進行預先彙總，企業的(de)BI與數據分(fēn)析的(de)平台才基本可(kě)用(yòng)。20多(duō)年來(lái)，這(zhè)些傳統BI與數據分(fēn)析平台爲企業帶來(lái)了(le)巨大(dà)的(de)價值，也(yě)因爲技術架構的(de)限制而難以适應當前的(de)新需求。
從2000年以來(lái)，大(dà)數據技術逐漸發展起來(lái)。分(fēn)布式計算(suàn)、分(fēn)布式存儲、高(gāo)性能計算(suàn)、庫内計算(suàn)、列存儲等相關技術應運而生，并被投入到實際的(de)商業應用(yòng)中逐漸成熟。
但事情沒有那麽簡單。在大(dà)數據時(shí)代，一則數據源複雜(zá)且數據量巨大(dà)，二則業務人(rén)員(yuán)并不具備足夠的(de)計算(suàn)機科學知識，這(zhè)讓整個(gè)場(chǎng)景變得(de)複雜(zá)起來(lái)。
從使用(yòng)永洪科技的(de)一站式大(dà)數據分(fēn)析平台Yonghong Z-Suite的(de)用(yòng)戶群體中我們發現，在探索式分(fēn)析場(chǎng)景中，業務人(rén)員(yuán)一個(gè)無心的(de)點擊有可(kě)能給平台帶來(lái)上百億次計算(suàn)量，什(shén)麽計算(suàn)請求應該被支持什(shén)麽計算(suàn)請求應該被刹車，這(zhè)對(duì)平台提出了(le)極高(gāo)的(de)要求。一站式大(dà)數據分(fēn)析平台需要支持上千甚至上萬個(gè)用(yòng)戶，在這(zhè)一平台上既有成熟的(de)數據分(fēn)析報告，也(yě)有探索式分(fēn)析；既有高(gāo)時(shí)效性數據分(fēn)析報告，也(yě)有低時(shí)效性數據分(fēn)析報告。如何讓整個(gè)平台一直穩定高(gāo)效地運行并持續支撐上萬用(yòng)戶的(de)數據分(fēn)析需求，這(zhè)對(duì)大(dà)數據技術提出了(le)更高(gāo)的(de)要求，因此現代企業最需要的(de)一站式大(dà)數據分(fēn)析平台的(de)研發難度極高(gāo)。
另一方面，業務人(rén)員(yuán)對(duì)平台的(de)易用(yòng)性提出了(le)更高(gāo)的(de)要求，語音(yīn)輸入、模式匹配、自然語言搜索等新技術也(yě)将被BI與數據分(fēn)析産品納入，去更好地支持業務人(rén)員(yuán)的(de)數據分(fēn)析需求。
AI和(hé)深度分(fēn)析将成爲“公民數據科學家“的(de)下(xià)一個(gè)使用(yòng)熱(rè)點。
基于統計方法，探索式分(fēn)析爲業務人(rén)員(yuán)帶來(lái)了(le)強大(dà)的(de)數據解讀能力。他(tā)們可(kě)以從數據中快(kuài)速找出模式、發現異常、解讀趨勢等等。
但這(zhè)還(hái)是不夠，如果平台能給業務人(rén)員(yuán)提供有效的(de)深度分(fēn)析能力，業務人(rén)員(yuán)将不隻能看到過去，還(hái)能預測未來(lái)。不過，”公民數據科學家“畢竟不是”職業數據科學家“，他(tā)們當中的(de)大(dà)多(duō)數人(rén)不懂(dǒng)分(fēn)類不懂(dǒng)聚類，也(yě)不懂(dǒng)時(shí)間序列等等技術，如何讓他(tā)們能得(de)心應手地結合深度分(fēn)析技術從數據中獲取洞察，是一個(gè)不小的(de)挑戰。
