商業(yè)智能應(yīng)用白皮書5.0

帆軟數(shù)據(jù)應(yīng)用研究院出品商業(yè)智能應(yīng)用白皮書

5.0BUSINESSINTELLIGENCEAPPLICATIONWHITE

PAPER前言PREFACE在新質(zhì)生產(chǎn)力、數(shù)字經(jīng)濟(jì)、AI

技術(shù)等關(guān)鍵詞大熱的大背景下，數(shù)據(jù)作為數(shù)字經(jīng)濟(jì)時(shí)代的基礎(chǔ)性和戰(zhàn)略性資源，開始加速成為企業(yè)競爭的關(guān)鍵生產(chǎn)要素，加速讓數(shù)字化顛覆成為各行各業(yè)的“新常態(tài)”。各行業(yè)雖然數(shù)字化轉(zhuǎn)型進(jìn)程不一，但是大多不約而同地將企業(yè)層面的全面數(shù)據(jù)決策能力和數(shù)據(jù)價(jià)值洞察列為迎接變革和商業(yè)創(chuàng)新的決勝因素，并把商業(yè)智能作為其中重要的數(shù)據(jù)利器。BI

的發(fā)展已有二十余年，從開始的報(bào)表式BI

到自助分析式BI

到智能BI，均受到各行業(yè)的廣大企業(yè)的廣泛應(yīng)用，碩果累累。BI

產(chǎn)品的發(fā)展歷史有一條清晰的主線，即不斷地利用新技術(shù)降低數(shù)據(jù)分析門檻，讓更多的企業(yè)能夠從大數(shù)據(jù)中受益，真正把數(shù)據(jù)轉(zhuǎn)變成生產(chǎn)力去驅(qū)動(dòng)業(yè)務(wù)，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)積累。不同類

BI

各有優(yōu)劣，分別適用于不同的場景，不是絕對的相互替代的關(guān)系。企業(yè)除了需要根據(jù)自身信息化情況去選擇合適的

BI

工具類別，也要做好數(shù)倉建設(shè)；當(dāng)業(yè)務(wù)規(guī)模和復(fù)雜度不斷增加時(shí)，更需要關(guān)注數(shù)據(jù)治理、維護(hù)數(shù)據(jù)指標(biāo)體系等問題。帆軟數(shù)據(jù)應(yīng)用研究院基于最新的洞察，在《商業(yè)智能應(yīng)用白皮書

5.0》中闡述了以下核心內(nèi)容：01

解讀

BI

產(chǎn)品演變，BI

多形態(tài)共生理念究竟包括什么？強(qiáng)調(diào)數(shù)據(jù)全鏈路管理和建設(shè)，產(chǎn)品的價(jià)值主張是什么？對話企業(yè)內(nèi)部

BI

資深用戶，有哪些工具使用的感悟？探究智能

BI

更多是

AI

for

BI，如何定位方向及落地？解析案例如何用

BI

發(fā)揮數(shù)據(jù)價(jià)值，加速數(shù)據(jù)資產(chǎn)入表？分享浙高運(yùn)實(shí)踐經(jīng)驗(yàn)，企業(yè)數(shù)據(jù)資產(chǎn)入表該準(zhǔn)備什么？提出企業(yè)數(shù)據(jù)治理的優(yōu)解：如何用“拉式策略”做治理？指導(dǎo)企業(yè)如何建指標(biāo)體系、建底層，以及如何應(yīng)用指標(biāo)？傳遞帆軟如何用

BI

進(jìn)行數(shù)字化建設(shè)的心得，以財(cái)務(wù)為例？目錄CATALOGUE04

借力

BI：發(fā)揮數(shù)據(jù)要素價(jià)值，加速數(shù)據(jù)資產(chǎn)入表4805

企業(yè)精馭

BI

在于數(shù)：集成、治理、梳理71.1

解析數(shù)據(jù)資產(chǎn)入表：概念側(cè)闡釋數(shù)據(jù)資產(chǎn)的前身：數(shù)據(jù)到數(shù)據(jù)資源理解數(shù)據(jù)資產(chǎn)：數(shù)據(jù)三權(quán)和資產(chǎn)內(nèi)涵理解數(shù)據(jù)資產(chǎn)入表：計(jì)入報(bào)表相關(guān)科目解構(gòu)數(shù)據(jù)資產(chǎn)入表：企業(yè)側(cè)指南數(shù)據(jù)資產(chǎn)入表，企業(yè)該入什么數(shù)據(jù)資產(chǎn)入表，企業(yè)該準(zhǔn)備什么數(shù)據(jù)資產(chǎn)入表，企業(yè)會(huì)經(jīng)歷什么數(shù)據(jù)資產(chǎn)入表，企業(yè)會(huì)得到什么解讀數(shù)據(jù)資產(chǎn)入表：結(jié)合帆軟產(chǎn)品的實(shí)踐數(shù)據(jù)資產(chǎn)化的關(guān)鍵：預(yù)期帶來經(jīng)濟(jì)利益帆軟產(chǎn)品助力數(shù)據(jù)應(yīng)用和數(shù)據(jù)價(jià)值發(fā)揮實(shí)踐案例：基于帆軟產(chǎn)品實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化展望數(shù)據(jù)資產(chǎn)入表：未來趨勢4949495152525456586262626370737374757777788087879698.1

數(shù)據(jù)倉庫：為業(yè)務(wù)決策和經(jīng)營管理做支撐數(shù)據(jù)倉庫的重要性：數(shù)據(jù)底層建設(shè)的優(yōu)解數(shù)據(jù)倉庫的本質(zhì)：面向數(shù)據(jù)分析應(yīng)用數(shù)據(jù)倉庫的特點(diǎn)：集成、時(shí)效、持久數(shù)據(jù)治理：面向數(shù)據(jù)應(yīng)用提升數(shù)據(jù)準(zhǔn)確性帆軟理解的數(shù)據(jù)治理內(nèi)涵：是一套管理體系帆軟數(shù)據(jù)治理策略：拉式策略與推式策略適合多數(shù)企業(yè)的數(shù)據(jù)治理更優(yōu)解：拉式策略數(shù)據(jù)指標(biāo)：企業(yè)監(jiān)控與貫徹戰(zhàn)略的抓手如何建體系：自上而下

&

自下而上相結(jié)合如何建底層：貼源

-

明細(xì)

-

匯總

-

應(yīng)用如何用指標(biāo)：BI

分析為主，多層次應(yīng)用0702

BI

理念：讓企業(yè)用好數(shù)據(jù)、提升效率智能

BI：產(chǎn)品落地更多是

AI

FOR

BI033

.1

定義：AI

和

BI

的融合更多是

AI

for

BIWhat：如何理解

AI

和

BI

的融合Why：為何融合更多是

AI

for

BIWhen：何時(shí)邁入

AI

for

BI

時(shí)代How：目前如何發(fā)展

AIfor

BI

產(chǎn)品3.2

帆軟的產(chǎn)品落地：AI

和

BI

的融合帆軟近年來對智能

BI

的探索和思考

產(chǎn)品落地：定位是對話式業(yè)務(wù)分析工具回溯

BI：主線是多形態(tài)共生的演變011

.1

BI

定義：提供數(shù)據(jù)依據(jù)和決策支持1.2

BI

產(chǎn)品演變：多形態(tài)分析共生353535363740404101340204.1

BI

核心價(jià)值：助力企業(yè)提升效率BI

如何幫助企業(yè)提效：實(shí)現(xiàn)數(shù)據(jù)化決策FineBI

產(chǎn)品特點(diǎn)：多維度夯實(shí)

BI

價(jià)值FineBI

的產(chǎn)品功能：分解成八個(gè)維度FineBI

的優(yōu)勢：強(qiáng)大的性能與分析能力FineBI

的發(fā)展方向：萬變不離其宗FineBI

Platform：多形態(tài)融合的分析平臺(tái)走進(jìn)

BI

資深用戶：所用與所悟0810111115161727回溯

BI：主線是多形態(tài)共生的演變TRACINGBACKTO

BI:THEMAINTHREADISTHEEVOLUTIONOFMULTIFORM

SYMBIOSIS06

帆軟數(shù)字化建設(shè)之道：BI

筑基，業(yè)務(wù)引領(lǐng)106107107108110113113129129133.1

帆軟視角：數(shù)字化建設(shè)的三大階段數(shù)字化：始于跟隨、加速協(xié)同、奔向引領(lǐng)帆軟數(shù)字化建設(shè)：三大階段實(shí)踐進(jìn)程帆軟信息化部門的定位：保障效率提升帆軟實(shí)踐：數(shù)字化建設(shè)中的業(yè)務(wù)層部分業(yè)務(wù)引領(lǐng)階段，金字塔建設(shè)邏輯帆軟實(shí)踐：財(cái)務(wù)領(lǐng)域的

BI

應(yīng)用創(chuàng)新帆軟的財(cái)務(wù)數(shù)字化轉(zhuǎn)型歷程：從

Excel

到

BI帆軟財(cái)務(wù)實(shí)踐：基于

FineBI

的費(fèi)用專項(xiàng)分析02 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

03BI

定義：提供數(shù)據(jù)依據(jù)和決策支持1.1早在

1958

年，IBM

的研究員

HansPeter

Luhn

便將

“智能”

定義為

“對事物相互關(guān)系的一種理解能力，并依靠這種能力去指導(dǎo)決策，以達(dá)到預(yù)期的目標(biāo)?！?/p>

這期間出現(xiàn)的領(lǐng)導(dǎo)信息系統(tǒng)（EIS，Executive

Information

System）和決策支持系統(tǒng)（DSS,

Decision

Support

System）等技術(shù)應(yīng)用，可以看作是

BI

的前身。BI

并不是全新的事物，而是對一些現(xiàn)代技術(shù)的綜合運(yùn)用。BI

為企業(yè)提供迅速分析數(shù)據(jù)的技術(shù)和方法

,

包括收集、管理和分析數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息，并分發(fā)到企業(yè)各處，讓企業(yè)的決策有數(shù)可依，減少?zèng)Q策的盲目性，理性地驅(qū)動(dòng)企業(yè)管理和運(yùn)營。按照圖

1-1

中的

DIKW

模型，數(shù)據(jù)轉(zhuǎn)化為信息，升級(jí)為知識(shí)，升華成智慧的過程，便是數(shù)據(jù)價(jià)值的展現(xiàn)過程，其中要用到的種種技術(shù)和工具，就是

BI。BI

即

Business

Intelligence，

中文譯為商業(yè)智能、商業(yè)智慧或商務(wù)智能。最新定義BI

是在打通企業(yè)數(shù)據(jù)孤島，實(shí)現(xiàn)數(shù)據(jù)集成和統(tǒng)一管理的基礎(chǔ)上，利用數(shù)據(jù)倉庫、數(shù)據(jù)可視化與分析技術(shù)，將指定的數(shù)據(jù)轉(zhuǎn)化為信息和知識(shí)的解決方案，其價(jià)值體現(xiàn)在滿足企業(yè)不同人群對數(shù)據(jù)查詢、分析和探索的需求，從而為管理和業(yè)務(wù)提供數(shù)據(jù)依據(jù)和決策支持。早前，帆軟數(shù)據(jù)應(yīng)用研究院對

1000

多名

BI

從業(yè)人員進(jìn)行了調(diào)研，結(jié)果顯示，我國企業(yè)從業(yè)人員對

BI

的理解集中于數(shù)據(jù)的分析和展示，甚至被等同于數(shù)據(jù)分析與數(shù)據(jù)可視化。后續(xù)，帆軟數(shù)據(jù)應(yīng)用研究院聯(lián)合知名媒體機(jī)構(gòu)對眾多企業(yè)

