京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业智能(BI)努力的是企业与数据之间的“最后一公里”,而新一代商业智能云平台要做的,则是企业和数据之间的“额外一公里”,让你跟数据的关系从0距离变成负距离。深入,再深入一点。
传统BI:企业与数据的“最后一公里”
根据Tableau发布的《2017最需关注的十大云趋势看点》,由于各种设备与云技术的发展,大量数据都能够轻松存储在云端。企业的关注点从“如何获取数据”,变成了“如何分析数据”。企业需要能够无缝连接、集成不同云托管数据的分析工具,来弥合自己与数据之间“最后一公里”的距离。
以前,企业的选择是商业智能(Business Intelligence),它可以帮助企业收集、管理和分析数据,将这些数据转化为知识或洞察(insight),然后分发到企业各处。
但是,在Gartner发布的《2017BI和数据分析软件市场统计报告》中,发现了这样的趋势:
(1)传统的商业智能平台市场占有率正在逐年降低。从2013年的49%,降至2015年的41%。而与之相反的,是新一代商业智能平台,它的市场占有率从7%上升至14%,几乎“吃”掉了传统BI失掉的所有市场。

(2)根据预测,未来10年将有更多的分析工具/商业智能产品部署于云。

究竟新一代商业智能“新”在哪儿?为什么有能力蚕食传统BI的市场?Gartner2015年提出“Modern BI Platform”这一概念时,曾经从五个方面描述了传统BI与新一代BI之间的区别:

从上图中可以看出,新一代BI最大的变化,就是把商业分析全流程的中心从专家转向了业务人员,IT部门不再是数据采集、准备与内容创作的主力或灵魂,仅在分析的流程中提供一小部分的支持工作;以前业务人员跟数据之间隔着一个IT部门,像隔着一座大山;新一代商业智能,允许业务人员直接跟数据对话、直接创建分析内容、自由的用可视化进行数据探索,还可以彼此协作。
新一代BI赋予了业务人员与数据直接对话的能力,不要小瞧这个进步。这几乎是推翻了传统商业智能的产品框架,回到“让谁用”、“怎么用”的源头,把整个工具做了一个“民主化”的革新。
民主的好处,于社会不用多言;于数据,则是弥合了从信息到行动之间的距离。对于企业来说,这就是那“额外的一公里”——发生在企业内部的、全员与数据共舞的美妙。
“额外一公里”的before我们都经历过、或正在经历着;现在,让我们来具体解释展现一下“额外一公里”的after——
* 新一代商业智能中,因为全员可以访问数据,所以无论部门、职能、级别,每个人都可以得到自己需要的数据;
* 因为全员可以自己处理数据,所以每个人都能在最短时间内得到自己想要知道的答案,节省大量与IT部门或“第三者”解释需求、等待满足的时间;
* 因为全员可以自由地对数据进行可视化的交互分析,所以任何疑问答案都是“立等可取”的,而那些常规型的报告,也不用重复制作,打开界面就可以看到了,跟数据的亲密关系又进一层;
* 因为有了“数据协作”,全员基于唯一真实的数据展开工作,部门与部门之间不再是孤岛,从彼此扔锅到展开合作,不再是梦想。
以上所有的一切,都大大缩短了从信息到行动的距离。
新一代BI为“全员数据化”赋能,还有一个利好,就是让每一个“决策者”都有据可依,要知道,这可是一个企业人人都是“决策者”的时代。美国一家上市公司是这样形容的:“每个人都在做决策。每个小时,每一天。CXO们并不是影响运营和盈利的唯一因素:几乎所有的员工都可以通过他们的工作习惯、他们使用(或滥用)的技术、对突发事件及挑战的应对方式等,对运营产生影响。事实上,‘决策者’这个术语已经可以适用于任何人。”
1936年,查理-卓别林执导并主演的《摩登时代》里,曾经把工人比作城市大机器中的一个零件,在设定好的固定程序下每天重复。今天,工业社会已发展成为信息社会,我们的工作比过去需要更多的主动与创新,但企业依旧是一个环环相扣的生产线,每一个环节都影响着企业的最终盈利,每一个环节都不容出错。
因此,我们为什么不把最适合这个时代的利器,交到每一个环节的负责人手中呢?
这就是新一代BI存在的意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26