另外，AI技術在各個(gè)領域改變著(zhe)人(rén)們的(de)生活，結合AI技術人(rén)們在自動駕車自動掃地自動飛(fēi)行等領域取得(de)了(le)很大(dà)的(de)進展，而BI與數據分(fēn)析市場(chǎng)也(yě)必然可(kě)以結合AI技術爲用(yòng)戶帶來(lái)更多(duō)的(de)價值。雖然AI技術在這(zhè)一領域尚未被成熟而廣泛地運用(yòng)，筆者相信自動分(fēn)析将在下(xià)一代BI與數據分(fēn)析産品中發揮巨大(dà)作用(yòng)。
雲計算(suàn)和(hé)大(dà)數據将不再是熱(rè)詞。
雲計算(suàn)和(hé)大(dà)數據已經是多(duō)年的(de)熱(rè)詞，各行各業的(de)人(rén)們都在討(tǎo)論雲計算(suàn)和(hé)大(dà)數據，IaaS、PaaS、SaaS、DaaS等雲計算(suàn)術語讓人(rén)應接不暇，而HDFS、MapReduce、Spark等大(dà)數據術語也(yě)吸引著(zhe)大(dà)量眼球。筆者發現，在成年累月(yuè)的(de)探討(tǎo)之後，人(rén)們不再像之前那樣将雲計算(suàn)和(hé)大(dà)數據當做(zuò)熱(rè)點談資，而大(dà)約一年前投資圈對(duì)On-Premise和(hé)SaaS的(de)态度還(hái)是泾渭分(fēn)明(míng)的(de)。商業社會持續催生熱(rè)點吸引著(zhe)大(dà)家，但人(rén)們對(duì)每個(gè)熱(rè)點的(de)關注往往難以持續。
我們看到，在BI與數據分(fēn)析市場(chǎng)客戶将不再關注模式是On-Premise還(hái)是SaaS，或者底層是不是大(dà)數據技術，塵埃落定之後漸漸回歸到了(le)商業的(de)本質，也(yě)就是：如何給客戶創造價值。
永洪一站式大(dà)數據分(fēn)析平台
以下(xià)是<Gartner 2017 BI與數據分(fēn)析魔力象限>報告的(de)内容，歡迎朋友們解讀。
現在BI與數據分(fēn)析市場(chǎng)從IT爲中心轉向以業務爲中心的(de)狀況已經成爲主流。數據和(hé)分(fēn)析市場(chǎng)的(de)領導者們面臨無數的(de)選擇：傳統的(de)BI供應商已經在近期不斷創新彌補了(le)差距，而那些“分(fēn)裂者”們則進一步的(de)增強了(le)落地實施的(de)能力。
到2020年，智能的(de)、企業級管控的(de)、基于Hadoop/Spark技術的(de)和(hé)以可(kě)視化(huà)爲基礎的(de)數據挖掘能力将成爲下(xià)一代現代BI和(hé)數據分(fēn)析平台的(de)組成部分(fēn)。
到2021年，現代BI和(hé)數據分(fēn)析平台将會因爲智能數據挖掘能力的(de)不同而體現出差異化(huà)，擁有智能數據挖掘能力的(de)平台的(de)用(yòng)戶量将達到非此類平台兩倍的(de)增長(cháng)率，而這(zhè)也(yě)會給客戶帶來(lái)兩倍的(de)商業價值的(de)提升。
到2020年，自然語言處理(lǐ)和(hé)人(rén)工智能技術将成爲90%的(de)現代BI平台的(de)标準性能。
到2020年，50%的(de)分(fēn)析問題将通(tōng)過使用(yòng)搜索，自然語言處理(lǐ)和(hé)語音(yīn)的(de)方式生成，或者将被自動生成。
到2020年，一些平台将爲用(yòng)戶提供内部和(hé)外部的(de)數據目錄，與無法提供這(zhè)些數據目錄的(de)企業相比，他(tā)們将幫助客戶通(tōng)過對(duì)數據分(fēn)析的(de)投資實現兩倍的(de)商業價值。