CIO進(jìn)行了多次訪談?wù){(diào)研。分析各次調(diào)研結(jié)果及變化，我們得出了以下主要結(jié)論：在

2020

年

9

月發(fā)布的《商業(yè)智能（BI）白皮書

2.0》中，帆軟數(shù)據(jù)應(yīng)用研究院在文獻(xiàn)研究和企業(yè)調(diào)研的基礎(chǔ)上，結(jié)合我國的市場環(huán)境，對

BI

做出了新的定義。在本白皮書中，基于前文的描述和分析，我們繼續(xù)沿用

BI

的這一最新定義：主要結(jié)論企業(yè)對于

BI

有著明確的訴求路徑，即整合數(shù)據(jù)解放

IT

(

體現(xiàn)在數(shù)據(jù)的接入、集成和管理上），通過分析和可視化手段輔助企業(yè)管理和業(yè)務(wù)決策，最終實(shí)現(xiàn)企業(yè)的降本增效和各項(xiàng)業(yè)務(wù)能力的優(yōu)化提升。BI

已經(jīng)被大眾所熟知，絕大多數(shù)企業(yè)都知道

BI

甚至?xí)P(guān)注

BI，不少企業(yè)已經(jīng)應(yīng)用

BI；企業(yè)界對

BI

仍然有著眾多不同的理解，但將

BI

解釋為一整套解決方案的企業(yè)占比逐年增多，企業(yè)對

BI的認(rèn)知開始趨于統(tǒng)一；數(shù)據(jù)信息知識(shí)智慧數(shù)據(jù)轉(zhuǎn)化為智慧圖：數(shù)據(jù)的價(jià)值展現(xiàn)04 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

05BI

產(chǎn)品演變：多形態(tài)分析共生1.21996

年，Gartner

集團(tuán)正式將商業(yè)智能定義為：一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的的技術(shù)及其應(yīng)用。從概念誕生到現(xiàn)在的幾十年間，BI

的價(jià)值和使命并未發(fā)生根本的變化，依然是將數(shù)據(jù)轉(zhuǎn)化為有用的信息，讓企業(yè)的決策有數(shù)可依，變化的只是

BI

所使用的技術(shù)，而

BI

的發(fā)展也就是體現(xiàn)在技術(shù)上。目前，BI

的核心技術(shù)主要包括數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)

ETL、數(shù)據(jù)分析、數(shù)據(jù)挖掘，以及數(shù)據(jù)可視化分析。隨著數(shù)據(jù)量的激增和應(yīng)用場景的復(fù)雜化，BI

在技術(shù)上也有所補(bǔ)充，例如

Hadoop

和

Hive

等大數(shù)據(jù)技術(shù)的出現(xiàn)就很好的彌補(bǔ)了

BI

處理大數(shù)據(jù)的能力?；厮?/p>

BI

產(chǎn)品的發(fā)展歷史，會(huì)發(fā)現(xiàn)有一條清晰的主線，就是不斷的利用新技術(shù)降低數(shù)據(jù)分析門檻，從而讓更多的人能夠從大數(shù)據(jù)中受益，真正把數(shù)據(jù)轉(zhuǎn)變成生產(chǎn)力去驅(qū)動(dòng)業(yè)務(wù)。圖：BI

產(chǎn)品的演變BI，即

Business

Intelligence，中文稱為商業(yè)智能或商業(yè)智慧。2013

年以前：2013

年以后：BI

起源于

20

世紀(jì)

80

年代，主要技術(shù)包括SQL（結(jié)構(gòu)化查詢語言）、OLAP（聯(lián)機(jī)分析處理）和數(shù)據(jù)可視化。這些技術(shù)雖然提供了強(qiáng)大的數(shù)據(jù)分析能力，但對用戶的技術(shù)要求極高。用戶需要具備

SQL

編寫、數(shù)據(jù)建模和深厚的業(yè)務(wù)理解能力，因此，這類

BI

產(chǎn)品的用戶主要是

IT/DT

人員，用戶滲透率比例不到

1%。在這一階段，BI

的使用門檻非常高。用戶不僅需要掌握復(fù)雜的技術(shù)，還必須具備數(shù)據(jù)思維和業(yè)務(wù)理解能力。這意味著，只有那些既懂技術(shù)又懂業(yè)務(wù)的用戶才能真正發(fā)揮

BI

的價(jià)值。比如，一名優(yōu)秀的

BI

用戶需要像DBA（數(shù)據(jù)庫管理員）一樣精通

SQL，同時(shí)也需要像

MBA

一樣具備深入的業(yè)務(wù)理解能力。這使得

BI

的普及非常困難，主要集中在少數(shù)專業(yè)技術(shù)人員手中。VizQL

技術(shù)的出現(xiàn)，消除了用戶寫

SQL

的能力要求，從而讓一部分懂

OLAP

數(shù)據(jù)建模，同時(shí)具備一定的數(shù)據(jù)思維和業(yè)務(wù)理解能力的分析師和業(yè)務(wù)部門的數(shù)據(jù)

BP

能夠用自助式

BI

產(chǎn)品做自助分析，用戶滲透率大幅提升到

10%

左右。報(bào)表式

BI：用戶要具備

SQL

編寫、OLAP

建模等技術(shù)能力，用戶滲透率不到

1%。自助式

BI（即敏捷

BI）：不要求

SQL

編寫等技術(shù)能力，但對數(shù)據(jù)分析能力要求高，用戶滲透率

10%。增強(qiáng)式

BI：進(jìn)一步降低了技術(shù)門檻，但仍要求用戶具備一定的數(shù)據(jù)思維。互聯(lián)網(wǎng)的發(fā)展讓原本停留在學(xué)術(shù)界的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等

AI

技術(shù)在工業(yè)界得到了廣泛應(yīng)用和快速發(fā)展。大家開始嘗試用這些技術(shù)去進(jìn)一步降低

BI

產(chǎn)品的使用門檻，核心理念是用

AI

技術(shù)去增強(qiáng)

BI

產(chǎn)品的能力。當(dāng)時(shí)的

AI

技術(shù)一定程度上確實(shí)降低了用戶的使用門檻，也催生了早期的檢索式

/

對話式

BI

產(chǎn)品。但用戶的滲透率并沒有得到大幅提升，從

10%

上升至

15%。其中很大一個(gè)阻塞就是用戶依然需要具備一定的數(shù)據(jù)思維才能使用增強(qiáng)

BI

產(chǎn)品，這對很多業(yè)務(wù)人員來說是一個(gè)巨大的門檻。06 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

07以大語言模型（Large

Language

Model，LLM）為代表的生成式

AI

技術(shù)，為進(jìn)一步消除數(shù)據(jù)思維這一項(xiàng)能力要求帶來了新的機(jī)會(huì)。在預(yù)訓(xùn)練的過程中，LLM

內(nèi)嵌了數(shù)據(jù)分析的知識(shí)，還可以通過

SFT

讓

LLM

具備專業(yè)領(lǐng)域的數(shù)據(jù)分析知識(shí)。產(chǎn)品集成這些具備數(shù)據(jù)分析知識(shí)的

LLM

以后，用戶只要具備一定的業(yè)務(wù)理解，就能從數(shù)據(jù)中得到他所關(guān)注的業(yè)務(wù)問題的答案。智能

BI：破除數(shù)據(jù)思維這個(gè)用戶門檻，用戶滲透率逼近

100%。BI

產(chǎn)品終極目標(biāo)是“讓人人都是數(shù)據(jù)分析師”，奔著這個(gè)目標(biāo)

BI

產(chǎn)品持續(xù)演進(jìn)，會(huì)發(fā)展出不同的產(chǎn)品形態(tài)，以滿足不同場景的數(shù)據(jù)需求。需要強(qiáng)調(diào)的是，這幾類

BI

各有優(yōu)劣，分別適用于不同的場景，不是絕對的相互替代的關(guān)系。尤其是報(bào)表、自助式

BI

和智能

BI。這三類

BI

將長期共存，供企業(yè)按需選擇，直到信息化基礎(chǔ)條件發(fā)生根本改變，建議企業(yè)根據(jù)自身數(shù)據(jù)應(yīng)用成熟度來判斷哪一類

BI

更適合自己，或者是否需要結(jié)合使用。以雙模

IT

下的帆軟

BI

體系為例：報(bào)表式

BI

滿足企業(yè)管理層固定看數(shù)的需求；自助式

BI

滿足業(yè)務(wù)分析師自助分析的需求；智能

BI

滿足普通業(yè)務(wù)人員的即時(shí)查數(shù)與分析需求。圖：雙模

IT

下的帆軟

BI

體系BI

理念：讓企業(yè)用好數(shù)據(jù)、提升效率BI

CONCEPT:ENABLEENTERPRISESTOMAKEGOODUSEOFDATAANDIMPROVE

EFFICIENCY傳統(tǒng)

IT記錄型信息系統(tǒng)穩(wěn)定

/

可預(yù)測計(jì)劃驅(qū)動(dòng)善于應(yīng)對復(fù)雜場景數(shù)字化

IT差異化創(chuàng)新系統(tǒng)敏捷

/

探索性探索性驅(qū)動(dòng)善于應(yīng)對不確定場景雙模IT定時(shí)調(diào)度 打印輸出

管理駕駛艙典型功能復(fù)雜報(bào)表 參數(shù)查詢 數(shù)據(jù)填報(bào)Spider OLAP大數(shù)據(jù)引擎 數(shù)據(jù)集故事儀表板固定式數(shù)據(jù)展現(xiàn)產(chǎn)品FineReport定位以

IT

為中心的預(yù)定義報(bào)表平臺(tái)；主要面向

IT

部門，為企業(yè)日常管理提供固定式的報(bào)表展示典型用戶具備基礎(chǔ)

SQL

知識(shí)的

IT

人員自主探索式數(shù)據(jù)分析產(chǎn)品FineBI定位以業(yè)務(wù)為中心的自助大數(shù)據(jù)分析平臺(tái)；主要面向業(yè)務(wù)和數(shù)據(jù)分析師，以問題為導(dǎo)向的探索分析；也支持報(bào)表制作典型用戶具備業(yè)務(wù)邏輯和數(shù)據(jù)素養(yǎng)的業(yè)務(wù)人員或數(shù)據(jù)分析師典型功能業(yè)務(wù)數(shù)據(jù)包

自助數(shù)據(jù)集

智能圖表典型功能輸入聯(lián)想思路拆解多輪問答一鍵生成儀表板意圖解析

分析報(bào)告智能問答式數(shù)據(jù)分析產(chǎn)品Finechat

BI定位以業(yè)務(wù)為中心的問答式大數(shù)據(jù)分析平臺(tái)，主要面向普通業(yè)務(wù)人員的即時(shí)查數(shù)與分析需求典型用戶具備一定業(yè)務(wù)理解的普通業(yè)務(wù)人員08 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

