版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
引言
近年来，商业智能市场火热。不管是投资圈还是用户 CIO 圈，都在广泛关注大数据和商业智能。媒体报道见多了，不知道自家 BI 选型的技术标准有谱了没。这边，笔者对 Gartner 的 BI 魔力象限考评的 15 个关键功能做了些研究，认为其中的 10 个值得重点关注，（已标红）给大家作些参考。总体来说，随着用户数据来源越来越广泛，用户对 BI 的需求偏爱在发生变化。越来越偏爱自助敏捷开发、交互式仪表盘、自助数据探索。直白来说，用户越来越希望自己搞定数据分析，而不需要找 IT 部门支持、支持、再支持。
基础模块
- BI 平台管理、安全和架构。 “能够实现平台安全性，管理平台用户，监控管理平台访问和使用状况，优化性能，支持在不同操作系统中运行，同时确保系统高可用性和支持灾备。” 作为企业信息化的一部分，BI平台做单独的管理和灾备的原因是多方面的。一方面是，政府、互联网企业、大型企业重视信息化建设，从理念上就要求单独维护；另一方面，笔者也看到众多中小企业，希望不去改造原有业务系统，对 BI 系统采用单独管理的办法，虽然可能浪费一些人力和硬件资源，但确保新、老系统独立，保证原有业务系统稳定，同时避免新系统掉进老系统的旧体系，这些都是中小企业的考量。当然，更重要的原因是，BI 系统逐渐成为业务管理决策的支撑，发挥越来越大的作用，企业要求 BI 系统必须全天候提供稳定服务。
- 云 BI。“提供 PaaS 或者 SaaS 版本的 BI 产品，支持本地和云上构建、部署、管理 BI 平台。“ BI 云化是个趋势，尤其是对于政府等领域。但是国内和国外情况有所不同。第一，用户担心数据外泄。国内的拥有私有云的企业并不多，大多在用公有云。BI 平台分析的多是企业核心业务数据，一旦外泄到同行、客户、公众等，企业难以承担损失。公有云在国内推广阻力重重，当然，一方面需要让客户了解公有云的安全性，另一方面，公有云厂商也要提高云安全性。更重要的是，做个好青年，别打客户数据的主意。第二，整个 SaaS 行业现在就没有较为合适的商业模式，云 BI，短期看不到盈利希望。第三，BI 厂商一般自己难提供公有云，推出云 BI 也会被国内公有云巨头裹挟，何况现在公有云巨头已经开始踏足 BI 领域。不过，BI 厂商的产品支持云部署是没问题。像帆软 BI 平台，在公有云部署和私有云部署，笔者是有亲在参与过项目。
- 数据源连接和提取。 “允许用户连接到内部和云中各种类型的数据平台，可连接结构化和非结构化数据。” 从接触到的项目和同行交流来看，国内 BI 更多处理的是结构化数据。这本身主要是国内外对 BI 平台的理解有不同。国内更多人倾向于 BI 为数据分析工具，不一定涵盖数据仓库、数据处理和复杂算法。所以，从目前产品技术选型来说，推荐考虑 BI 平台能对接到哪些数据源，性能如何。国内的BI工具FineBI在这一方面做的不错，可以参照。但在具体的方案考评中，考虑和不同数据存储平台或者数据处理平台的集成方案。
数据管理模块
- 元数据管理。 “用户能够集中管理元数据，包括对元数据进行搜索、提取、处理、存储、分享复用和对外发布元数据。“ 这里的元数据重点是业务人员分析需要的维度、指标、层级结构、度量等数据。还包括一些加工处理后的数据，比如 KPI、个人销售额、单品销量等数据。同时，系统支持管理员将用户处理、存储的元数据与 BI 平台对接的底层数据进行关联和整合。目前，国内帆软有 BI 产品确实支持元数据管理，BI 本身提供多维数据仓库（CUBE），并提供可视化工具让用户方便处理元数据。尽管操作方便，但不少用户还是倾向于自行管理元数据。原因有二：一是，一般企业自身已有大数据处理平台或者构建了数据仓库，不想重复建设和维护；二是，BI 产品自带的数据仓库，虽然数据分析性能好，但并不是标准的数仓产品， 长远来看，企业自建数仓管理数据较为稳妥。不过，对于高频分析使用的数据，显然是存储于 BI 自带的数据仓库综合效果更优。
