<Gartner 2017 BI与数据分析魔力象限>报告导读 1

从2010年开始，BI与数据分析市场便形成了一个趋势，那就是从IT驱动升级到业务驱动。这一趋势在2016年得到了完全确认，在Gartner 2016年BI与数据分析魔力象限报告中，在领导者象限传统BI与数据分析厂商无一幸存，有的甚至在整个魔力象限报告中完全消失。而Qlik、Spotfire、Tableau等敏捷BI与数据分析厂商的业务持续增长，到2016年已经几乎完全接管了BI与数据分析的增量市场。

Gartner2017年商业智能与分析魔力象限

Gartner2016年商业智能与分析魔力象限

BI与数据分析市场的这一巨大变革，源于整个市场的用户和场景的变革。

在上世纪末和2000年初，BI与数据分析领域的最常见场景，就是IT人员负责企业各个部门的需求收集并将之实现成为一张张静态报告，而业务人员则查看静态报告，或者接收到系统推送的一张张静态报告。

这一场景存在着两个巨大的问题，首先是IT人员不足成了企业数据分析的瓶颈。占企业不到5%的IT人员承担着巨量的静态报告开发任务，他们加班加点地工作以月或者季度为单位发布更多的静态报告，IT人员工作负担很重。第二，分析报告的及时性无法满足业务需求，往往也让一线业务人员经常抓狂，例如电商企业的一线营销人员在备战双11时往往需要数据来做决策，但面对这样的需求IT人员往往只能在12月才能提交上线。

基于以上需求，在2000年左右BI与数据分析市场出现了几款面向业务人员数据分析需求的单机版产品，例如QlikView、Spotfire等，这些单机版产品受到了越来越多业务人员的喜好，后续这些单机版产品逐渐演变为企业级产品，到现在又逐渐演变为云平台产品。

越来越多的业务人员成为了BI与数据分析产品的深度用户，很多人还成为了“公民数据科学家”。

当前，“公民数据科学家”的增长速度是“职业数据科学家”的5倍，这一增长速度意味着成百上千家企业里，有成千上万的“公民数据科学家”如雨后春笋般涌现。

他们接入敏捷BI与数据分析平台，按照自己的意愿去探索数据、发现问题、找到答案并采取行动。大量具有业务洞察的数据分析报告被他们制作、分享、交流，整个过程被IT人员在企业级平台上进行监控和管理。

这一场景在2016年成为了主流场景，BI与数据分析市场的大部分采购都源于业务部门的主张，IT部门会积极主导并参与其中。他们采购的往往都是敏捷BI与数据分析产品，这些产品必须很好地支持无边界的探索式分析。

要更好地满足业务人员的需求，新技术成为了解决新问题的必要手段。

要支持无边界的探索式分析，细粒度数据是基础性要求之一。

举个例子：基于每一张订单的细节数据，业务人员将能分析去年全年订单销售收入中男性消费均值、男性消费方差、女性消费均值、女性消费方差，区域消费均值、区域消费方差等等。而上世纪90年代的数据分析技术建立在OLAP等预先汇总技术之上，很难满足无边界的探索式分析。这并不是因为我们的前辈水平有限，而是因为当时处于286/386/486/586时代，哪怕是小型机的存储和计算能力都很有限，只有把数据进行预先汇总，企业的BI与数据分析的平台才基本可用。20多年来，这些传统BI与数据分析平台为企业带来了巨大的价值，也因为技术架构的限制而难以适应当前的新需求。

从2000年以来，大数据技术逐渐发展起来。分布式计算、分布式存储、高性能计算、库内计算、列存储等相关技术应运而生，并被投入到实际的商业应用中逐渐成熟。

但事情没有那么简单。在大数据时代，一则数据源复杂且数据量巨大，二则业务人员并不具备足够的计算机科学知识，这让整个场景变得复杂起来。

从使用永洪科技的一站式大数据分析平台Yonghong Z-Suite的用户群体中我们发现，在探索式分析场景中，业务人员一个无心的点击有可能给平台带来上百亿次计算量，什么计算请求应该被支持什么计算请求应该被刹车，这对平台提出了极高的要求。一站式大数据分析平台需要支持上千甚至上万个用户，在这一平台上既有成熟的数据分析报告，也有探索式分析；既有高时效性数据分析报告，也有低时效性数据分析报告。如何让整个平台一直稳定高效地运行并持续支撑上万用户的数据分析需求，这对大数据技术提出了更高的要求，因此现代企业最需要的一站式大数据分析平台的研发难度极高。

另一方面，业务人员对平台的易用性提出了更高的要求，语音输入、模式匹配、自然语言搜索等新技术也将被BI与数据分析产品纳入，去更好地支持业务人员的数据分析需求。

AI和深度分析将成为“公民数据科学家“的下一个使用热点。

基于统计方法，探索式分析为业务人员带来了强大的数据解读能力。他们可以从数据中快速找出模式、发现异常、解读趋势等等。

但这还是不够，如果平台能给业务人员提供有效的深度分析能力，业务人员将不只能看到过去，还能预测未来。不过，”公民数据科学家“毕竟不是”职业数据科学家“，他们当中的大多数人不懂分类不懂聚类，也不懂时间序列等等技术，如何让他们能得心应手地结合深度分析技术从数据中获取洞察，是一个不小的挑战。

另外，AI技术在各个领域改变着人们的生活，结合AI技术人们在自动驾车自动扫地自动飞行等领域取得了很大的进展，而BI与数据分析市场也必然可以结合AI技术为用户带来更多的价值。虽然AI技术在这一领域尚未被成熟而广泛地运用，笔者相信自动分析将在下一代BI与数据分析产品中发挥巨大作用。

云计算和大数据将不再是热词。

云计算和大数据已经是多年的热词，各行各业的人们都在讨论云计算和大数据，IaaS、PaaS、SaaS、DaaS等云计算术语让人应接不暇，而HDFS、MapReduce、Spark等大数据术语也吸引着大量眼球。笔者发现，在成年累月的探讨之后，人们不再像之前那样将云计算和大数据当做热点谈资，而大约一年前投资圈对On-Premise和SaaS的态度还是泾渭分明的。商业社会持续催生热点吸引着大家，但人们对每个热点的关注往往难以持续。

我们看到，在BI与数据分析市场客户将不再关注模式是On-Premise还是SaaS，或者底层是不是大数据技术，尘埃落定之后渐渐回归到了商业的本质，也就是：如何给客户创造价值。

永洪一站式大数据分析平台

欢迎关注“永洪科技”官方微信与永洪科技官网www.yonghongtech.com了解更多大数据分析应用案例。
以下是<Gartner 2017 BI与数据分析魔力象限>报告的内容，欢迎朋友们解读。

666

666

666

水元素 发表于 2024-2-10 10:38
666

666

水元素 发表于 2024-2-10 10:39
666

666

水元素 发表于 2024-2-10 10:39
666

666

水元素 发表于 2024-2-10 10:39
666

666

水元素 发表于 2024-2-10 10:39
666

666

水元素 发表于 2024-2-10 10:39
666

666