09BI核心價(jià)值：助力企業(yè)提升效率2.1讓數(shù)據(jù)成為生產(chǎn)力，既是一個(gè)可以宣傳的口號(hào)，同時(shí)也是指導(dǎo)著產(chǎn)品發(fā)展的方向?！涇浖a(chǎn)品研發(fā)團(tuán)隊(duì)數(shù)據(jù)，為何能夠提高企業(yè)的效率？用數(shù)據(jù)決策，就一定做出正確的決策嗎？企業(yè)內(nèi)有多少?zèng)Q策？回答這個(gè)問題，我們先看企業(yè)的成本在哪里，有的企業(yè)在意人力，有的企業(yè)在意原料，有的企業(yè)在意時(shí)間。人力、原料和時(shí)間都是成本，都不能輕易浪費(fèi)。可哪里有真空的環(huán)境呢，浪費(fèi)一些總是難免，對于所有企業(yè)而言優(yōu)先要考慮的就是巨大的浪費(fèi)。巨大的浪費(fèi)是怎樣產(chǎn)生的？有一句俗話叫做“兵熊熊一個(gè)，將熊熊一窩”，其本質(zhì)邏輯是在講錯(cuò)誤的決策永遠(yuǎn)是最大成本的浪費(fèi)，因?yàn)閷④姴恢皇谴蛘谈悄莻€(gè)做決策的人。一個(gè)錯(cuò)誤的決策，會(huì)帶來人力、原料以及時(shí)間上巨大的浪費(fèi)。為何企業(yè)重視人才，因?yàn)槿瞬趴梢曰谒闹R(shí)和智慧來提高決策效率。所以，數(shù)據(jù)為何能夠提高企業(yè)的效率？因?yàn)閿?shù)據(jù)可以提高決策效率，可以減少錯(cuò)誤的決策，避免巨大的浪費(fèi)。智者千慮也必有一失，數(shù)據(jù)決策不是萬能的，但它的出現(xiàn)必然可以提升正確決策的比例。所有的決策都是綜合各種信息而后做出的判斷，孫子兵法中講到：“夫未戰(zhàn)而廟算勝者,得算多也；未戰(zhàn)而廟算不勝者,得算少也。多算勝,少算不勝,而況于無算乎?！眰鹘y(tǒng)的中國智慧早已將這一邏輯講的透徹了，缺少信息的支撐難以做出正確的決策。數(shù)據(jù)可能不是決策所需要的全部信息，但數(shù)據(jù)必然可以提供大量的關(guān)鍵信息，有和沒有數(shù)據(jù)對于決策而言有著巨大的差距，越是復(fù)雜的形勢下越需要數(shù)據(jù)來支撐決策。復(fù)雜的經(jīng)營環(huán)境下，企業(yè)內(nèi)的決策絕不僅是高層的特權(quán)，企業(yè)內(nèi)上上下下每天都做著無數(shù)的決策。對于一個(gè)零售企業(yè)而言，采購部門要考慮哪個(gè)商品要補(bǔ)貨、該進(jìn)多少貨；營銷部門要考慮哪個(gè)商品要促銷、該怎樣促銷；人事部門要考慮哪個(gè)部門存在人力缺口、怎樣選擇合適的人才。除非機(jī)械化作業(yè)，其他每一個(gè)要發(fā)揮個(gè)人主觀能動(dòng)性的崗位都要自主地做各種各樣的決策來工作。差異在于有的決策簡單，有的決策復(fù)雜，有的決策影響較小，有的決策影響很大?？芍灰菦Q策就可能會(huì)出錯(cuò)，每一個(gè)錯(cuò)誤背后都存在著成本的浪費(fèi)。所以，企業(yè)內(nèi)有多少?zèng)Q策？這是數(shù)不清的，這些決策也是變化的。讓所有的決策都是正確的，減少從大到小的每一個(gè)損失，這是每一個(gè)企業(yè)的理想，如何做到？靠著每一個(gè)人的能力嗎？這不現(xiàn)實(shí)，但我們讓每一個(gè)決策背后都有數(shù)據(jù)，就可以讓這一理想成為現(xiàn)實(shí)。到這里，我們再看標(biāo)題上的問題，BI

的核心價(jià)值是什么？答案呼之欲出

:BI

幫助企業(yè)更多地使用數(shù)據(jù)來決策，從而提高企業(yè)的效率總設(shè)計(jì)師說過：科學(xué)技術(shù)是第一生產(chǎn)力。恩格斯的觀點(diǎn)：生產(chǎn)力是具有勞動(dòng)能力的人和生產(chǎn)資料結(jié)合而成的改造自然的能力。我們通俗地講，生產(chǎn)力就是單位時(shí)間內(nèi)可以產(chǎn)出生產(chǎn)成果的量，也就是各企業(yè)關(guān)注的核心——效率。企業(yè)之所以存在，是因?yàn)樗鼘⒍鄠€(gè)個(gè)體組織起來，通過優(yōu)化生產(chǎn)關(guān)系從而實(shí)現(xiàn)比個(gè)體獨(dú)立生產(chǎn)更高的生產(chǎn)效率。效率是企業(yè)存在的根本，低于平均效率的企業(yè)和組織必然是會(huì)解體的，企業(yè)之間的競爭本質(zhì)也就是效率的競爭。因此，企業(yè)需要想盡一切辦法來提高效率，企業(yè)引進(jìn)優(yōu)秀的人才，是要提高企業(yè)的效率；企業(yè)引進(jìn)先進(jìn)的設(shè)備，也是要提高企業(yè)的效率；企業(yè)進(jìn)行組織變更，同樣是為了提高企業(yè)的效率。同理，我們所說讓數(shù)據(jù)成為生產(chǎn)力，也就是讓企業(yè)通過數(shù)據(jù)來提高企業(yè)的效率。10 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

11BI

如何幫助企業(yè)提效：實(shí)現(xiàn)數(shù)據(jù)化決策2.2讓數(shù)據(jù)規(guī)范起來：很多企業(yè)的數(shù)據(jù)是混亂的，甚至夾雜著大量的錯(cuò)誤的、無效的數(shù)據(jù)，這樣的數(shù)據(jù)是沒有辦法用于決策的。讓數(shù)據(jù)可以看到：明細(xì)數(shù)據(jù)無法被閱讀和理解，而將數(shù)據(jù)按照對應(yīng)的維度和指標(biāo)來展示就有了它的意義，如果匹配上合適的圖表，數(shù)據(jù)將具備更好的可讀性，也能夠表達(dá)出更豐富的業(yè)務(wù)意義。圖表與數(shù)據(jù)的結(jié)合是一項(xiàng)專門的科學(xué)，其內(nèi)容十分豐富，對于企業(yè)的數(shù)據(jù)分析用戶來說是一個(gè)非常值得深入研究的領(lǐng)域。讓數(shù)據(jù)可以被編輯：既然數(shù)據(jù)已經(jīng)是規(guī)范的、可用的，還需要對它再編輯嗎？所謂：“道生一，一生二，二生三，三生萬物”。數(shù)據(jù)是死的，但業(yè)務(wù)卻是活的，面對復(fù)雜的經(jīng)營環(huán)境，業(yè)務(wù)則不僅是活的，更是靈活的，半部論語治天下的時(shí)代已經(jīng)過去了。所以數(shù)據(jù)需要能夠被編輯，能夠基于固定的原始數(shù)據(jù)衍生出無限的可能，應(yīng)對任何復(fù)雜的業(yè)務(wù)需要。下文中將以帆軟

FineBI

產(chǎn)品為例，具體剖析

FineBI

如何幫助企業(yè)解決上述四個(gè)問題。數(shù)據(jù)就在那里，可是要拿來用于決策，中間還有幾個(gè)問題需要解決。足夠簡單和高效：如果說前三個(gè)需要是在“畫龍”，這一條則是“點(diǎn)睛”。前文已經(jīng)介紹，現(xiàn)如今企業(yè)內(nèi)需要的決策不是有限的一兩個(gè)，而是每天都有大量的決策。另一方面企業(yè)不是面對固定的問題來決策，業(yè)務(wù)問題是靈活多變的。如此環(huán)境，非簡單高效之工具不能解決問題。簡單和高效不僅僅是對于企業(yè)的宏觀層面，同時(shí)也是對于用戶每一個(gè)分析過程體驗(yàn)的微觀層面。BI

就是要解決以上四個(gè)問題，從而能夠讓企業(yè)實(shí)現(xiàn)數(shù)據(jù)決策，提升企業(yè)的效率。這是BI的邏輯，但這也還只是BI的基礎(chǔ)能力。企業(yè)可以用BI解決1個(gè)問題，也可以解決1w個(gè)問題，可以解決1個(gè)人的問題，也可以解決1w個(gè)人的問題，雖然都是在使用BI解決企業(yè)的問題，但給企業(yè)帶來的價(jià)值卻有著天壤之別。企業(yè)使用BI能夠給企業(yè)帶來多大的價(jià)值，能夠給企業(yè)提高多少的效率，這不僅是企業(yè)自身管理水平的問題，也是BI工具水平的問題。好的BI工具要有最低的推廣門檻，也要有最低的使用成本，這可以降低企業(yè)推廣的難度，降低用戶分析的難度，讓企業(yè)以極低的成本實(shí)現(xiàn)數(shù)據(jù)化決策，這才能讓大多數(shù)企業(yè)獲得成功。FineBI

產(chǎn)品特點(diǎn)：多維度夯實(shí)

BI

價(jià)值2.3FineBI

的產(chǎn)品功能：分解成八個(gè)維度BI要幫助企業(yè)實(shí)現(xiàn)基于數(shù)據(jù)進(jìn)行決策，中間有一些問題必須要解決，這決定了BI產(chǎn)品的基礎(chǔ)形態(tài)。在此之外，BI不能僅僅滿足于只解決一兩個(gè)問題，我們知道企業(yè)內(nèi)有很多決策要做，其中只有一兩個(gè)決策基于數(shù)據(jù)和全面實(shí)現(xiàn)數(shù)據(jù)化決策是兩種概念。BI的使命是要讓企業(yè)實(shí)現(xiàn)全面的數(shù)據(jù)化決策，是要給企業(yè)創(chuàng)造最大的價(jià)值，那這就決定了BI產(chǎn)品的發(fā)展方向勢必要解決上述企業(yè)面臨的4個(gè)問題：BI產(chǎn)品會(huì)有很多的功能，但并不是散亂隨意的，我將BI的產(chǎn)品功能劃分為了8個(gè)維度，而這8個(gè)維度與上文的四個(gè)方向形成了一定的對應(yīng)關(guān)系，具體如下：讓數(shù)據(jù)規(guī)范起來讓數(shù)據(jù)可以被編輯讓數(shù)據(jù)可以看到足夠簡單和高效圖：BI

產(chǎn)品功能的

8

個(gè)維度12 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

130102當(dāng)然，以上的邏輯圖只是一個(gè)簡單的呈現(xiàn)，產(chǎn)品的幾個(gè)維度彼此之間并不完全獨(dú)立。例如產(chǎn)品數(shù)據(jù)分析能力的提升不僅僅可以幫助企業(yè)里的更多數(shù)據(jù)被看到，也可以幫助讓更多的數(shù)據(jù)可以被編輯。8個(gè)維度具體的解釋及相應(yīng)的FineBI功能設(shè)計(jì)如下：完整的數(shù)據(jù)規(guī)范管理是什么：用戶能夠分析好數(shù)據(jù)的基礎(chǔ)是有一份高質(zhì)量的數(shù)據(jù)可以使用。規(guī)范數(shù)據(jù)卻一直是企業(yè)數(shù)據(jù)建設(shè)的難題，企業(yè)數(shù)據(jù)量大且龐雜，數(shù)據(jù)的一致性、準(zhǔn)確性、完整性等面臨著巨大的挑戰(zhàn)。因此產(chǎn)生了很多方法和工具來幫助企業(yè)規(guī)范數(shù)據(jù)，比如數(shù)倉建設(shè)方法Inmon和Kimball模型、比如后期衍生的數(shù)據(jù)中臺(tái)建設(shè)方法論等等。BI應(yīng)用越深的領(lǐng)域，所產(chǎn)生的分析需求也越多，數(shù)據(jù)質(zhì)量的要求也越高，因此BI工具是否具有規(guī)范數(shù)據(jù)的能力就越重要。穩(wěn)定安全可靠的系統(tǒng)是什么：這是所有ToB產(chǎn)品的基礎(chǔ)要求。所有用戶都會(huì)有產(chǎn)品確定性和安全性的要求，一個(gè)穩(wěn)定的系統(tǒng)才是可控的，才能夠讓用戶放心地使用。高0效3的性能是什么：第一，用戶查看、分析數(shù)據(jù)時(shí)，產(chǎn)品要有快速的反應(yīng)，這是效率的體現(xiàn)；第二，面對龐大數(shù)據(jù)量時(shí)，產(chǎn)品依然有高效率的表現(xiàn)。這些就是對產(chǎn)品高性能的要求。FineBI

