AI＋BI的發(fā)展現(xiàn)狀和趨勢

在企業(yè)走向數(shù)據(jù)驅(qū)動的過程中，BI是重要的組成部分。而國內(nèi)不少BI廠商都提供從數(shù)據(jù)倉庫到報表的一站式解決方案，能夠提供數(shù)據(jù)倉庫某種程度上體現(xiàn)了廠商的技術實力。不少企業(yè)也選擇搭建數(shù)據(jù)倉庫將數(shù)據(jù)統(tǒng)一歸集方便企業(yè)更好調(diào)用數(shù)據(jù)釋放數(shù)據(jù)價值，但數(shù)據(jù)倉庫實施周期長投入高的特點也讓一些企業(yè)望而卻步，那么數(shù)據(jù)倉庫是企業(yè)的必須嗎？

數(shù)據(jù)倉庫非企業(yè)所必須

帆軟是國內(nèi)知名的BI廠商，專注BI十四年，可以提供從數(shù)據(jù)倉庫到報表、大屏可視化的一站式BI解決方案。帆軟數(shù)據(jù)應用研究院院長楊揚介紹在帆軟合作的客戶中，包括大的企事業(yè)單位在內(nèi)的大部分客戶都沒有搭建數(shù)據(jù)倉庫。數(shù)據(jù)倉庫比較重，而且實施周期長，在長實施周期內(nèi)領導不易發(fā)現(xiàn)數(shù)據(jù)倉庫對日常經(jīng)營管理帶來的價值。很多企業(yè)會選擇搭建一個簡單的ODS層、主數(shù)據(jù)或者中間庫，結合前端業(yè)務一個小版塊比如財務先用起來，有效果再逐步拓展到其它業(yè)務。

“當前的這種數(shù)據(jù)倉庫，很多時候還面臨一個比較大的問題，就是會被各個業(yè)務條線的績效考核牽引，會導致數(shù)據(jù)倉庫面臨大量的調(diào)整，所以說是不是要建數(shù)據(jù)倉庫我們可以做一個保留，但是做數(shù)據(jù)加工整理、聚合整理是有必要的?！睏顡P強調(diào)，面向主題的數(shù)據(jù)倉庫數(shù)據(jù)本身是冗余的，大量的調(diào)整容易會導致數(shù)據(jù)口徑出錯，影響數(shù)據(jù)使用，所以數(shù)據(jù)倉庫應該拒絕前端交互行為，都是通過ETL抽取數(shù)據(jù)。比如有些企業(yè)會想要通過帆軟的填報修改數(shù)據(jù)倉庫的數(shù)據(jù)，其實會對數(shù)據(jù)倉庫的數(shù)據(jù)質(zhì)量帶來很多的挑戰(zhàn)，

若企業(yè)不搭建數(shù)據(jù)倉庫，有的會選擇某個業(yè)務板塊或者主題建中間庫等，楊揚介紹選主題容易走入誤區(qū)，有的企業(yè)做了一堆主題分析，結果這個主題分析對業(yè)務或者對企業(yè)的管理經(jīng)營沒什么太大幫助，這樣反而造成負擔。如果企業(yè)選主題分析可以從以下兩點考慮選?。?/p>

一是從上向下做，選擇高層關注的主題，需要選主題分析的企業(yè)一般想在投入產(chǎn)出上快速看到效果，所以第一個考慮滿足企業(yè)高層的需求，選擇企業(yè)內(nèi)部比較關注的點。比如零售企業(yè)會選門店盤點，銀行會做一些存款產(chǎn)品的分析等，這樣高層可能會持續(xù)地推動項目，使之不斷迭代完善。

二是從下向上做，要把一線基層的KPI以可視化的方式能夠讓讓一線員工能看到，這樣員工也會去推動項目不斷完善。

不少人認為國內(nèi)數(shù)據(jù)底子薄弱體現(xiàn)在數(shù)據(jù)積累參差不齊，有從業(yè)者會指出“都沒有建數(shù)據(jù)倉庫”來表達這種薄弱，與國外相比國內(nèi)企業(yè)的整體數(shù)字化程度確實存在差距，而適合國情的產(chǎn)品和解決方案才最合適。

楊揚認為對于國內(nèi)BI廠商來說，國產(chǎn)化進程還會面臨諸多難題和挑戰(zhàn)。首先大數(shù)據(jù)方面的標準參差不齊，國內(nèi)廠商在做產(chǎn)品規(guī)劃時沒有一個統(tǒng)一的導向和標準。其次，雖然國內(nèi)產(chǎn)品可以滿足大部分的數(shù)據(jù)分析和應用需求，但是一些前沿技術，比如AI＋BI、數(shù)據(jù)挖掘等，還處于理論或者不成熟階段。