到2020年，公民數據科學家的(de)數量将比數據科學家的(de)數量增長(cháng)快(kuài)五倍。
BI廠商們應該支持以下(xià)5種應用(yòng)場(chǎng)景
1.以敏捷爲中心的(de)BI産品：這(zhè)種平台支持敏捷型的(de)、IT化(huà)的(de)工作流程，包括從數據到集中交付和(hé)管理(lǐ)分(fēn)析内容，平台具有自有的(de)數據管理(lǐ)能力。
2.去中心化(huà)的(de)分(fēn)析：支持數據的(de)自服務數據分(fēn)析。可(kě)以爲獨立的(de)業務模塊和(hé)用(yòng)戶提供分(fēn)析支持。
3.數據挖掘管控：支持從自服務數據分(fēn)析到自助創建數據分(fēn)析管理(lǐ)頁面的(de)工作流程，IT級的(de)内容管控，而用(yòng)戶内容生成、管理(lǐ)頁面和(hé)分(fēn)析内容都是可(kě)複用(yòng)和(hé)可(kě)升級的(de)。
4.OEM和(hé)内嵌式BI：支持數據分(fēn)析流程以内嵌BI至一個(gè)流程或者一種應用(yòng)中來(lái)實現。
5.外部部署：支持爲外部客戶或者公共領域、公民接入分(fēn)析内容，流程類似以敏捷爲中心的(de)BI。
以及以下(xià)15種關鍵能力
1.BI平台的(de)監管、安全與架構：平台具有安全管理(lǐ)、用(yòng)戶管理(lǐ)、平台接入與使用(yòng)的(de)審計、調優和(hé)保障高(gāo)可(kě)用(yòng)性和(hé)容災的(de)能力。
2.雲BI：具有平台即服務和(hé)分(fēn)析應用(yòng)即服務的(de)能力，可(kě)以同時(shí)在雲端和(hé)本地部署、使用(yòng)和(hé)管理(lǐ)數據分(fēn)析報告和(hé)數據分(fēn)析應用(yòng)。
3.數據源的(de)連接和(hé)融合：讓用(yòng)戶能連接到雲端和(hé)本地化(huà)的(de)結構化(huà)和(hé)非結構化(huà)的(de)數據，包含支持不同類型的(de)數據存儲平台。
4.元數據管理(lǐ)：該工具能夠讓用(yòng)戶利用(yòng)數據包模型和(hé)元數據。實現這(zhè)些功能需要提供一種強大(dà)的(de)和(hé)核心的(de)方式方便管理(lǐ)者們去搜索、抓取、存儲、複用(yòng)和(hé)發布元數據對(duì)象，比如維度、層級、度量、表現特性/核心指标和(hé)報告布局等。平台管理(lǐ)者們需要有能力去升級業務用(yòng)戶創建的(de)數據模型将其提升爲系統級的(de)數據模型。
5.自有數據的(de)抽取、轉換、加載以及數據存儲：該系統有能力爲連接、融合、轉換和(hé)加載數據至一個(gè)自有的(de)功能引擎以及有能力去索引數據、管理(lǐ)數據加載以及更新計劃。
6.自服務數據準備：平台可(kě)拖拽不同來(lái)源的(de)用(yòng)戶數據集，可(kě)生成分(fēn)析模型，比如根據不同數據來(lái)源的(de)用(yòng)戶可(kě)自定義度量、組合、集合和(hé)層級。高(gāo)級功能包括對(duì)不同來(lái)源的(de)數據通(tōng)過機器學習(xí)、語義識别、智能聯結、智能側寫、層級生成、數據行數和(hé)數據混合等進行分(fēn)析處理(lǐ)。
7.内置的(de)高(gāo)級分(fēn)析功能：讓用(yòng)戶可(kě)以非常方便的(de)接入高(gāo)級分(fēn)析功能，在自有平台或者通(tōng)過引入、結合外部高(gāo)級模型進行分(fēn)析。