- 用户自操作 ETL 和数据存储。 “平台功支持用于访问、提取、转换和加载的功能，具有索引、管理、调度数据的能力。“ 让普通用户，或者说是业务人员来进行类似 ETL 的操作和数据存储，方向是正确的。但从目前来看，除了少数教育、出版印刷、互联网、证券金融等领域从业者有较高学习和操作能力，大部分行业的业务人员 ETL 操作能力还是很有限的。但笔者认为，这个功能指标在实践中还是很价值的。因为虽然国内大多数企业依然是 IT 技术做数据处理，但是业务部门正在逐渐掌握自行处理数据的能力。在相当长的时间内，业务人员或许依然无法完全摆脱对 IT 技术的依赖，但显然依赖度正在逐步降低。业务人员的数据处理和数据分析，在成熟的 BI 工具的支持下，正在迅速提高。
- 自助数据准备。“用户自助拖拽组合不同来源的数据，创建分析模型，并通过智能分析、自动关联等系统自动处理好数据，包括结构化数据和非机构化数据。” 如前文的用户自行操作 ETL，用户自助数据准备，本质上就是让 BI 系统自动处理数据之间的逻辑关联。业务人员的操作，就像是从不同的羊圈里面拖出不同的羊，希望系统能自动关联他们的血亲关系，而不需要专业的 DNA 鉴定或者农场主帮助认亲。目前，这块还难以完全系统自动实现，因为过去很多业务系统底层的数据库，在项目交付阶段，都会去除主键和外键，为的就是应对不甚严谨的业务操作。。这是国内企业 IT 建设的现状，我们不能忽视，大谈想当然或者视而不见。但是帆软 BI 开辟了新的解决方案，除了能自动关联、转义数据，还可以手动设置关联，同时，允许 IT 技术初步处理数据后，业务人员通过 SPA 螺旋分析功能再次将数据加工，这是笔者测试十几个国内外商用和开源的 BI 产品后，认为当下最可行的方案。
分析和内容创建
- 嵌入式高级分析。 “用户能够轻松使用平台内置的高级分析功能，也可以通过导入和集成外部开发的高级分析模型。” 通俗理解来说，就是 BI 平台自带高级分析模型、算法模型，能够让用户拖拽数据，自动跑完模型出来结论。目前来说，国内的 BI 内置算法和模型的几乎没有。国外的也未多见。常见的情形时是用户自行开发算法模型，或者已经多年积累了高级分析模型，然后将分析模型处理完的数据对接到BI系统，通过 BI 系统做可视化的分析和展现。也就是 BI 仍旧是充当数据分析和图形展示的工作。从目前市场上的 BI 产品策略来看，大部分 BI 产品尚未能支持嵌入高级分析，少部分支持对接 R 语言等。预计两年内，BI 支持集成高级分析模型会越来越普遍，但内置算法模型，或许尚早。
- 分析仪表板。 “能够通过可视化探索操作和嵌入式高级地理空间分析来创建高度交互式的仪表板和内容。” 分析仪表板，有更通俗的叫法，就是交互式图表组件。比如常见的柱状图、折线图、散点图等，还有高级一些的矩形树图、多层圆环图、行政地理图、自定义地图、热力地图、流向地图等等。这里重点在于，这些图表既要 BI 内置，同时还要支持业务人员简单拖拽实现图表展现。从目前来看，这个趋势还是比较明显的，越来越多的业务人员愿意自行拖拽分析。
- 互动视觉探索。“通过一系列常规图表和特殊图表来探索分析数据。”这些常规图表，主要是饼图、折线图等，而特殊图形是指热力地图、流向地图、矩形树图、GIS 地理信息图等特殊的视觉效果。在这看人看脸的时代，BI 颜值也提到了相当重要的位置。当然，除了图形、图表丰富、漂亮外，也需要关注图表的操作交互。对于视觉交互这个功能，建议大家以实际体验为主。
- 智能数据挖掘： “自动查找、可视化展现与用户相关的数据中的重要发现，如关联、异常、聚类、预测等，而不需要用户构建模型或编写算法。” BI 平台自带数据挖掘分析，从笔者接触来看，没有哪家产品做得很棒。或者说，当下的 BI 概念已演化为“数据分析和可视化工具”，渐渐剥离了数据挖掘的功能。数据挖掘本身，独立成商业智能的一个分支。也就是说，当前 BI 平台技术选型，很难找到自带智能数据挖掘功能的产品。但是 BI 平台可以和市场上常见的数据挖掘平台、大数据平台集成。关于这点，笔者建议 BI 技术选型时，重点考察方案，而不是单一的 BI 产品。所谓各种一站式分析 BI 平台，细细看来，不少都是不同产品的组合。
