商业智能 BI，会成为下一个风口吗？

国内商业智能 BI 赛道的玩家角逐正在加剧。

BI 全称 Business Intelligence，作为舶来品，1996 年由 Gartner Group 提出，通过对企业现存数据进行挖掘、分析，能够为业务决策提供指导，是释放数据价值的核心系统之一。

数字化时代的到来使得越来越多的企业开始重视大数据应用，企业 BI 产品自此进入大众视野。根据 IDC 数据，2021 年中国商业智能软件的市场规模预计达到 7 亿美元，同比增长恢复到 21%，预测到 2025 年，该市场规模将达到 13.3 亿美元。

作为诞生于上个世纪的产品，时代需求推动下，商业智能 BI 赛道经历了从国外厂商到国内厂商的迁移，也经历了从传统时代向智能时代的变革。随着 BI 产业链被重构，其核心价值完成了从工具到平台的蜕变。这样的大背景下， 行业竞争中的新格局正在形成。

基于此，本文将着重分析以下 3 个问题：

1、目前 BI 赛道竞争格局几何？

2、新基建时代，BI 赛道如何定义“智能化”？

3、商业智能 BI 未来的发展前景如何？

01 国产替代下的黄金赛道

商业智能 BI 厂商诞生于国外，早年间，以 Business Objects、Cognos、BIEE、Micro Strategy 为首的四大品牌近乎统领了全球的 BI 市场。

伴随着国内企业开始进行数字化改造，国外厂商大举进攻国内市场，抢占份额。根据公开资料显示，短短几年时间内，国外 BI 厂商进入了诸如银行、金融系统、制造业、工业乃至政府等关乎国内经济发展的关键行业。

然而，基于国内庞大的人口基数，快速发展的国内经济导致社会需求日趋复杂，各种各样的商业创新模式不断涌现。由于迭代速度跟不上时代需求，国外商业智能 BI 厂商普遍开始出现“水土不服”的现象。

另一方面，新的内外部形势下，呼吁自研的声量越来越大。

历经十年左右的发展，国外厂商逐渐显出颓势。与此同时，面临用户需求增多、数据量不断增长等挑战，国内企业反而愈加认识到数字化转型的重要性，作为数字价值的终极体现者，国内商业智能 BI 赛道以不可阻挡的态势高速发展。据中金企信国际咨询公布的《2020-2026 年中国商业智能市场发展规划及投资战略可行性预测报告》，从 2015 年至 2019 年，商业智能市场经历了一个持续且积极的发展过程。

仅看一级市场，艾瑞咨询数据显示，在 2014 年至 2018 年间，商业智能领域累计发生的融资事件就达到了 100 起，2018 年最多达到 57 起，从融资轮次来看，这四年间，早期发展阶段的商业智能创业公司受关注较多，主要集中于 A 轮和天使轮，占比分别达到 29%和 19%。

如今，这场竞争悄然走入后半段，不难观察到商业智能 BI 赛道的竞争格局已初步显现。

从企业类型来看，国内市面上从事商业智能服务的企业当下可以分为两种：独立厂商和互联网大厂。独立厂商产品历经市场和客户检验，客户触点广泛，竞争实力不容小觑。相比之下，脱胎于内部复杂业务的互联网大厂，则具有更为明显的资金供给、生态搭建、人才培养等方面的优势。

目前，独立厂商中以帆软、易观、思迈特、加和科技等老牌 BI 企业为代表；互联网大厂中，阿里数据中台产品 Quick BI 通过为用户提供数据准备、可视化的数据分析和交互式仪表板等服务，如今跑入了头部玩家行列，网易也于 2017 年推出了网易有数。

Quick BI 可视化能力包含可视化图表、模板、主题

02 重新定义“智能”

从传统 BI 系统平台的功能结构来看，基于数据存储、数据集成、数据分析等功能模块下，通过对数据数指标进行简单的陈列堆叠，从而生成相应报表，试图响应业务，并为企业提出辅助性决策。但是，这个阶段的 BI 平台弱势相当明显，比如，难以高效接入多系统业务数据源、缺乏统一数据指标管理能力、对一线业务员工来说具有一定门槛难以上手、对企业来说维护成本相对较高……

对比行业趋势，产品与需求显得相背而行。

一方面，初步数字化之后，各行各业已经积累了海量的数据资源。据 IDC 估算，到 2025 年全球数据总量将达 163ZB，相当于 2016 年所产生数据量的十倍，在这其中，有 80%的数据属于非结构化数据。