8.分(fēn)析儀表盤：通(tōng)過視覺探索和(hé)内置的(de)高(gāo)級地理(lǐ)空間分(fēn)析能力去生成能夠被其他(tā)人(rén)使用(yòng)的(de)高(gāo)交互性的(de)儀表盤和(hé)内容。
9.可(kě)交互的(de)視覺化(huà)探索：使這(zhè)種數據分(fēn)析的(de)探索可(kě)以借助可(kě)視化(huà)的(de)選項，包括但不限于基礎的(de)圖表形式，比如餅圖、柱狀圖、線圖等，也(yě)包括熱(rè)力圖和(hé)樹狀圖，地圖和(hé)散點圖以及其他(tā)特殊主題的(de)圖表形式。這(zhè)些工具能讓用(yòng)戶通(tōng)過百分(fēn)比、細分(fēn)和(hé)組合的(de)展示情況去分(fēn)析和(hé)操作數據。
10.智能數據挖掘：幫助用(yòng)戶在不通(tōng)過查詢和(hé)建模以及寫算(suàn)法的(de)情況下(xià)自動挖掘、視覺化(huà)和(hé)叙述重要的(de)分(fēn)析發現，比如數據間的(de)關聯、排除、集合、連接和(hé)預測等。
11.移動端的(de)數據探索和(hé)編程： 通(tōng)過利用(yòng)移動設備的(de)天然屬性，例如觸屏、照(zhào)相功能和(hé)地理(lǐ)位置信息，讓客戶可(kě)以用(yòng)發布或交互的(de)模式給移動設備升級和(hé)傳送内容。
12.嵌入分(fēn)析内容：這(zhè)種性能包含供應商提供的(de)軟件開發工具包和(hé)API接口，支持用(yòng)戶創建和(hé)修改分(fēn)析内容，支持可(kě)視化(huà)展現和(hé)嵌入應用(yòng)程序，可(kě)将其嵌入到業務流程、應用(yòng)程序或門戶的(de)開放标準中。這(zhè)些能力可(kě)以來(lái)自于外部的(de)應用(yòng)、或者被複用(yòng)的(de)分(fēn)析基礎設施，但必須可(kě)以無縫的(de)與内部應用(yòng)連接，也(yě)不需要讓用(yòng)戶在兩種系統間進行切換。這(zhè)種能力讓BI與其他(tā)數據分(fēn)析應用(yòng)架構可(kě)以結合，讓用(yòng)戶可(kě)以選擇在哪個(gè)業務流程中嵌入分(fēn)析模塊。
13.分(fēn)析内容的(de)發布、分(fēn)享和(hé)結合：這(zhè)些能力可(kě)以讓用(yòng)戶通(tōng)過不同的(de)結果類型和(hé)分(fēn)布方式去發布、配置和(hé)優化(huà)分(fēn)析内容，同時(shí)也(yě)有對(duì)内容搜索的(de)支持、計劃和(hé)預警的(de)功能。
14.平台能力和(hé)工作流：對(duì)于單一的(de)、無縫的(de)産品，或者多(duō)個(gè)産品來(lái)說，需要基于怎樣不同的(de)功能去适配這(zhè)種融合的(de)需求。
15.便捷的(de)使用(yòng)和(hé)可(kě)視化(huà)展現：對(duì)管理(lǐ)者來(lái)說可(kě)以便捷的(de)使用(yòng)和(hé)部署平台、生成内容、銷售内容以及與内容互動，同時(shí)也(yě)具備可(kě)視化(huà)展現的(de)能力。
這(zhè)種預期的(de)低增長(cháng)率是對(duì)目前主流市場(chǎng)的(de)情況反饋，這(zhè)說明(míng)市場(chǎng)的(de)需求正在增加，但仍會受到價格壓力的(de)阻礙。購(gòu)買決策将持續受到業務決策者和(hé)業務用(yòng)戶的(de)強烈影(yǐng)響——這(zhè)些使用(yòng)者希望使用(yòng)更敏捷的(de)、具備成功能力的(de)産品，爲小型組織和(hé)部門級使用(yòng)而服務。