做了什么：FineBI提供了豐富的數(shù)據(jù)管理方法，尤其在今年我們將進(jìn)一步完善數(shù)據(jù)建設(shè)能力，包括模型建設(shè)和管理、指標(biāo)管理、維度關(guān)聯(lián)、全局血緣分析等等。基于以上能力我們將提供完整的數(shù)據(jù)規(guī)范管理解決方案，幫助客戶建設(shè)規(guī)范的數(shù)據(jù)平臺(tái)，支撐數(shù)據(jù)的分析和展示。FineBI

做了什么：FineBI為了系統(tǒng)的穩(wěn)定安全可靠做了大量的工作，比如我們做的集群架構(gòu)、存算分離架構(gòu)、服務(wù)拆分以及運(yùn)維平臺(tái)等等都圍繞著這一目標(biāo)。04FineBI

做了什么：縱觀國內(nèi)所有的BI廠商，F(xiàn)ineBI應(yīng)該是在這一維度投入最大的。我們研發(fā)了自己的引擎，并且我們的引擎經(jīng)過了幾個(gè)版本的迭代，可以在億級(jí)別的數(shù)據(jù)量上有著非常優(yōu)秀的性能體驗(yàn)。此外，我們自研的引擎相比通用引擎有著一個(gè)巨大的優(yōu)勢，那就是可以和數(shù)據(jù)分析的場景進(jìn)行很好的結(jié)合。FineBI能夠識(shí)別出最重要的一些場景，智能地調(diào)節(jié)計(jì)算資源，正如蘋果軟硬件結(jié)合的設(shè)計(jì)能夠給到用戶最佳的體驗(yàn)一樣，引擎和產(chǎn)品的深度結(jié)合也會(huì)給企業(yè)給用戶帶來最佳的體驗(yàn)，這種體驗(yàn)是其他和通用引擎結(jié)合的BI所無法提供的。完善的系統(tǒng)管理是什么：核心是系統(tǒng)的用戶管理和資源管理，具體包括用戶管理、權(quán)限管理、安全管理、任務(wù)管理等等。我們要讓更多用戶使用產(chǎn)品，但用戶越多，系統(tǒng)所產(chǎn)生的所占用的資源也就越多，系統(tǒng)管理就是去實(shí)現(xiàn)系統(tǒng)整體不隨著用戶使用的增多而變得更復(fù)雜或是更混亂這一目標(biāo)，從而保證每一個(gè)用戶都能用得舒服。強(qiáng)0大5的數(shù)據(jù)分析能力是什么：一份數(shù)據(jù)能挖掘出多大的價(jià)值，就非常依賴產(chǎn)品的分析能力。一份數(shù)據(jù)，只能原封不動(dòng)的將其展示出來，這就是沒有分析能力，只有展示能力；一份數(shù)據(jù)，能夠加工成任何用戶所需要的數(shù)據(jù)或子表，這就是產(chǎn)品強(qiáng)大分析能力的體現(xiàn)。強(qiáng)大的分析能力能夠讓用戶看的更深、看的更遠(yuǎn)，這也是數(shù)據(jù)決策的核心體現(xiàn)。FineBI

做了什么：FineBI在基礎(chǔ)的系統(tǒng)管理能力上是十分完善的，例如內(nèi)置的用戶和數(shù)據(jù)權(quán)限體系能夠滿足集團(tuán)級(jí)管理需求。同時(shí)FineBI的運(yùn)維平臺(tái)能夠?qū)崿F(xiàn)對系統(tǒng)資源的管理監(jiān)控，包括負(fù)載、網(wǎng)絡(luò)、內(nèi)存等等情況。FineBI

做了什么：FineBI打造了數(shù)據(jù)分析“三大件”的分析能力體系，數(shù)據(jù)編輯+主題模型+分析函數(shù)的結(jié)合能夠讓用戶獲得任何他需要的數(shù)據(jù)結(jié)果，能夠解決任何復(fù)雜的數(shù)據(jù)需求，可以說我們基于數(shù)據(jù)分析“三大件”從而具備了最完整和強(qiáng)大的分析能力體系。14 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

150708豐0富6美觀的可視化展示是什么：簡單說就是將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像并允許用戶進(jìn)行交互處理。對于一些業(yè)務(wù)場景而言，餅圖就是最直觀的展示方式，而有些業(yè)務(wù)場景只有通過散點(diǎn)圖才能發(fā)現(xiàn)其中的問題，豐富的可視化展示能力可以顯著提升用戶數(shù)據(jù)解讀的效率。更多的數(shù)據(jù)應(yīng)用場景是什么：數(shù)據(jù)能用來做什么？分析數(shù)據(jù)，對數(shù)據(jù)進(jìn)行可視化，這是BI的基礎(chǔ)能力，在這些基礎(chǔ)能力上可以衍生出更多具體的數(shù)據(jù)應(yīng)用場景，例如數(shù)據(jù)的預(yù)測、數(shù)據(jù)的問答、數(shù)據(jù)的解讀等等。這一維度上目前大多數(shù)BI產(chǎn)品處于同一水平。易學(xué)易用的產(chǎn)品是什么：基于數(shù)據(jù)決策是要提升企業(yè)效率的，但用戶完成某個(gè)分析卻要很高的成本是不行的。只有低成本的分析，才能讓用戶愿意持續(xù)使用，所以產(chǎn)品的易用性易學(xué)性，不僅僅是提高用戶自身分析效率這么簡單，它也是企業(yè)數(shù)據(jù)化決策推廣的重要條件。FineBI

做了什么：我們提供以規(guī)則為基礎(chǔ)的圖形展示能力，相比于圖表類型的窮舉方案，基于規(guī)則配置，通過不同規(guī)則的組合可以實(shí)現(xiàn)極為豐富的展示圖表。FineBI

做了什么：FineBI目前已經(jīng)更新了數(shù)據(jù)問答、數(shù)據(jù)解釋兩種應(yīng)用場景，此外我們在數(shù)據(jù)協(xié)作分析場景上有完善的功能提供。FineBI

做了什么：結(jié)構(gòu)上，在FineBI6.0之后，我們優(yōu)化了我們的分析路徑，讓用戶實(shí)現(xiàn)在一個(gè)主題內(nèi)沉浸式地進(jìn)行完整的數(shù)據(jù)分析，從而具備更高的分析效率。具體設(shè)計(jì)上，我們每一個(gè)設(shè)計(jì)都特別關(guān)注到產(chǎn)品功能上的易用性，例如在數(shù)據(jù)編輯里的每個(gè)功能設(shè)計(jì)，都能夠讓毫無數(shù)據(jù)分析基礎(chǔ)的用戶完成非常復(fù)雜的分析。我們也會(huì)不斷回顧產(chǎn)品的歷史設(shè)計(jì)，對不易用的功能進(jìn)行不斷的重構(gòu)和迭代，例如近期FineBI過濾層級(jí)方面的重構(gòu)。FineBI

的優(yōu)勢：強(qiáng)大的性能與分析能力BI產(chǎn)品的基本形態(tài)是相似的，例如系統(tǒng)管理能力、一定的數(shù)據(jù)分析能力、可視化能力等這些基礎(chǔ)能力是所有產(chǎn)品都具備的，在這些基礎(chǔ)能力之外不同產(chǎn)品之間也有一定功能上的差異。整體上而言，F(xiàn)ineBI相比起其他的產(chǎn)品，更加重視產(chǎn)品自身內(nèi)功的建設(shè)，無論是底層的引擎建設(shè)還是產(chǎn)品分析能力的開發(fā)都需要巨大的投入，然而這兩個(gè)維度的投入并不如可視化模塊的投入那樣可以快速地體現(xiàn)。但是我們清楚地知道這是企業(yè)需要的核心能力，隨著企業(yè)面對的分析問題的多樣化和復(fù)雜化，隨著企業(yè)使用BI功能的深入，產(chǎn)品的引擎和分析能力的價(jià)值就會(huì)愈發(fā)凸顯出來。當(dāng)然，這些優(yōu)勢只是某一時(shí)刻的狀態(tài)，F(xiàn)ineBI還在繼續(xù)發(fā)展。如前文所述，我們在數(shù)據(jù)規(guī)范建設(shè)、系統(tǒng)的穩(wěn)定性等等各個(gè)維度都有著巨大的投入，未來一段時(shí)間內(nèi)這些維度上的產(chǎn)品功能都將會(huì)有巨大的提升?？偟膩碚f，F(xiàn)ineBI

在兩個(gè)功能維度上具有最大的優(yōu)勢：高效的性能：正如前文所述，帆軟長期堅(jiān)持自研分析引擎，并且進(jìn)行了多個(gè)版本的迭代。因此FineBI的引擎不僅僅可以支撐超大數(shù)據(jù)量的高性能分析，并且能夠智能匹配BI的分析場景，使得我們的產(chǎn)品具備了最佳的分析體驗(yàn)。最明顯的體現(xiàn)是我們的引擎能夠?qū)崿F(xiàn)分析過程的高性能體驗(yàn)，而市面上其他大部分的引擎都只能支撐對一個(gè)固定的結(jié)果進(jìn)行計(jì)算。市面上其他的BI產(chǎn)品面對分析過程只能選擇局部數(shù)據(jù)計(jì)算，或者放棄分析過程中實(shí)時(shí)結(jié)果的反饋，這樣會(huì)增加用戶分析過程中抽象化思考的負(fù)擔(dān)，從而增大用戶分析的難度。強(qiáng)大的數(shù)據(jù)分析能力：很多BI產(chǎn)品將它們的分析能力集中在可視化功能上，而忽視了分析能力的建設(shè)，這是一種取巧的做法。產(chǎn)品專注于提高其可視化能力可以在短期內(nèi)快速看到價(jià)值，但面對用戶復(fù)雜的分析需求時(shí)就會(huì)顯得無力，而FineBI則是系統(tǒng)性地設(shè)計(jì)了產(chǎn)品的分析能力，并以此形成了獨(dú)特的基礎(chǔ)結(jié)構(gòu)。FineBI不僅能解決用戶剛剛使用產(chǎn)品時(shí)的一些簡單的問題，也能夠解決用戶深入使用產(chǎn)品之后想要解決的更復(fù)雜、更深入的問題。16 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

17FineBI

的發(fā)展方向：萬變不離其宗所謂萬變不離其宗，F(xiàn)ineBI的發(fā)展不會(huì)改變BI產(chǎn)品本身的定位，而是尋求更高的效率。從目前來看，BI的未來發(fā)展也離不開上述幾個(gè)維度。穩(wěn)0定1安全可靠的系統(tǒng)FineBI

發(fā)展方向：很多人說BI不是業(yè)務(wù)系統(tǒng)，穩(wěn)定性要求不如業(yè)務(wù)系統(tǒng)高，個(gè)人并不認(rèn)同這一觀點(diǎn)。隨著BI被企業(yè)的應(yīng)用范圍越來越廣，它對業(yè)務(wù)的影響范圍也隨之增大，它的穩(wěn)定與否也時(shí)刻影響著企業(yè)的業(yè)務(wù)安全。在這一維度上FineBI仍有很大的發(fā)展空間，即便帆軟已經(jīng)做了很多功課，但我們還要進(jìn)一步追求更高的目標(biāo)。今年帆軟將圍繞著防宕機(jī)對FineBI做更多的優(yōu)化，我們會(huì)系統(tǒng)性地梳理所有可能引發(fā)宕機(jī)風(fēng)險(xiǎn)的問題并將其根除。高0效2的性能FineBI