- 支持移动端展现。 “用户能够将 BI 分析内容发布到移动终端设备，并且能够利用移动设备自身功能，实现 BI 页面的触摸操作、照相、视频、定位等。” 移动 BI，几乎家家企业都热衷。但不同企业需求有所不同。有注重安全的，要指纹加密，要绑定手机 mac 地址，要 VPN加密；有注重多操作系统的，比如安卓和 IOS 版本必须同步支持；有注重功能和交互效果的，数据采集、图像视频采集、定位、各种联动钻取、移动端分享 BI 分析内容；也有注重多平台支持的，比如既有原生 APP，又要支持集成企业已有的 APP 中，还需要能集成到微信、钉钉平台。移 动 BI 这里面，功能必然是抓大家眼球，但请更多重视移动终端的安全性。即使手机不在身边，依然要稳保企业数据安全。
分析结果分享模块
- 嵌入分析内容。 “支持将 BI 分析页面无缝集成到业务流程或业务系统中，支持业务软件中直接创建、修改分析内容，管理 BI 平台。” BI分析内容的无缝嵌入，主要考虑几个方面。一是，做到单点登录，也就是让用户不必登陆完业务系统，再登录一遍 BI 系统，让系统自动完成多平台认证。二是，权限集成，BI 平台要提供接集成方案，允许用户在业务软件界面查看权限内的 BI 分析内容。三是，UI 集成，作为嵌入业务系统中的部分组件，BI 平台自身应具备方便修改 UI 的能力，使嵌入的 BI 界面融合进业务系统。第一点来说，大部分国产软件均已能实现。第二点比较突出，这点建议 BI 技术选型时重点关注。至于第三点，国外 BI 软件普遍不太重视 UI 集成，大多较为封闭，自成体系。对于 UI的权重，各家把握了，这方面，一般不是个关键指标。
- 发布、分享和协作分析内容。 “允许用户通过各种文件输出类型和分发方式来发布和操作 BI 分析内容。” 使用户能够通过 BI 平台，能够分享 BI 分析的内容和决策。简单来说，就是我做好的 BI 分析页面可以分享给他人，他人可以分享给我，并且能对他人分享给自己的内容进行编辑修改，我们之间还能相互交流。这里最大的价值在于 BI 分析的复用。也就是自己做过的 BI 分析数据和结论可以分享，同时自己的分析模型也可以分享，让知识分享提高企业员工协作效率。现在帆软 BI 这类的 BI 分析平台，已经支持这个功能，但从系统管理员角度来看，管理难度增大，分享出来的 BI 分析的权威性存在不足。所以这个功能，在企业实际使用时，建议 IT 部门做一些培训和监控，合理而谨慎地使用分享。
整体平台能力模块
- 平台功能和工作流程。 “考虑平台自身功能的完整程度，这些功能可以是单个产品或多个集成度较低的产品组合。” BI 平台自身确实需要具备管理、监控和权限分配等功能。但对于工作流的支持，笔者不是很赞同。从国内来看，致远和泛微两大专注流程的 OA 厂商，已经深入人心。企业多半已经运行类似 OA 办公系统。再次通过 BI 来改造工作流程不是很现实。同时，BI 分析流程单独运行和管理，也脱离国内管理实情。国内企业大多希望借助 BI 分析，来增强企业决策的科学性，优化业务管理的有效性。脱离 OA 工作流程，大谈 BI 分析，分析出来结论又如何？谁去执行？谁去负责？所以，BI 产品选型，重点是如何与企业自身的业务系统和办公系统结合，不建议另建 BI 工作流程。
- 易用性和可视化。 “易于管理和部署 BI 平台，创建、分享 BI 分析，易于数据可视化展现。” 软件专业和易用，是难得平衡的两个方面。BI 软件的易用性必须考虑到业务人员的软件操作水平和在这方面可接受的培训成本。BI 软件的易用和易于可视化，笔者理解为，更多的是提供操作提示，同时交互更为简便。不过，必要的培训还是需要的，毕竟数据分析本身是个专业的事情，需要掌握相应的技能。
总结
所谓 BI 技术选型的 15 个关键指标，Gartner 虽然做了简述和研究。但其实并不完全适合企业做技术选型。笔者这里结合项目经验，给读者做些推荐。那么国内外 BI 差异的原因是什么呢？
表面上看，是国产 BI 软件不如国外巨头的 BI 软件优秀、功能完善而且强大。实际上，是国内市场需求与国外有所不同。在对商业智能领域的研究和实践中，看到越来越多的国内企业的管理者，希望通过实施数据分析项目，采购商业智能软件，来解决企业管理和决策中遇到的困难。但国内企业更多是从数据共享、数据分析、业务预测三个层次进行探索和建设的，更多的是贴合企业实际运营，做业务调整。而国外更多关注的是企业的管理，走操作、运营、战略三个阶段。过内外企业管理方式的不同，造成了对 BI 需求的根本差异。我们暂时并不一定要改变企业管理方式，但是通过合适的软件，让管理更有效、让决策更科学，是我们乐见其成的。