這(zhè)意味著(zhe)這(zhè)種先落地再擴展的(de)模式始終主導著(zhe)市場(chǎng)的(de)銷售形态，但作爲企業客戶來(lái)說實施需求的(de)增長(cháng)以及平台的(de)模式是否對(duì)具備敏捷、客戶友好等性能已經成爲了(le)更重要的(de)衡量标準。企業的(de)IT部門現在已經失去了(le)部分(fēn)的(de)決策影(yǐng)響力。在這(zhè)個(gè)快(kuài)速進化(huà)的(de)市場(chǎng)中，新增長(cháng)的(de)核心驅動因素如下(xià)：
在規模上，現代BI是新型采購(gòu)的(de)主要目标。企業在管理(lǐ)上的(de)需求遞增将推動IT部門更多(duō)參與到業務用(yòng)戶的(de)需求實現上。業務用(yòng)戶最初傾向于使用(yòng)這(zhè)些新型工具的(de)原因是通(tōng)過這(zhè)些工具進行數據分(fēn)析，可(kě)以讓他(tā)們不依靠IT中心的(de)幫助而自行完成——這(zhè)對(duì)他(tā)們來(lái)說是最主要的(de)吸引力。而現在用(yòng)戶數的(de)增加、應用(yòng)場(chǎng)景複雜(zá)性的(de)增長(cháng)以及更多(duō)應用(yòng)場(chǎng)景的(de)産生都使業務部門催生出更多(duō)的(de)使用(yòng)需求。因此IT部門必須更多(duō)的(de)與業務部門協作，用(yòng)更好的(de)更敏捷的(de)流程去支持快(kuài)速的(de)業務擴張需求，支持業務用(yòng)戶自助完成分(fēn)析内容以及這(zhè)些内容的(de)分(fēn)布，去保障使用(yòng)和(hé)決策是基于可(kě)信賴的(de)數據分(fēn)析的(de)基礎之上。現代的(de)BI工具可(kě)以擁有更好的(de)連接性、更敏捷的(de)分(fēn)析方式以及更客觀的(de)分(fēn)析洞察，同時(shí)也(yě)将保持很好的(de)易用(yòng)性，這(zhè)些都将驅動和(hé)主導新的(de)采購(gòu)方式的(de)産生。
創新型供應商和(hé)已有的(de)廠商會驅動下(xià)一次市場(chǎng)分(fēn)裂的(de)浪潮，而現在這(zhè)種情況已經開始顯現。市場(chǎng)一旦分(fēn)裂，可(kě)視化(huà)的(de)探索經驗将成爲主流并被普及，無論對(duì)大(dà)型或小型的(de)廠商都是如此，這(zhè)個(gè)市場(chǎng)将成爲下(xià)一次分(fēn)裂的(de)風口浪尖，将推動新一輪購(gòu)買激增的(de)熱(rè)潮——原因是這(zhè)種高(gāo)性能的(de)産品将爲用(yòng)戶減少從高(gāo)級分(fēn)析中獲得(de)洞察的(de)時(shí)間，以及爲他(tā)們帶來(lái)在企業内部更廣泛的(de)分(fēn)析組合。智能數據挖掘能力會幫助用(yòng)戶自動的(de)去發現那些存在于大(dà)量的(de)、複雜(zá)的(de)和(hé)持續增長(cháng)的(de)複合型數據集中的(de)隐秘模式，而這(zhè)些都不需要通(tōng)過建模、寫代碼或者查詢來(lái)實現。這(zhè)些能力減少了(le)人(rén)爲和(hé)自然的(de)偏見在可(kě)視化(huà)探索編程中的(de)産生，用(yòng)戶可(kě)通(tōng)過高(gāo)亮、視覺化(huà)和(hé)描述重要發現、關聯、組合、預測、異常值、異常呈現、聯動或者數據趨勢，在不通(tōng)過建模的(de)情況下(xià)去展現數據分(fēn)析的(de)結果。