發(fā)展方向：對于一般的產(chǎn)品而言，性能當(dāng)然是越快越好。但是對于BI產(chǎn)品來說，更快的性能不是錦上添花，而是必不可少。企業(yè)的數(shù)據(jù)量越來越大，數(shù)據(jù)決策越來越多，數(shù)據(jù)分析的場景也會(huì)越來越復(fù)雜，這些都給引擎帶來了巨大的壓力，一款優(yōu)秀的BI產(chǎn)品必須要擁有一顆強(qiáng)大的心臟。FineBI在億級(jí)別的數(shù)據(jù)量處理上已經(jīng)有著非常優(yōu)秀的性能體驗(yàn)，但帆軟對產(chǎn)品的性能和支撐的數(shù)據(jù)量還有更高的追求。我們今年將會(huì)對FineBI引擎進(jìn)行進(jìn)一步的升級(jí)，從而實(shí)現(xiàn)在十億數(shù)據(jù)量級(jí)別上的高性能體驗(yàn)。03完善的系統(tǒng)管理FineBI

發(fā)展方向：我們今年會(huì)新增資源控制管理功能，從而避免用戶無序使用進(jìn)而浪費(fèi)企業(yè)內(nèi)有限資源的情況。同時(shí)我們會(huì)進(jìn)一步完善資源使用情況的監(jiān)控，方便企業(yè)對無效資源和風(fēng)險(xiǎn)操作的管控。04強(qiáng)大的數(shù)據(jù)分析能力FineBI

發(fā)展方向：在這一維度上FineBI目前的能力是比較完善的，而未來我們需要進(jìn)一步完善的是具體功能上的細(xì)節(jié)，從而進(jìn)一步降低分析的成本。比如完善模型的多事實(shí)多維度能力、完善窗口計(jì)算能力等。豐0富5美觀的可視化展示FineBI

發(fā)展方向：FineBI目前具備的圖表類型很完善，但相對弱勢之處在于，基于規(guī)則的配置相比基于窮舉的方案的學(xué)習(xí)成本要高一些，這是我們接下來需要解決的方向。易0學(xué)6易用的產(chǎn)品FineBI

發(fā)展方向：新的技術(shù)將為產(chǎn)品易學(xué)易用性帶來新的變革：這里所說的新技術(shù)便是AI。AI的出現(xiàn)給我們的工作生活帶來了許多新的可能，通過AI技術(shù)的融合能夠讓BI使用變得更加簡單和高效?；蛟S用戶不需要學(xué)習(xí)大量的工具知識(shí)也能做好分析，或許用戶即便不懂?dāng)?shù)據(jù)也能夠用好數(shù)據(jù)來解決業(yè)務(wù)問題......總之，AI的出現(xiàn)帶來了很多可能，對于BI產(chǎn)品來說也是一樣，AI技術(shù)的結(jié)合將是下一代BI的必備能力。除了新技術(shù)的應(yīng)用，產(chǎn)品易用性的升級(jí)探索是永無止境的。今年我們將針對FineBI的圖表配置易用性、函數(shù)編寫易用性等方面做進(jìn)一步的優(yōu)化和改進(jìn)。BI因?yàn)槠湄S富多樣的可視化組件，簡單靈活的制作方式而被人所熟知，但“福禍相依”，其優(yōu)勢使得大家以為BI僅僅于此。隨著企業(yè)對于數(shù)字化轉(zhuǎn)型的重視，對于數(shù)據(jù)驅(qū)動(dòng)決策的認(rèn)識(shí)提高，BI在整個(gè)企業(yè)數(shù)字化轉(zhuǎn)型中的生態(tài)位越來越重要，在部分企業(yè)的重要性已經(jīng)等同于甚至超過生產(chǎn)系統(tǒng)了。前文提到，BI產(chǎn)品終極目標(biāo)是“讓人人都是數(shù)據(jù)分析師“，注定會(huì)發(fā)展出不同的產(chǎn)品形態(tài)，以滿足不同場景的數(shù)據(jù)需求。然而，不同種類BI各有優(yōu)劣，分別適用于不同的場景，并沒有絕對互相替代的關(guān)系，因此是屬于多形態(tài)共生。同時(shí)，帆軟認(rèn)為BI僅靠一種模式并不能滿足企業(yè)的訴求，需要包含數(shù)據(jù)全鏈路的管理和建設(shè)，包括了數(shù)據(jù)生產(chǎn)，數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)可視化和分析，數(shù)據(jù)決策，以及資產(chǎn)的治理，行業(yè)方案的應(yīng)用復(fù)用，甚至包括了組織和人才的構(gòu)建。FineBI

Platform：多形態(tài)融合的分析平臺(tái)18 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

19FineBI

Platform是將帆軟多款數(shù)據(jù)產(chǎn)品，包括FineReport、FineBI、FineDataLink、FineVIS、FineChatBI，整合到一起的“全鏈路數(shù)據(jù)分析平臺(tái)”，滿足不同角色的不同數(shù)據(jù)訴求，滿足不同企業(yè)的信息現(xiàn)狀的不同訴求。因此，帆軟基于

“BI

多形態(tài)共生”

的理念，融合自身的多種形態(tài)

BI

產(chǎn)品，推出全鏈路數(shù)據(jù)分析平臺(tái)——FineBI

Platform：FBP作為“全鏈路分析平臺(tái)”，主要的價(jià)值主張如下：圖：FineBI

Platform-

全鏈路數(shù)據(jù)分析平臺(tái)

-

價(jià)值主張數(shù)據(jù)分析師需要以業(yè)務(wù)為導(dǎo)向的自助深度分析對外呈現(xiàn)需要炫酷的大屏財(cái)務(wù)類復(fù)雜場景需要固定式復(fù)雜報(bào)表大量業(yè)務(wù)用戶需要像即席或者問答

BI這種簡化的分析形態(tài)多0形1態(tài)分析融合BI不同形式產(chǎn)品之間并不是代際替換關(guān)系，而是需要長時(shí)間共存的。因?yàn)?，企業(yè)的場景是豐富多變的：20 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

21因此僅靠一種模式并不能滿足企業(yè)的訴求，因此帆軟將多種形態(tài)融合在一起。行0業(yè)2應(yīng)用復(fù)用伴隨著企業(yè)數(shù)字化改革的深入，很多企業(yè)已經(jīng)脫離使用工具的階段。向外看，從客戶視角出發(fā)，當(dāng)前帆軟提供給客戶的場景解決方案（工具產(chǎn)品+項(xiàng)目服務(wù)），用戶不清楚概念性的方案的最終形態(tài)（售前階段難以理解帆軟），用戶的上線成本&時(shí)間較高（交付階段難以相信帆軟），主要有以下提升點(diǎn)：所見即所得：圍繞業(yè)務(wù)用戶提升需求選擇&確認(rèn)的效率，客戶不需要去想象基于帆軟產(chǎn)品能實(shí)現(xiàn)什么系統(tǒng)，而是在平臺(tái)上直接挑選“成品”；降低應(yīng)用成本：圍繞開發(fā)用戶提升綜合開發(fā)效率，降低系統(tǒng)綜合上線成本&時(shí)間，形成需求發(fā)起-應(yīng)用市場挑選-系統(tǒng)對接上線-個(gè)性化修改的高效路徑；提高應(yīng)用數(shù)量

&質(zhì)量：圍繞數(shù)據(jù)生態(tài)，吸引更多的需求方和供應(yīng)方參與進(jìn)來，從而提升整個(gè)產(chǎn)業(yè)效率，企業(yè)內(nèi)、企業(yè)間形成數(shù)據(jù)資產(chǎn)的交易，讓數(shù)據(jù)應(yīng)用變得更簡單。從短期角度來看，目前的調(diào)研信息顯示當(dāng)前應(yīng)用復(fù)用主要阻塞點(diǎn)包括：因此在FBP中，帆軟將行業(yè)應(yīng)用復(fù)用上升成公司級(jí)的戰(zhàn)略，同時(shí)推出包括帆軟市場，行業(yè)智庫，應(yīng)用數(shù)據(jù)源，本地的素材庫等多個(gè)功能模塊旨在讓帆軟的行業(yè)經(jīng)驗(yàn)以更好的形式落地到客戶的實(shí)際場景中。產(chǎn)品阻塞：客戶工程還原回來困難、底層數(shù)據(jù)復(fù)用難度大、應(yīng)用內(nèi)容復(fù)用到客戶困難等平臺(tái)阻塞：平臺(tái)渠道雜亂、平臺(tái)運(yùn)營管理不佳、生態(tài)能力欠缺、當(dāng)前營銷能力難以支撐應(yīng)用內(nèi)容跟客戶業(yè)務(wù)需求的匹配運(yùn)營阻塞：大量內(nèi)容沉淀在個(gè)人而非組織、組織之間的資料流轉(zhuǎn)不佳、重心在打單回收效率不佳等內(nèi)容阻塞：內(nèi)容通用阻塞（內(nèi)容不足、價(jià)值不高、缺少體系化整合）、重點(diǎn)內(nèi)容阻塞（客戶案例價(jià)值不高、demo質(zhì)量不佳）a)

行業(yè)智庫將帆軟的行業(yè)經(jīng)驗(yàn)，結(jié)合數(shù)據(jù)中心的載體，將其內(nèi)化到產(chǎn)品里，再也不是PPT的形式?？梢运娂此?，且可以快速基于指標(biāo)和模板，搭出自己想要的DEMO，縮短交流對齊的周期。22 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

23b)

帆軟市場我們將客戶的常用的組件、模板、甚至解決方案，打包上傳到帆軟市場上，方便用戶更好的參考。這一項(xiàng)目其實(shí)自2018年就開始構(gòu)建，但之前僅僅是PPT的形式。在FBP中，我們做了一系列功能，包括資源導(dǎo)入導(dǎo)出，數(shù)據(jù)脫敏等讓模板復(fù)用的效率極致提升。c)

應(yīng)用數(shù)據(jù)源用好BI的前提是對接數(shù)據(jù)，這項(xiàng)工作雖然簡單，但極其繁瑣，在FBP中，我們將常用的數(shù)據(jù)源進(jìn)一步封裝，包括SAP數(shù)據(jù)、用友NC、釘釘數(shù)據(jù)、飛書數(shù)據(jù)等等，如下圖，可以“開箱即用”03統(tǒng)一資產(chǎn)門戶2022年之前，BI工具往往聚集在如何更好更快的生產(chǎn)出數(shù)據(jù)資產(chǎn)，但隨著企業(yè)的數(shù)字化轉(zhuǎn)型，很多企業(yè)已經(jīng)走向第4個(gè)階段——「數(shù)字平臺(tái)化」，即如何將現(xiàn)有資產(chǎn)通過更好的治理發(fā)揮出更大的價(jià)值。統(tǒng)0一4數(shù)據(jù)中心強(qiáng)大的消費(fèi)層必須得依賴統(tǒng)一的數(shù)據(jù)層，帆軟在FBP中將多產(chǎn)品的數(shù)據(jù)層能力融合到一起，包括數(shù)據(jù)目錄、指標(biāo)模型、數(shù)據(jù)管理、數(shù)據(jù)開發(fā)、數(shù)據(jù)服務(wù)、運(yùn)維中心等，如下圖：因此在FBP中，自2023年開始，通過統(tǒng)一資產(chǎn)門戶、通過流程管理，對產(chǎn)出的元數(shù)據(jù)梳理，治理?xiàng)l約的整合，全生命周期的管理等等，將以前通過自服務(wù)產(chǎn)生的內(nèi)容，更好地發(fā)布出去，將資產(chǎn)價(jià)值最大化。沉淀從數(shù)據(jù)到應(yīng)用管理體系，提升業(yè)務(wù)用戶找資產(chǎn)、用資產(chǎn)的效率，提升面向管理用戶的運(yùn)營運(yùn)維能力。24 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

