调研 | 黄勇  李冬露

撰写 | 洪逸群

商业智能（BI）这一概念在上世纪90年代首次被正式提出时，被业内定义为是通过应用一系列基于事实的工具和方法来辅助商业决策的制定。随着技术的进步和企业需求的变化，BI一直围绕着这一内核，不断扩展其能力，并在企业的经营和管理中扮演越来越重要的角色。

在数字化和智能化已经成为业界共识的当下，BI的定义也衍生出了更具体的内涵。首先，BI已经成为了企业对外输出数据能力的核心工具。因为对于企业数据平台中经过预处理的大规模数据，其发挥价值的方式不外乎数据驱动的决策，以及数据驱动的业务应用，其中数据驱动的决策的实现方式即为BI，包含了对业务更全面、更深度、更多维、更实时的洞察。其次，BI对数据分析和结果展示的形式也更加丰富，包括了报表、查询、分析、图表、数据挖掘、预测性分析等类型。

尽管BI的定义和价值都很明确，但其落地却往往受困于国内不同发展阶段的企业在数据应用深度和数字基础设施成熟度上的差异，以及数据文化带来的种种问题。对于国内当下的头部企业而言，其通常已经建立起了完善的数据中台、数据仓库，他们对BI的诉求通常是在企业内实现全面的自助式分析，形成业务用户充分采用数据驱动的决策的数据文化。而对于大部分腰部企业而言，其数据基础设施相对落后，他们更多的诉求是希望BI厂商提供端到端的数据管理和分析能力，打破数据孤岛，建立数据集市、报表集市，以及提供一定的自助分析功能。

图1: 头部和腰部企业BI应用成熟度差异

针对这样的市场现状，如何打造能够适应不同发展阶段、不同业务需求的企业的BI工具，成为了国内BI厂商需要解决的难题。作为已经成立了10年，服务过数千家头部企业的国内老牌BI厂商思迈特软件，其产品和解决方案具有很高的行业代表性。在今年成立10年之际，思迈特软件根据过去对行业发展趋势的持续思考，对客户共性需求的总结提炼，推出了全新版本的产品Smartbi V10，从数据管理、分析工具和数据文化三个层面解决企业数据化运营中的挑战，为企业构建一站式的数据分析平台。
借助思迈特软件推出新产品的契机，爱分析与思迈特软件CEO吴华夫进行了深入交流，探讨了思迈特软件的发展历程和产品设计思路，以了解国内BI市场现状和发展趋势，为读者提供一些参考和解读。

01

有效的数据管理是充分利用数据价值的前提

数据管理的核心目标是确保系统中的数据完整、正确、准时，并为数据分析做好准备，因此有效的数据管理是企业用好BI的前提。从企业数据预处理的主要流程来看，数据管理的难点通常会涉及以下几个方面：

1）多数据源的接入和跨库整合。很多的数据分析任务需要同时利用企业分散在多个数据库、业务系统、文件中的数据，因此BI工具需要具备多数据源的接入能力，同时具备强大的跨库整合能力。

2）构建统一的BI语义层。数据源中的基础表，可能属于不同的业务逻辑，这会阻碍业务人员对数据应用。因此，构建统一的BI语义层的意义在于通过业务主题屏蔽底层物理模型的复杂性和多样性，构建面向业务用户能够理解和使用的数据模型，便于业务人员快速获取口径一致的数据。

3）强大的数据建模和计算能力支持。虽然数据集市已经建好了大量数据模型，但这些数据模型都是预先构建好的，其敏捷性和灵活性都不够，因此BI产品需要具备按照业务需求进行多维建模的能力。

此外，建模过程需要强大的计算能力支持，包括了ETL数据处理和多维计算能力。为了解决企业在数据管理中面临的上述问题，思迈特软件在其新版产品中更新了其底层的数据引擎，着重强化了数据接入、跨库整合、数据建模等方面能力。

首先，Smartbi能打通各类数据源，除了支持常用的Oracle、SQL Server、MySQL等关系型数据库，也支持各种主流大数据库、非关系型数据库、多维数据库，以及本地文件如Excel、TXT、CVS等，另外还支持自定义编写接口的JAVA数据源。同时，针对跨多个数据库进行关联查询分析的需求，Smartbi提供直接的跨库查询，并且内置了数据跨库查询引擎，在内存中进行关联，数据无需落地，省去了中间抽取环节，保证查询数据的实时性。