這(zhè)種能力讓用(yòng)戶通(tōng)過自然語言理(lǐ)解和(hé)嵌入可(kě)落地的(de)應用(yòng)模塊去實現數據查詢和(hé)探索式分(fēn)析，将幫助企業擴大(dà)數據分(fēn)析的(de)範圍和(hé)價值。智能數據挖掘利用(yòng)自動探索讓數據科學平台進一步增強了(le)性能，而在未來(lái)，專業領域的(de)數據科學家将推進更前沿的(de)數據探索和(hé)驗證的(de)方式去支持企業決策的(de)需求。當創新型企業的(de)新浪潮崛起時(shí)，傳統BI的(de)廠商們——那些曾經以緩慢(màn)的(de)步調适應“現代分(fēn)裂浪潮”的(de)公司， 現在已經給出了(le)回應（比如IBM和(hé)Salesforce），而他(tā)們中的(de)一些（比如IBM and Salesforce），也(yě)正在主導下(xià)一次的(de)“智能”潮流。
對(duì)複合型數據集的(de)需求驅動了(le)在數據準備上的(de)投資。業務用(yòng)戶希望能夠分(fēn)析不同來(lái)源和(hé)不同類型的(de)數據，這(zhè)其中還(hái)包含大(dà)量且複雜(zá)的(de)數據組合和(hé)數據模型，除數據倉庫和(hé)數據池之外，也(yě)包括對(duì)流數據的(de)處理(lǐ)能力的(de)需求等，這(zhè)都要求更快(kuài)速的(de)計算(suàn)能力。這(zhè)種能力需要能夠支持對(duì)數據的(de)快(kuài)速準備、清洗、豐富以及發掘出可(kě)信賴的(de)數據，對(duì)擴展使用(yòng)需求來(lái)說，對(duì)複合型數據集的(de)支持變得(de)非常重要。
可(kě)延展性和(hé)可(kě)嵌入性将成爲擴大(dà)使用(yòng)範圍和(hé)提升使用(yòng)價值的(de)主要的(de)驅動因素。擴大(dà)使用(yòng)範圍的(de)方式可(kě)以通(tōng)過爲業務人(rén)員(yuán)包括内部用(yòng)戶和(hé)客戶提供更爲自動化(huà)的(de)工具或者給他(tā)們正在使用(yòng)的(de)應用(yòng)産品内置分(fēn)析模塊來(lái)實現——也(yě)可(kě)以兩者兼而有之。可(kě)嵌入性和(hé)對(duì)用(yòng)戶内容的(de)分(fēn)析能力的(de)提升将成爲這(zhè)些工具的(de)适用(yòng)性和(hé)普及性的(de)有力支持，無論從分(fēn)析産生的(de)價值或者分(fēn)析本身來(lái)說皆是如此。
支持對(duì)實時(shí)活動和(hé)流數據的(de)處理(lǐ)能力，将幫助使用(yòng)場(chǎng)景得(de)到延伸。爲适應企業快(kuài)速決策的(de)需求，企業将增加對(duì)設備、感應裝置和(hé)交互産生的(de)流數據的(de)處理(lǐ)需求。在BI和(hé)數據分(fēn)析市場(chǎng)将需要在一些類似的(de)能力上進行技術投資——目的(de)是幫助買家提供可(kě)以将實時(shí)活動和(hé)流數據以及其他(tā)來(lái)源和(hé)種類的(de)數據合并處理(lǐ)的(de)平台，将其升級成一種新的(de)高(gāo)效能分(fēn)析應用(yòng)，以幫助客戶在實時(shí)的(de)可(kě)落地的(de)洞察建立之後，保障分(fēn)析洞察可(kě)以被很好的(de)利用(yòng)起來(lái)。