25帆軟統(tǒng)一數(shù)據(jù)中心有如下幾個(gè)優(yōu)勢：同時(shí)，又可以通過數(shù)據(jù)服務(wù)的能力，可以將統(tǒng)一的數(shù)據(jù)層輻射至其他場景。消費(fèi)層的統(tǒng)一數(shù)據(jù)層，天然解決統(tǒng)一數(shù)據(jù)口徑、數(shù)據(jù)權(quán)限等問題原先中帆軟生態(tài)里，F(xiàn)R和BI的數(shù)據(jù)來源不同，帶來阻礙和困惑，F(xiàn)R的數(shù)據(jù)權(quán)限該如何控制？FR和BI的數(shù)據(jù)計(jì)算方式不一致，如何保證數(shù)據(jù)一致性？數(shù)據(jù)變更后上述問題變得更為嚴(yán)重。IT

復(fù)雜標(biāo)準(zhǔn)構(gòu)建與業(yè)務(wù)靈活自助完美結(jié)合IT和業(yè)務(wù)的配合是企業(yè)數(shù)字化建設(shè)中最大的難題，甚至沒有之一。傳統(tǒng)IT模式標(biāo)準(zhǔn)但復(fù)雜，導(dǎo)致開發(fā)周期極長，大大提高了數(shù)據(jù)使用的門檻；敏捷BI模式自由簡單但缺少管理，雖然極大的激發(fā)了業(yè)務(wù)使用的潛力，但數(shù)據(jù)處理的不規(guī)范和隨意，使得系統(tǒng)在性能、存儲(chǔ)空間、更新時(shí)長、口徑混亂上有極大的風(fēng)險(xiǎn)。FBP中將兩者完美結(jié)合，即支持業(yè)務(wù)類Excel式的數(shù)據(jù)處理，又支持復(fù)雜的ETL開發(fā)，維度建模。全鏈路血緣帶來的無限可能由于FBP將自數(shù)據(jù)的ETL開發(fā)、模型、指標(biāo)、組件到模板，全鏈路血緣進(jìn)行整合，我們可以基于此架構(gòu)帶來無限可能一張看板里到底用了哪些指標(biāo)？一張看板里的某個(gè)具體的指標(biāo)，到底是怎么來的？其背后的含義是什么？一個(gè)指標(biāo)到底用在了哪些看板里面？指標(biāo)改動(dòng)后會(huì)影響那些看板？基于血緣，判斷哪些指標(biāo)是常用的，哪些直連可以物化。當(dāng)數(shù)據(jù)錯(cuò)誤時(shí)，可以基于全鏈路血緣進(jìn)行排錯(cuò)。26 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

27統(tǒng)0一5運(yùn)維管理隨著BI系統(tǒng)的復(fù)雜度提升，拿帆軟的工具舉例，既有消費(fèi)層的FineReport、FineBI，又有數(shù)據(jù)層的FineDatalink，同時(shí)還有引擎和存儲(chǔ)的架構(gòu)升級(jí)，包括了當(dāng)前的存算分離的架構(gòu)，及未來的MPP架構(gòu)的引入。無疑給系統(tǒng)的運(yùn)維管理提出了極大的挑戰(zhàn)：我們在享受私有部署帶來的安全自由的同時(shí)，又不得不應(yīng)對如上挑戰(zhàn)。因此，F(xiàn)BP通過帆軟統(tǒng)一運(yùn)維平臺(tái)，將帆軟應(yīng)用整個(gè)運(yùn)維鏈路中的問題（從部署到運(yùn)維管理，到監(jiān)控告警，到故障問題快速處理）通過可視化的形式最低成本的解決。單產(chǎn)品的集群如何部署，存算分離的架構(gòu)該如何部署？多產(chǎn)品之間的升級(jí)如何不互相影響，故障如何隔離？標(biāo)準(zhǔn)產(chǎn)品與第三方組件如何更好的適配，如何保證第三方組件的高可用，使得系統(tǒng)能真

·高可用？多產(chǎn)品如何更好的集成部署？產(chǎn)品內(nèi)的問題如何運(yùn)維等？復(fù)雜產(chǎn)品架構(gòu)與環(huán)境的適配度該怎么應(yīng)對？走進(jìn)

BI

資深用戶：所用與所悟2.4對話【2024

帆軟

MVP

候選人】王曉博

華東理工大學(xué)出版社有限公司

數(shù)據(jù)運(yùn)營總監(jiān)哪些企業(yè)應(yīng)該要上

BI？所有的企業(yè)。很多企業(yè)上

BI

的阻礙之處主要有兩大方面——缺乏人才、對數(shù)字化轉(zhuǎn)型投入產(chǎn)出的未知。其實(shí)不管目前任何規(guī)模的企業(yè)，都應(yīng)該有員工學(xué)習(xí)

BI

產(chǎn)品、零代碼產(chǎn)品，規(guī)模小的企業(yè)可以從

SAAS

的產(chǎn)品如九數(shù)云開始切入，甚至先把

FineBI

本地版“物盡其用”都是極好的，投入幾千塊錢買幾個(gè)簡道云賬號(hào)把企業(yè)簡單的流程“在線化”都是數(shù)字化轉(zhuǎn)型小投入的開始，只有開始才能有下一步的數(shù)據(jù)指導(dǎo)經(jīng)營決策。所有的工具都只有一種特性——用則有用，不用則無用。所在企業(yè)背景：我所在企業(yè)是一家100人左右的中小型企業(yè)，有25個(gè)BI產(chǎn)品用戶，比例相對較高。21年，公司面臨數(shù)字化轉(zhuǎn)型的挑戰(zhàn)，從剛開始做BI的選型到真正上線這一過程，我們只有100個(gè)人，并花一年的時(shí)間教會(huì)這25個(gè)BI產(chǎn)品用戶具體如何使用。相較于大企業(yè)較為宏大、每年投入幾個(gè)億的數(shù)字化轉(zhuǎn)型，我們這種幾百人到一千人之間的中小企業(yè)在數(shù)字化轉(zhuǎn)型過程中，可以有更多的互動(dòng)交流，與其他企業(yè)的數(shù)據(jù)分析師或者是IT項(xiàng)目負(fù)責(zé)人一起交流，互相進(jìn)步。所在企業(yè)為什么要上

BI，以及BI帶來了哪些作用？組織架構(gòu)十分扁平。由出版社社長統(tǒng)一領(lǐng)導(dǎo)整個(gè)數(shù)字化轉(zhuǎn)型項(xiàng)目，協(xié)調(diào)各方的資源，不需要花費(fèi)很多時(shí)間進(jìn)行跨部門溝通，能夠快速達(dá)成共識(shí)。職務(wù)角色比較復(fù)合。正常的

IT

部門已經(jīng)有比較成熟的數(shù)倉中臺(tái)、報(bào)表體系等，職責(zé)比較分明。但我們公司

IT部門只有兩個(gè)人，我作為分析師可能會(huì)負(fù)責(zé)一些

IT

項(xiàng)目，而我們公司

IT

也可能做一些分析工作。所以我們這樣的中小型企業(yè)職務(wù)角色比較復(fù)合，部門之間交叉會(huì)多一些。28 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

29所在企業(yè)內(nèi)

FineBI用戶使用情況：結(jié)構(gòu)組成：內(nèi)部使用BI

的人大部分是業(yè)務(wù)部門的，只有四個(gè)人（2

個(gè)分析師，2

個(gè)IT）具有技術(shù)/

數(shù)據(jù)背景，剩下

21

個(gè)人都是業(yè)務(wù)部門的骨干、中層領(lǐng)導(dǎo)等。FineBI

掌握程度：25

人中大概有一半（12

人左右）經(jīng)常使用

FineBI，并且用的比較好，大概能有

5

人能達(dá)到精通水平，能夠做一些比較深入的分析。對于中小型企業(yè)而言，在進(jìn)行數(shù)據(jù)分析等需求時(shí)，選擇

BI的必要性有哪些？第一點(diǎn)需要考慮是否存在每月需要人工重復(fù)性操作的任務(wù)，花費(fèi)時(shí)間有多少。比如我們公司有

12

個(gè)人，每月需要花兩天時(shí)間去處理數(shù)據(jù)的事情，一年大概有三百多天要做這個(gè)事情。如果把這個(gè)重復(fù)性工作徹底解決，就沒有額外工作量。所以主要從重復(fù)性工作角度去考慮選擇的

BI

必要性。第二點(diǎn)是自助式探索式分析的必要性。我們企業(yè)有

100

人，18

個(gè)部門，均為扁平化管理。每個(gè)部門人很少，數(shù)據(jù)需求又完全不同，因此我們會(huì)面臨很多部門很多不同形式的數(shù)據(jù)需求。我們之前只能依賴于

excel

去做，最后導(dǎo)致無法及時(shí)響應(yīng)所有部門的所有需求。業(yè)務(wù)用戶也會(huì)因?yàn)閿?shù)據(jù)延遲進(jìn)而錯(cuò)判時(shí)機(jī)，沒有進(jìn)行實(shí)時(shí)決策和分析，進(jìn)而導(dǎo)致錯(cuò)失良機(jī)。如何理解數(shù)據(jù)素養(yǎng)？數(shù)據(jù)素養(yǎng)可以理解為個(gè)人理解和分析數(shù)據(jù)的能力，包括數(shù)據(jù)的獲取、處理、分析和決策并優(yōu)化流程的能力。數(shù)據(jù)素養(yǎng)是理解和分析數(shù)據(jù)的基礎(chǔ)，數(shù)據(jù)思維是應(yīng)用數(shù)據(jù)進(jìn)行決策的思維方式，而數(shù)據(jù)工具技能則是實(shí)現(xiàn)數(shù)據(jù)素養(yǎng)和數(shù)據(jù)思維的具體技術(shù)手段。三者相輔相成，共同構(gòu)成了在數(shù)據(jù)驅(qū)動(dòng)的世界中成功的關(guān)鍵能力。技術(shù)能力較弱。專業(yè)的運(yùn)維技術(shù)人員在使用

FineBI

時(shí)遇到一些小問題可能對他來說比較簡單，調(diào)調(diào)參數(shù)即可。但是我們要借助外部力量，需要咨詢帆軟的技術(shù)支持，沒有任何的經(jīng)驗(yàn)，需要一步步慢慢摸索。但是好處是我們能夠非常快速的把我們掌握的內(nèi)容通過多次內(nèi)部培訓(xùn)教授給這些

BI

產(chǎn)品用戶。大幅提高工作效率。我們這種規(guī)模的企業(yè)數(shù)據(jù)分析師只有兩個(gè)人。而數(shù)據(jù)分析內(nèi)容分散在各業(yè)務(wù)部門——銷售、印制、總編辦公室等，數(shù)據(jù)統(tǒng)計(jì)工作量較大，占個(gè)人30%

到50%

工作量。之前沒有Fine

BI時(shí)都是通過手工去做，現(xiàn)在把這些固化的東西放到

FineBI

里面做儀表板，通過一些分析替代掉這些手工固化工作，進(jìn)而剩余時(shí)間去做其他事情。除此之外，我們企業(yè)去年

11

月份更換ERP，因?yàn)樵贓RP

更換過程中有大量數(shù)據(jù)（大的表單近千萬級(jí)別量級(jí)）需要核驗(yàn)，F(xiàn)ineBI

在這個(gè)過程中起到十分關(guān)鍵的作用，這些核驗(yàn)的工作全都是在

BI

中進(jìn)行的，如果沒有

BI的話工作量會(huì)非常巨大，就是對于我們一個(gè)中小企業(yè)來說，沒有專門寫報(bào)表寫

SQL

的人。我們認(rèn)為數(shù)字化時(shí)代員工是需要“數(shù)字化能力底座”的，就是無論你從事任何的專業(yè)崗位，數(shù)字化能力都是高效工作的基礎(chǔ)。我們在