其次，Smartbi支持将原始数据库中的基础表，按业务逻辑重新定义组装成业务对象（逻辑表），构建统一的语义层，以供相关人员使用。其语义模型支持对整个数据仓库不同业务源进行数据建模，设置计算字段、维度层次等。并支持对表、字段名称进行业务含义翻译，转化成业务可以理解的术语。最后，在数据建模方面，Smartbi为用户提供了可以按照需求进行可视化建模的能力，并支持星型模型、雪花模型、星座模型等多种多维建模方式。

在建模过程中，融合了AI增强能力的ETL的能够对源数据进行预处理，包括筛选、去重、拆分列等，并实现一定的自动化。数据模型里面的表、SQL、存储过程、即席查询等也都可以直接转ETL高级查询，从而实现复杂数据场景的处理。同时，Smartbi数据模型具有多维复杂计算能力，支持自定义度量、自定义成员、自定义命名集，通过强大的MDX函数支持，可实现时间智能计算。

02 

提供自助式的分析工具以匹配用户的各种操作习惯和使用场景

自助式分析是指让业务人员从业务需求的角度发起问题，并借助一系列低门槛的分析工具进行数据分析。市场环境变幻莫测，企业的数据分析需求也随之会不断变化，而IT部门无法实时对各项业务需求做出敏捷的响应，因此让业务人员进行自助式分析能够快速应对复杂的市场环境。同时，自助式分析也能够让企业内部真正实现数据驱动的决策，充分发挥数据的价值。然而，自助式分析工具的落地难点在于不同用户的数据分析水平以及使用习惯不同，用户对分析场景的需求也存在着很大差异。因此，自助式分析工具需要能够考虑上述因素，根据不同类型用户的操作习惯和使用场景，匹配合适的分析工具。为了解决这一问题，思迈特软件在数据分析工具方面为企业提供了一套组合拳。

例如，Smartbi为数据科学家提供了可视化的机器学建模功能，以降低数据挖掘和预测性分析的使用门槛，节省成本；为数据分析师提供自助仪表盘工具，通过鼠标拖拉拽即可快速完成数据集准备、可视化探索和仪表盘的制作；针对数据分析基础较差、只关注数据而不在乎视觉呈现的用户，Smartbi提供了操作更为简单的数据探索工具，比如面向数据服务的即席查询，以及无须预建模的透视分析工具；为习惯使用Excel 的用户提供Excel融合分析工具，并且支持用户利用Excel丰富的资源、灵活的格式以及强大的公式，完成中国式报表的设计；为零基础的用户提供了自然语言分析工具，以快速查看一些数据指标和对应信息。此外，Smartbi能够基于数据模型构建数据指标体系，一方面拓宽了业务用户的建模能力，另一方面方便其根据需要自定义指标。

03 

建立广泛的数据文化推动BI支撑的数据赋能

BI产品落地还有一大挑战是国内大部分企业尚未形成用数据指导业务运营的数据分析文化，这其中既有企业用户的思维方式和管理习惯的问题，也有BI工具本身缺少相应能促进BI应用的功能设计的问题。

对此，思迈特软件的解决思路是将协同理念融入产品功能设计当中，把BI打造成业务协同和社交平台，辅以激励手段，让用户愿意使用BI，通过促进BI的应用转变用户的使用习惯。具体的产品功能设计包括：

1）通过数据导航功能在保障数据安全的前提下开放数据资源，并且用户可以使用数据快查进行资源搜索、脱敏预览、血缘确认等操作来确认数据是否是自己需要的。

2）通过数据应用商店让员工可以在平台上分享其数据分析应用，其它用户能够根据需要复用这些分析成果，无需重新制作分析流程。同时，平台还具备了沟通功能，方便用户协同处理数据问题。此外，应用商店中的排行榜功能，不仅可以激励员工分享分析成果，还能帮助企业评估数据价值。

3）通过个性化门户让系统智能地推荐数据供个人使用。当企业的数据资产非常庞大时，用户经常不知道什么数据对自己有价值，也不知道如何准确找到自己需要的数据。个性化门户的价值在于解决上述问题，从过去的人找数据，转变为数据找人。

展望BI未来的发展趋势，可以看到，随着数据在企业经营决策中的价值越来越大，BI即将从之前的商业决策辅助工具，转变成数字化时代的商业决策核心工具。在这个过程中，BI工具的能力要求也会不断深化，在当前提供完善的数据管理和自助分析能力的基础上，增加更多组件强化用户使用体验，以及不断提高增强分析功能，从而简化和加速数据分析。以思迈特软件为代表的BI厂商正是因为能够始终保持对用户数据分析需求的深入洞察，并不断迭代产品，才能不断为用户提供其真正需要的产品。