内容、數據和(hé)算(suàn)法的(de)市場(chǎng)空間将得(de)到提升，而這(zhè)些市場(chǎng)也(yě)将變得(de)更加成熟，将爲企業創造更多(duō)的(de)機會去購(gòu)買、出售在業務洞察上的(de)分(fēn)析能力和(hé)計算(suàn)能力。在細分(fēn)領域内新的(de)市場(chǎng)空間的(de)增長(cháng)使買方和(hé)賣方能轉換和(hé)交換分(fēn)析應用(yòng)，規劃數據的(de)來(lái)源，定制可(kě)視化(huà)的(de)展現和(hé)算(suàn)法，而這(zhè)些市場(chǎng)空間的(de)增長(cháng)很可(kě)能就出現在BI和(hé)數據分(fēn)析市場(chǎng)。現有的(de)市場(chǎng)空間仍然爲BI廠商提供了(le)新的(de)渠道——在平台上構建出解決方案，通(tōng)過他(tā)們的(de)客戶渠道和(hé)合作夥伴的(de)資源去銷售産品。成熟市場(chǎng)空間的(de)主要好處在于——這(zhè)是一個(gè)可(kě)連接終端用(yòng)戶群體到虛拟的(de)無限能力的(de)通(tōng)道，這(zhè)将幫助他(tā)們在自己内部發展出解決方案和(hé)流程。
Yonghong 雲端産品布局
對(duì)雲部署的(de)需求将持續增長(cháng)。雲産品很有可(kě)能會幫助客戶減少部署時(shí)間和(hé)成本。然而，“數據重力”的(de)現象仍然存在，大(dà)多(duō)數企業仍傾向于本地部署，這(zhè)成爲這(zhè)種轉變情況的(de)抑制劑—特别是對(duì)于IT部門的(de)采購(gòu)者來(lái)說。現在，這(zhè)一狀況正在緩慢(màn)的(de)被改變。在2016年，有46%的(de)參與調查問卷的(de)客戶表示他(tā)們已經或者準備要做(zuò)雲端BI的(de)部署了(le)，來(lái)自業務端客戶的(de)反饋要比IT端客戶的(de)反饋更加積極。到2017年，雲端部署的(de)比例将增加到51%，大(dà)部分(fēn)增加的(de)比例會來(lái)自于IT部門的(de)需求轉變。我們希望這(zhè)種趨勢将繼續，伴随著(zhe)新的(de)軟件授權方式/購(gòu)買方式成爲主流（超過半數），預計這(zhè)種情況會持續到2020年。
伴随下(xià)一次市場(chǎng)分(fēn)裂的(de)浪潮，新的(de)創新型供應商将持續産生，而這(zhè)次變革應該被廠商們看做(zuò)是整體策略的(de)一部分(fēn)。之後的(de)幾年中，大(dà)型的(de)BI廠商在創新技術和(hé)創新領域的(de)投資同樣會讓買方收益，同理(lǐ)，風險投資機構對(duì)創新型企業的(de)投資也(yě)同樣能使買方市場(chǎng)獲益。對(duì)過剩的(de)創新産品的(de)試點出現了(le)下(xià)降趨勢，同時(shí)供應商們去做(zuò)POC的(de)頻(pín)率也(yě)在下(xià)降，這(zhè)種趨勢體現的(de)是買方企業随著(zhe)時(shí)間推移将産生更多(duō)的(de)科技負債——多(duō)個(gè)獨立的(de)解決方案會促使業務價值快(kuài)速（匆忙的(de)）轉變爲産品實施，而在實施過程中卻往往缺乏足夠的(de)對(duì)系統設計，項目執行和(hé)項目支持的(de)關注。在這(zhè)個(gè)快(kuài)速進化(huà)的(de)BI市場(chǎng)中，企業應該通(tōng)過發展正式的(de)IT策略和(hé)參考合理(lǐ)的(de)項目架構去避免在做(zuò)選型評估時(shí)産生科技負債， 這(zhè)些策略也(yě)将幫助企業在未來(lái)避免大(dà)部分(fēn)返工和(hé)再設計的(de)工作量産生。