BI

項(xiàng)目中，為企業(yè)挖掘了一批業(yè)務(wù)能力優(yōu)秀且具有非常強(qiáng)的數(shù)據(jù)素養(yǎng)的人才，這些很快成為各部門骨干，擔(dān)任了部門比較核心的工作崗位，且在部門中有著不可替代的作用。如何理解企業(yè)數(shù)據(jù)文化的？企業(yè)數(shù)據(jù)文化和企業(yè)數(shù)字化轉(zhuǎn)型一樣，是一把手工程。只有領(lǐng)導(dǎo)重視數(shù)據(jù)分析，且自身有較強(qiáng)的數(shù)據(jù)敏感性，能夠通過大家提供的分析中得出真正有利于企業(yè)發(fā)展的決策，才能真正鼓舞推動(dòng)企業(yè)的數(shù)據(jù)文化建設(shè)。什么時(shí)候感受到

BI的價(jià)值？自助式分析實(shí)現(xiàn)業(yè)務(wù)價(jià)值：企業(yè)管理比較扁平化，100

個(gè)人分為

18

個(gè)部門，數(shù)據(jù)分析+

技術(shù)只有

4

名員工，支持

18

個(gè)部門不同視角的數(shù)據(jù)需求在響應(yīng)效率上影響比較大。而很多需求對業(yè)務(wù)部門來說是重復(fù)性的，數(shù)據(jù)分析的過程是相對比較簡單的，完全可以通過業(yè)務(wù)用戶自助式分析實(shí)現(xiàn)。所以在

BI

項(xiàng)目在各部門全面推廣之后，對各部門涉及數(shù)據(jù)查詢需求的用戶進(jìn)行了多輪培訓(xùn)，實(shí)現(xiàn)了每個(gè)部門都有自己的

FineBI

設(shè)計(jì)用戶，進(jìn)而實(shí)現(xiàn)了業(yè)務(wù)的自助式、探索式分析，真正是業(yè)務(wù)視角出發(fā)的數(shù)據(jù)分析去解決業(yè)務(wù)當(dāng)中的問題。企業(yè)數(shù)字化意識(shí)提升——提高效率代替“偽工作”：吳軍博士在《見識(shí)》中提到典型的偽工作者——有的人明明能夠通過學(xué)習(xí)一種新技能更有效地工作，卻偏偏要守著過去的舊工具工作，甚至手工操作，這種人是典型的偽工作者。從

BI

項(xiàng)目的推廣落地，顛覆了之前手動(dòng)統(tǒng)計(jì)數(shù)據(jù)的“偽工作”，帶來了大家對數(shù)字化時(shí)代工作模式的思考，哪些是能產(chǎn)生價(jià)值的工作，哪些是通過工具可以直接替代的工作。組織變革：數(shù)字化時(shí)代員工能力底座30 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

31對話【2024

帆軟

MVP

候選人】周大生集團(tuán)下的全資子公司深圳市互聯(lián)天下

數(shù)字建設(shè)部黃

燕現(xiàn)在做

BI

和之前做BI

在目的和意義上有什么區(qū)別？區(qū)別一：平臺(tái)定位為：數(shù)據(jù)決策與數(shù)智賦能的核心平臺(tái)，而非報(bào)表制作工具區(qū)別二：項(xiàng)目性質(zhì)定位為：數(shù)字化轉(zhuǎn)型升級(jí)持續(xù)性團(tuán)隊(duì)建設(shè)，而非分期的

IT

項(xiàng)目建設(shè)主要負(fù)責(zé)FineBI相關(guān)項(xiàng)目，并成功引入FineBI，第一批購買的15個(gè)賬號(hào)均為滿額高頻使用，帶領(lǐng)團(tuán)隊(duì)實(shí)現(xiàn)從0到1搭建及落地經(jīng)營分析報(bào)表體系，順利帶動(dòng)商品中心及客服中心的同事自主學(xué)習(xí)FineBI推薦課程。當(dāng)前共購買25個(gè)賬號(hào)，BI分析次數(shù)達(dá)到月均3000次。同時(shí)也負(fù)責(zé)數(shù)倉項(xiàng)目立項(xiàng)，包括數(shù)據(jù)標(biāo)準(zhǔn)的梳理以及數(shù)字建設(shè)部工作規(guī)范體系梳理。我們決定將FineBI平臺(tái)定位為周大生電商業(yè)務(wù)數(shù)據(jù)決策與數(shù)智賦能的核心平臺(tái)。這意味著，F(xiàn)ineBI將不僅是一個(gè)數(shù)據(jù)查詢工具，更是驅(qū)動(dòng)業(yè)務(wù)增長、賦能終端決策的智能引擎。為了實(shí)現(xiàn)這一定位，我們將圍繞FineBI構(gòu)建以下三大核心價(jià)值場景：a.統(tǒng)一數(shù)據(jù)分析門戶：解決數(shù)據(jù)分散、處理困難的問題，將所有分析人員的明細(xì)數(shù)據(jù)集中在一個(gè)平臺(tái)上，形成統(tǒng)一的數(shù)據(jù)源，減少數(shù)據(jù)處理中的冗余與誤差，提高工作效率。b.自助式數(shù)據(jù)分析：賦予業(yè)務(wù)人員自我分析、自我挖掘數(shù)據(jù)價(jià)值的能力，讓他們能夠基于自身業(yè)務(wù)需求，快速構(gòu)建個(gè)性化的數(shù)據(jù)分析報(bào)表，提升業(yè)務(wù)洞察力和決策效率。c.智能數(shù)據(jù)驅(qū)動(dòng)決策：通過FineBI的AI算法和預(yù)測模型，為管理層提供基于數(shù)據(jù)的智能決策支持，幫助他們更準(zhǔn)確地把握市場趨勢，制定更有效的業(yè)務(wù)策略。在確定了BI平臺(tái)的定位和價(jià)值場景后，我們意識(shí)到，要實(shí)現(xiàn)這些目標(biāo)，必須有一支具備數(shù)字化思維和技能的人才隊(duì)伍。因此，我們將啟動(dòng)一系列人才培養(yǎng)和團(tuán)隊(duì)建設(shè)措施：a.內(nèi)部培訓(xùn)：組織針對FineBI的專題培訓(xùn)，讓全體員工了解BI平臺(tái)的功能和價(jià)值，掌握基本的數(shù)據(jù)分析技能。b.實(shí)戰(zhàn)演練：鼓勵(lì)員工在實(shí)際工作中運(yùn)用FineBI進(jìn)行分析和決策，通過實(shí)戰(zhàn)演練提升他們的數(shù)據(jù)應(yīng)用能力和業(yè)務(wù)洞察力。c.團(tuán)隊(duì)建設(shè)：建立跨部門的BI團(tuán)隊(duì)，吸納具備數(shù)字化技能和業(yè)務(wù)知識(shí)的復(fù)合型人才，共同推動(dòng)BI平臺(tái)的建設(shè)和應(yīng)用。通過這些措施，我們期望能夠培養(yǎng)出一支具備數(shù)字化思維和技能、能夠熟練運(yùn)用FineBI進(jìn)行數(shù)據(jù)分析和決策的人才隊(duì)伍，為業(yè)務(wù)的數(shù)字化轉(zhuǎn)型和數(shù)智化升級(jí)提供有力支持。有沒有發(fā)現(xiàn)大家對

BI存在一些認(rèn)知上的誤區(qū)？對于BI（商業(yè)智能）的認(rèn)知誤區(qū)，許多人可能只是簡單地將

BI

視為一個(gè)可視化的工具，但其實(shí)它遠(yuǎn)不止于此。并非只是簡單的數(shù)據(jù)可視化工具。雖然數(shù)據(jù)可視化是

BI

的一個(gè)重要組成部分，用于將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀、易于理解的圖形和圖表，但它僅僅是

BI

體系中的一個(gè)環(huán)節(jié)。BI

的真正價(jià)值在于能夠深入分析和理解這些數(shù)據(jù)，揭示出隱藏的業(yè)務(wù)趨勢和機(jī)會(huì)，從而為決策提供有力支持。BI

并不是

IT

部門的專屬領(lǐng)地。盡管

BI

技術(shù)和解決方案通常是由

IT

部門開發(fā)和維護(hù)的，但

BI

的真正價(jià)值在于其能夠?yàn)檎麄€(gè)企業(yè)帶來洞見和價(jià)值。從高層管理人員到一線員工，每個(gè)人都應(yīng)該能夠理解和利用

BI

工具，以便更好地了解業(yè)務(wù)狀況，做出更明智的決策。BI

也不是一個(gè)一勞永逸的解決方案。隨著業(yè)務(wù)的發(fā)展和數(shù)據(jù)的增長，BI

系統(tǒng)需要不斷地進(jìn)行更新和優(yōu)化，以適應(yīng)新的需求和挑戰(zhàn)。這意味著，BI

的實(shí)施是一個(gè)持續(xù)的過程，需要不斷地投入資源和精力，以確保其始終能夠?yàn)槠髽I(yè)帶來最大的價(jià)值。因此，我們需要更加全面和深入地理解BI，擺脫那些傳統(tǒng)的認(rèn)知誤區(qū)。只有這樣，我們才能真正發(fā)揮BI

的潛力，為企業(yè)創(chuàng)造更大的價(jià)值。自身的工作內(nèi)容如何助力公司積累數(shù)據(jù)資產(chǎn)？a.

構(gòu)建一套完善的人貨零售電商數(shù)據(jù)分析體系，深度挖掘數(shù)據(jù)潛力，為業(yè)務(wù)決策提供強(qiáng)有力的數(shù)據(jù)支撐，實(shí)現(xiàn)精準(zhǔn)的業(yè)務(wù)方向引導(dǎo)。b.

精心搭建

FineBI

分析域和分析主題體系的數(shù)據(jù)業(yè)務(wù)包，確保同分析域下分析主題應(yīng)用數(shù)據(jù)源的一致性，進(jìn)而達(dá)成標(biāo)準(zhǔn)數(shù)據(jù)指標(biāo)口徑的高度統(tǒng)一，有效促進(jìn)業(yè)務(wù)決策的數(shù)據(jù)化、標(biāo)準(zhǔn)化。c.

在實(shí)際操作中，我們引導(dǎo)并教導(dǎo)業(yè)務(wù)管理者遵循正確的使用路徑，利用

FineBI

進(jìn)行自助式數(shù)據(jù)分析，從而顯著提升業(yè)務(wù)洞察的效率和準(zhǔn)確性，為業(yè)務(wù)價(jià)值的實(shí)現(xiàn)提供有力保障。最早接觸的帆軟產(chǎn)品是哪款產(chǎn)品？最早接觸的是

FineBI，2021

年

10

月帆軟商務(wù)向我們蜜蜂互聯(lián)董事長及

CTO

及數(shù)據(jù)分析負(fù)責(zé)人們介紹FineBI

主要功能和報(bào)價(jià)。第一印象：好貴，但有Excle

分析能力基礎(chǔ)的業(yè)務(wù)人員能很快用起來。董事長“割肉”32 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

33什么時(shí)候感受到

BI

的價(jià)值？上線

FineBI

平臺(tái)，我們感受到的比較明顯的四個(gè)價(jià)值：1.