數(shù)據(jù)標準參差不齊

數(shù)據(jù)的價值正在日益凸顯，而市場進入數(shù)據(jù)資產(chǎn)化的標志是數(shù)據(jù)標準的大規(guī)模建立。多位大數(shù)據(jù)／BI專家認為數(shù)據(jù)標準的建立是企業(yè)走向數(shù)據(jù)驅(qū)動的關鍵，也是當下國內(nèi)的一個亟待解決的難點。

實際上企業(yè)有痛點和訴求，制定數(shù)據(jù)標準的工作一直在進行著，如果數(shù)據(jù)統(tǒng)計口徑不一樣，在前端查看同樣的指標，在不同系統(tǒng)會看到不同的結果。就如同有的叫“男人”，有的叫“man”，類似這樣的差異可能不利于企業(yè)做查詢分析、營收測算?！皵?shù)據(jù)標準和數(shù)據(jù)倉庫不一樣，數(shù)據(jù)倉庫更多的時候是在做數(shù)據(jù)的集合，數(shù)據(jù)標準更多的是在做數(shù)據(jù)標準的制定。比如編碼規(guī)則、命名規(guī)則或者劃分、分享，做什么接口等?！睏顡P指出。

不同行業(yè)制定數(shù)據(jù)標準有自己的原則，數(shù)據(jù)標準制定的時候并不會考慮所有的數(shù)據(jù)，更多時候是把一些主數(shù)據(jù)或者很多系統(tǒng)都會用到的數(shù)據(jù)，比如客戶信息或者做分析衡量都會用到的數(shù)據(jù)，去制定一些對應的數(shù)據(jù)標準。其中，金融業(yè)會把數(shù)據(jù)標準以其核心系統(tǒng)為準，然后其它邊緣系統(tǒng)按照各自的業(yè)務主題來定。

其實很多大的企業(yè)會有數(shù)據(jù)標準管理委員會這樣的部門，負責制定標準、搭建管理平臺和制定行政管理規(guī)范?！皬臉藴实焦芾砥脚_做到管理規(guī)范這樣一系列操作，它其實就相當于是在制定整個的一個數(shù)據(jù)標準。”楊揚指出，數(shù)據(jù)標準的核心點在于一套標準要用在多個板塊上面，所以要有聯(lián)通的板塊一起進行設計，沒必要追求一套標準適用所有，因為各個行業(yè)都有自身通用的一些標準，而這些通用標準只能解決最簡單基礎問題。

但是數(shù)據(jù)標準的規(guī)范有時候也會受到業(yè)務排斥，比如指標分為基礎指標和派生指標。在實際運作過程中，數(shù)據(jù)標準對應的基礎信息可能并不能解決業(yè)務的問題。所以有的時候業(yè)務部門還是比較抵觸排斥梳理好的數(shù)據(jù)標準。

可見企業(yè)走向數(shù)據(jù)驅(qū)動并非易事，數(shù)據(jù)標準可以從企業(yè)內(nèi)部外延到企業(yè)外的行業(yè)、政府等，大數(shù)據(jù)時代更多維全面的數(shù)據(jù)連接打通流轉才能有全局的視角，釋放數(shù)據(jù)更大的價值。有業(yè)內(nèi)從業(yè)者指出企業(yè)內(nèi)部數(shù)據(jù)整合打通比較容易，而外部數(shù)據(jù)由于標準不一等問題難以有真實性和健康度的保障。楊揚認為不論什么規(guī)模的企業(yè)，目前大部分企業(yè)內(nèi)部數(shù)據(jù)都沒有做到很好掌控，比如即使部署了很多IT系統(tǒng)，還是有很多數(shù)據(jù)流轉在Excel里?！皟?nèi)部的數(shù)據(jù)相對好掌握可能更多是從數(shù)據(jù)獲取的角度以及在這個具體的某個特定板塊下用這個數(shù)據(jù)的角度看，企業(yè)整體把數(shù)據(jù)給管控起來還是比較困難的?！?/p>

AI及自助式BI的中國困境

很多人相信AI與BI的融合是未來，增強分析和智能預測是當下企業(yè)的一個關注點。在AI比較火熱的時候帆軟沒有為之所動，繼續(xù)聚焦BI。帆軟認為隨著BI智能化的發(fā)展，未來企業(yè)產(chǎn)品選型的參考重點還是以數(shù)據(jù)管理和數(shù)據(jù)分析為主。預計在2025年左右，中國的BI將邁入智能化階段，而當下國內(nèi)AI在BI的應用還是泡沫。