另一方面，“新基建”被提上日程，国内政策更加落地，进一步指明了技术与场景方向，这也意味着企业面临的融合场景更多，业务属性更加复杂。

这时的传统 BI 平台已经难以应付瞬息变幻的商业环境。对于 BI 企业而言，无论是产品还是业务层面，当下的商业环境都提出了更高的要求。

聚焦于业务本身，如何在场景中切实有效地利用数据已经成为当下商业智能 BI 企业的核心痛点。从侧面来看，这也是使其向新型商业智能转型的核心推动力。而这一转变的核心推力来自人工智能、大数据、机器人流程自动化等技术的发展。如今，传统 BI 正在从单一的行业据点向企业的各个运营环节中高度渗透。

过去，企业大多是利用 BI 平台实现自助报表分析、可视化图表展示等基础功能。随着机器学习、深度学习等技术的成熟，BI 与 AI 的结合正在为企业打开一片新天地。

从 Quick BI 的发展历程和技术水平中可窥之一二，以数据可视化为底层能力，Quick BI 升级了可交互式图表，同时将交互式数据可视化与叙事技术相结合，推出了两种层次的构建数据故事的能力。在生态搭建层面，得益于和钉钉的深度打通，进一步提高了企业获取数据和产生决策的效率。从实际应用中来看，2020 年，Quick BI 的阿里云 SaaS 服务的客户数相比 2019 年增长超过 100%。

目前，Quick BI 已经连续连年入选 Gartner《商业智能和分析平台魔力象限报告》(Magic Quadrant for Analytics and BusinessIntelligence Platforms)，是迄今为止该领域唯一入选魔力象限的中国 BI 产品。

Gartner 此前预测称，到 2020 年之前，自然语言和人工智能技术将会成为 90%的现代 BI 平台的基本特征之一。目前来看，这一预测正在成为现实。现阶段新型商业智能已进入快速成长期，技术融合有效增进了产品的多维智能决策能力。

03 如何冲破落地之困？

“能否落地”在企业数字化转型中是一个被恒久讨论的话题，商业智能 BI 领域同样如此。

对于 BI 平台而言，用的上，但是没效果的现象并不少见。举个简单的例子，金融和零售两个行业在 BI 应用中的成熟度较高，但是由于行业不同，其设定采集数据的相关场景也存在较大差异。众所周知金融聚焦财富管理、风控等环节，而零售更倾向于销售管理、客户管理等方面，同一产品在不同行业中的使用效果差距明显。

这也就意味着，在企业趋向精细化运营管理的当下，通用型 BI 工具面向市场，定会出现被淘汰的结局。

在企业内部，BI 平台对于具体业务场景的理解与采用何种模型或算法处于同等重要地位。换句话说，能否深度理解业务场景，一定基础上决定了 BI 平台技术能否真正落地，以及是否真正能够帮助企业实现降本增效的核心目的。

若从客户角度出发，企业不再只需要一个成熟的 BI 工具，还需要厂商通过对垂直业务场景的理解来构建相应的数据指标，并搭建场景相关模型，从而通过差异化方案实现应用价值的最大化。

相较于传统智能，新商业智能更看重的是基于数据本身，通过多维度的技术能力帮助企业解决经营过程中面临的成本上涨、业务流程繁杂、信息孤岛等实际问题。

其中，尤以“可集成”“够快速”“移动化”三大要素，最为企业关注。

以 Quick BI 为例，通过后台无缝集成企业既有 ERP、CRM、POS 等多套系统数据源，能够快速依据业务需求完成多维数据建模与计算，并通过拖拉拽的方式，零 SQL 搭建完整的数据门户。

此外，该产品目前还与钉钉移动办公场景深度融合，员工能够随时随地通过 Quick BI 发送到钉钉端的数据报表，更为直观地了解业务经营情况，在发现异常数据时，还能以钉钉中的“任务”和“DING” 形式将相关预警及时发送给特定的员工或钉钉群组；同时，包括店长在内的所有员工，还可以在钉钉群组内 @智能小 Q(Quick BI 智能机器人)，以语音问答的形式进一步了解相关数据的详细信息或关联指标情况。

而当视角转向企业总部的管理者角色时，他们更是能够通过钉钉 “组织在线”融合 Quick BI “数据在线”的模式，一键在移动端实现各区域各门店业务数据的汇总和分析，从而快速掌握各区域各门店的实际数据情况，并判断该做何种决策——数据获取、数据分析、决策判断、任务下发、结果反馈一系列企业日常工作都在 Quick BI 和钉钉平台的深度融合中形成闭环，极大提升企业的数据使用、决策判断效率。

目前，飞鹤、良品铺子、大东、雅戈尔等众多企业，都已完成 Quick BI 基于零售场景的率先尝试。

尽管已有包括 Quick BI 在内的头部产品沉淀相当一批成功案例，但对于 BI 赛道的各大玩家而言，眼下需要思考的还在于两个方面：其一，如何结合 AI 技术快速完成传统 BI 平台到新智能平台的升级。其二，如何聚焦于企业场景和各个业务环节，保证方案落地。

在这其中，先行者势必在下一轮的竞争中抢占高地。