數(shù)據(jù)獲取：實(shí)現(xiàn)了數(shù)據(jù)的自動(dòng)取用，以前我們要提需求給

IT

部門，現(xiàn)在數(shù)據(jù)已經(jīng)在

BI

上匯總好了，需要哪個(gè)數(shù)據(jù)自己上去取就可以。買下后

3

個(gè)月，沒有業(yè)務(wù)人員用起來，都是產(chǎn)品

/

數(shù)據(jù)分析人在用。機(jī)緣巧合，我僅花了一周時(shí)間，做出了一個(gè)數(shù)據(jù)分析報(bào)表，驚喜到CTO，被推薦為BI

建設(shè)推廣項(xiàng)目負(fù)責(zé)人。FineBI

用了三年，經(jīng)歷了FineBI

從

5.0升級(jí)到

6.0，再升級(jí)到

6.0.14

版本。分別用到了如下圖版本升級(jí)的主要功能，以最短路徑實(shí)現(xiàn)同分析主題下，數(shù)據(jù)模型血緣的最簡化和數(shù)據(jù)模型的可視化。2.

數(shù)據(jù)控制：數(shù)據(jù)的安全管控其實(shí)以前是個(gè)比較痛的點(diǎn)，excel

滿天飛我們也很難管控的數(shù)據(jù)的權(quán)限，那現(xiàn)在基于公共數(shù)據(jù)的這種管理模式，我們實(shí)現(xiàn)了數(shù)據(jù)權(quán)限的全鏈路管理。3.

報(bào)表設(shè)計(jì)：這里想提一下帆軟的協(xié)作能力，真的是極大地提高我們?nèi)藛T間的配合效率。4.

最后就是一個(gè)比較大的點(diǎn)，也就是我們組織對這一塊的認(rèn)可度比較高的，就是經(jīng)營分析效率。因?yàn)?/p>

BI

它可以很快速的去實(shí)現(xiàn)相關(guān)組件的聯(lián)動(dòng)和鉆取，所以實(shí)際上我們分析數(shù)據(jù)問題的時(shí)候效率有了很大的提升。以前用

excel

是結(jié)果數(shù)據(jù)，發(fā)現(xiàn)了問題我們?nèi)藛T要去透視表里重新定位，現(xiàn)在可以直接基于看板聯(lián)動(dòng)定位，這樣我們就可以沉淀一些深度的分析應(yīng)用在

BI

上面，管理層甚至可以自己去分析一些關(guān)注的業(yè)務(wù)問題。然后從這個(gè)整個(gè)的人效跟工作模式的變化上我畫了一個(gè)圖來做總結(jié)，可能說我們業(yè)務(wù)部門的分析工作從原來80%

的時(shí)間花在數(shù)據(jù)處理上，而且是重復(fù)性的數(shù)據(jù)處理，轉(zhuǎn)變成了

85%

的時(shí)間是用于報(bào)表的模型設(shè)計(jì)以及經(jīng)營分析的業(yè)務(wù)洞察，這個(gè)是對我們來做最大的轉(zhuǎn)變。34 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

35智能

BI：產(chǎn)品落地更多是

AI

FOR

BIINTELLIGENT

BI:PRODUCTLANDINGISMOREAIFOR

BI定義：AI

和

BI

的融合更多是

AI

for

BI3.1What：如何理解AI

和

BI

的融合Why：為何融合更多是AI

for

BIAI

和BI

存在本質(zhì)區(qū)別，BI擁有自己的發(fā)展路線，而AI

目前并不是BI的核心功能AI

與

BI

存在本質(zhì)上的區(qū)別，BI

的目的是將數(shù)據(jù)轉(zhuǎn)化為知識(shí)來輔助決策，AI

則追求以更智能的算法得到更精確的結(jié)果BI的發(fā)展路線是以數(shù)據(jù)為基礎(chǔ)的，主要是數(shù)據(jù)的管理和分析。雖然AI技術(shù)的范圍非常廣，但當(dāng)前BI系統(tǒng)中真正能用上的主要是一些處理文本、圖像等非結(jié)構(gòu)化數(shù)據(jù)的AI技術(shù)。但是除了一些特定行業(yè)，大部分的企業(yè)很少會(huì)有文本處理和圖像處理的需求，絕大多數(shù)BI系統(tǒng)需要處理的仍然是結(jié)構(gòu)化的數(shù)據(jù)。AI+BI

模式=AI

與BI相結(jié)合從概念和理論上來說，AI+BI

模式是有價(jià)值有前景的AI與BI的區(qū)別在于BI負(fù)責(zé)梳理生產(chǎn)關(guān)系，AI是先進(jìn)新質(zhì)生產(chǎn)力。那么AI+BI模式通過將AI嵌入BI，構(gòu)建基于AI的BI平臺(tái)，利用AI的智能讓BI系統(tǒng)能夠解決更復(fù)雜的業(yè)務(wù)場景，產(chǎn)出更精準(zhǔn)的分析結(jié)果，從而使決策更為科學(xué)和準(zhǔn)確。從具體場景上來說，AI+BI

的模式能讓部分

BI

場景更深入，產(chǎn)出更有價(jià)值的知識(shí)對于結(jié)構(gòu)化的數(shù)據(jù)，BI系統(tǒng)可以應(yīng)用一些準(zhǔn)確度更高的機(jī)器學(xué)習(xí)算法，得到更精確的分析結(jié)果。例如市場營銷，采用AI+BI模式就可以在用戶分群的基礎(chǔ)上，得到更精細(xì)的針對每個(gè)用戶的分析結(jié)果，從而給出更精準(zhǔn)的個(gè)性化營銷方案。還有金融領(lǐng)域的風(fēng)險(xiǎn)監(jiān)測，AI+BI的模式可以分析出金融風(fēng)險(xiǎn)和其他指標(biāo)、行為之間的內(nèi)在聯(lián)系，預(yù)測更為準(zhǔn)確。對于非結(jié)構(gòu)化的數(shù)據(jù)，BI可以應(yīng)用圖像處理、語音識(shí)別和文本分析等AI技術(shù)，智能化地處理BI系統(tǒng)的復(fù)雜業(yè)務(wù)場景。例如AI+BI模式能夠通過語音識(shí)別技術(shù)錄入數(shù)據(jù)，控制駕駛艙和數(shù)據(jù)大屏的制作等。還有智能客服系統(tǒng)，不需要手動(dòng)收集客戶問題再分配人員解答，通過語義理解和自然語言處理等技術(shù)分析客戶問題，實(shí)現(xiàn)實(shí)時(shí)、自動(dòng)回復(fù)客戶。36 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

37When：何時(shí)邁入AI

forBI

時(shí)代目前在中國，預(yù)計(jì)2025年左右，BI將開始邁入智能化階段；到2030年，BI的智能化也將進(jìn)一步擴(kuò)大。隨著AI技術(shù)和BI系統(tǒng)的不斷成熟，AI在BI中的應(yīng)用將會(huì)越來越多，二者重合的部分也越來越多，但是因?yàn)樗鼈兇嬖诒举|(zhì)上的區(qū)別，因此不會(huì)完全重合，而是以AI

for

BI的方式存在。AI

與

BI

的交叉只在于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，而且這種交叉也極小AI的機(jī)器學(xué)習(xí)強(qiáng)調(diào)算法，BI的數(shù)據(jù)挖掘還包括對數(shù)據(jù)的管理，算法選擇上也較為簡單，沒有神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等復(fù)雜AI算法。因此，AI

并不是

BI

的核心功能，AI+BI

的模式難成為

BI

市場的主流，更多的是

AI

For

BI：不是要用AI代替BI，而是盡可能借助AI的相關(guān)能力，提升BI工具在各環(huán)節(jié)的效率、降低BI工具的上手和使用門檻，讓更多領(lǐng)導(dǎo)和業(yè)務(wù)人員把BI用起來，幫助客戶最大化地用好BI工具的價(jià)值。維度AIBI定義模擬人類智能技術(shù)數(shù)據(jù)轉(zhuǎn)化為商業(yè)洞察功能學(xué)習(xí)、推理、自動(dòng)化數(shù)據(jù)分析、決策支持應(yīng)用自動(dòng)駕駛、智能助手?jǐn)?shù)據(jù)洞察、業(yè)務(wù)分析技術(shù)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)數(shù)據(jù)挖掘、數(shù)據(jù)可視化圖：AI+BI

的發(fā)展現(xiàn)狀和趨勢How：目前如何發(fā)展AI

forBI

產(chǎn)品對話式搭建：目前是采用“對話”的方式來提問，主要發(fā)展方向是

降低消費(fèi)門檻+提升制作效率具體到「AI

ForBI」的落地場景，大體可以分成兩大類：對話式分析：直接以對話為核心入口，能夠?qū)崿F(xiàn)即時(shí)性問數(shù)查數(shù)，AI輔助人工分析數(shù)據(jù)、數(shù)據(jù)資產(chǎn)檢索等，系統(tǒng)性地降低用戶的使用門檻；嵌入到原有產(chǎn)品流程中，去提升搭建制作的效率，實(shí)現(xiàn)快速生成組件/儀表板生成制作，做出分析報(bào)告等。圖：AI

For

BI

的發(fā)展方向圖：AI

For

BI

的應(yīng)用場景38 商業(yè)智能應(yīng)用白皮書

5.0商業(yè)智能應(yīng)用白皮書

5.0

39結(jié)果缺乏可解釋性

:人們需要基于可信的數(shù)據(jù)做業(yè)務(wù)決策，由于整個(gè)意圖解析和數(shù)據(jù)生成過程是一個(gè)黑盒，人們無法確定返回的數(shù)據(jù)就是他想問的數(shù)據(jù)。召回和精度方面的問題：也就是用戶問了10個(gè)問題，其中有多少個(gè)系統(tǒng)能夠給出正確的回答。之前的「問答B(yǎng)I」產(chǎn)品在技術(shù)上大都采用規(guī)則解析或規(guī)則解析+預(yù)訓(xùn)練（小）模型的方法來實(shí)現(xiàn)文本到

SQL

的轉(zhuǎn)化，技術(shù)上的限制導(dǎo)致問答的召回和精度不夠理想。進(jìn)一步的，由于預(yù)訓(xùn)練（?。┠Ｐ偷目鐖鼍胺夯芰Σ蛔?，就需要針對特定場景不斷的增加語料，并重新訓(xùn)練模型來提高精度和召回，從而導(dǎo)致實(shí)施成本變得難以接受。AI

For

BI的核心價(jià)值是降低用戶的使用門檻，讓離業(yè)務(wù)最近、離技術(shù)最遠(yuǎn)的一線業(yè)務(wù)人員也能在數(shù)據(jù)驅(qū)動(dòng)下做更好、更快的決策。然而，近年來國內(nèi)外各

BI

廠商陸續(xù)推出的一系列「問答

BI」產(chǎn)品在實(shí)際落地過程中都會(huì)發(fā)現(xiàn)，真正能夠讓用戶用起來的場景少之又少。大致有兩方面原因?qū)е麓蠖鄶?shù)「問答

BI」產(chǎn)品淪為一個(gè)個(gè)“玩具”。一方面，是由于業(yè)務(wù)人員不具備數(shù)據(jù)思維，問不出有價(jià)值的數(shù)據(jù)分析問題。另一方面，是產(chǎn)品確實(shí)還不夠成熟。這兩方面挑戰(zhàn)造成目前大多數(shù)AI

ForBI產(chǎn)品并不成熟：近年來，隨著市面上各種「數(shù)據(jù)分析」類的課程的推廣和普及，越來越多的業(yè)務(wù)人員逐漸具備了數(shù)據(jù)思維，能夠從數(shù)據(jù)的角度去分析業(yè)務(wù)問題。而大模型作為當(dāng)下最大技術(shù)紅利，其跨任務(wù)、跨場景的泛化能力為我們實(shí)現(xiàn)一個(gè)成熟的「AI

ForBI」產(chǎn)品帶來了新的機(jī)會(huì)。AI

for

BI

的技術(shù)與產(chǎn)品發(fā)展路徑AIFor

BI，一個(gè)核心落地場景是「對話式BI」其核心技術(shù)是

Text2SQL，就是要把自然語言轉(zhuǎn)化成具體的數(shù)據(jù)