AI＋BI的發(fā)展現(xiàn)狀和趨勢

楊揚指出，AI落地核心點是和企業(yè)組織機構的實際業(yè)務結合，目前AI上手難度大，技術思維重，同時企業(yè)實際業(yè)務標簽、模型沉淀比較少，對于企事業(yè)單位的業(yè)務幫助不高，很容易變成一個空心球。當前BI的應用主要還是在內(nèi)部經(jīng)營層面，開始注重場景的閉環(huán)，比如零售企業(yè)做到庫存周轉率的提高、制造業(yè)高效設備巡檢提升效率等，不足之處是很多經(jīng)驗還伴隨著比較強的企業(yè)特性，比如零售里面在A客戶的配貨算法，到了B那邊就不一定試用，同時很多企業(yè)也不愿意針對這些方法進行深度溝通，在整個交流范圍上，還欠缺一些，需要不斷去梳理標準。

現(xiàn)在最適合企業(yè)的是從經(jīng)營目標出發(fā)，找到降本增效的方法，不管通過傳統(tǒng)中間庫＋報表的方式還是通過模型＋自助分析的模式，而企業(yè)最迫切需要的應該是兩塊：

1：BI結合實際業(yè)務場景提供對應的分析思路；

2：BI項目落地的同時，能夠培養(yǎng)員工數(shù)據(jù)分析思維的學習途徑，短期看項目，長期還是看人才。

除了AI和數(shù)據(jù)挖掘，自助式分析是當下BI的最主要趨勢。無論是國外的Tableau還是國內(nèi)的帆軟等BI廠商都在強調(diào)自助式分析的重要性和價值，一方面可拖拉拽的靈活定制降低了使用門檻，業(yè)務人員可以直接上手釋放更多數(shù)據(jù)價值，另一方面也減輕了IT人員的壓力。

多位BI從業(yè)人員指出國內(nèi)自助式分析還處于非常初級階段，面臨著很多困境，無法實現(xiàn)數(shù)據(jù)分析的自助。造成這種局面的因素有很多，數(shù)據(jù)文化和人才缺失是比較重要的原因。

楊揚認為造成自助式分析難以推動的主要原因是數(shù)據(jù)分析項目發(fā)起人和使用者間的沖突。企業(yè)引入數(shù)據(jù)分析有兩個渠道，一是通過科技部門或者IT部門，二是通過業(yè)務部門。

IT部門以前做數(shù)據(jù)跟蹤報表，每次業(yè)務提需求基本是上午提下午要，給IT部門很大壓力，而IT部門引入數(shù)據(jù)分析的目的是減輕部門壓力，可能會準備些基礎數(shù)據(jù)，有些企業(yè)甚至會把明細表全部開放，讓業(yè)務部門自己在前面去拖拽選取，如此壓力就傳導到業(yè)務部門。

如果業(yè)務部門引入自助分析，期望會很高。希望找某個數(shù)據(jù)的時候，調(diào)出來的數(shù)據(jù)就是所需的數(shù)據(jù)口徑，而且數(shù)據(jù)準確的無誤。但實際過程中業(yè)務部門要的不是基礎數(shù)據(jù)，都是需要做進一步加工萃取匯算的派生數(shù)據(jù)，所以業(yè)務部門經(jīng)常會說調(diào)取的數(shù)據(jù)和業(yè)務系統(tǒng)對不上。

IT部門與業(yè)務部門各自為戰(zhàn)的情況并不少見，楊揚建議IT部門向前邁一步，在項目前期與業(yè)務交流，根據(jù)不同業(yè)務部門對接不同數(shù)據(jù)口徑，業(yè)務部門再請IT人員做一些自定義的工具，業(yè)務部門要思考如何把這些數(shù)據(jù)應用到自己想要的場景里面去。他認為比較有效的破局之道是在IT和業(yè)務部門之間建立一個角色作為橋梁溝通協(xié)調(diào)，比如有的企業(yè)會設立首席數(shù)據(jù)官、數(shù)據(jù)運營官的職位，使各部門之間不再各自為戰(zhàn)，形成合力。

企業(yè)未來3～5年BI功能需求

“不管做BI還是什么，切記的是搞個大工程。所有部門一起上，那像這樣一種情況，其實成功率特別低，但是這個原因有很多種，不管是從業(yè)務的內(nèi)心排斥角度，還是從企業(yè)的數(shù)據(jù)準備角度，以及他企業(yè)對這個事情的一個思想準備角度，都沒有到位?！睏顡P強調(diào)，國內(nèi)BI有廣闊的前景，如果追求一步到位往往適得其反，結合企業(yè)自身情況選用合適的BI產(chǎn)品和服務，才能不斷向著數(shù)據(jù)驅(qū)動邁進。
責任編輯:pj