數(shù)睿數(shù)據(jù)深度 | BI“亂世”出英雄，下一代BI應(yīng)從何入手顛覆格局？

去年年底國(guó)際BI巨頭Tableau宣布退出中國(guó)市場(chǎng)，將業(yè)務(wù)打包整合到Salesforce與阿里巴巴的合作關(guān)系中。從最近幾年技術(shù)發(fā)展趨勢(shì)來看，BI似有日薄西山之勢(shì)，BI這門生意還好做嗎?

關(guān)于BI的一個(gè)普遍質(zhì)疑是商業(yè)智能到底如何產(chǎn)生價(jià)值，為什么最后企業(yè)IT 部門或者業(yè)務(wù)部門完全淪為了做報(bào)表，能體現(xiàn)的價(jià)值只是節(jié)省了我們做報(bào)表的工作量，僅此而已。

高度依賴系統(tǒng)、知識(shí)與環(huán)境，更多的問題而非答案

傳統(tǒng)BI關(guān)心的是數(shù)據(jù)漂不漂亮，展現(xiàn)的形式是不是讓人喜歡，門檻夠不夠低，對(duì)業(yè)務(wù)的價(jià)值反饋周期比較長(zhǎng)。

數(shù)睿數(shù)據(jù)總裁劉超對(duì)當(dāng)前BI行業(yè)“工具負(fù)責(zé)好看、工作靠人來干、知識(shí)難以沉淀”的問題進(jìn)行了總結(jié)分析，大致歸納為“三個(gè)依賴”：對(duì)系統(tǒng)的依賴、對(duì)知識(shí)的依賴、對(duì)環(huán)境的依賴。

目前BI分析的數(shù)據(jù)大多數(shù)來源于各類業(yè)務(wù)系統(tǒng)，使用這些數(shù)據(jù)的時(shí)候會(huì)遇到很多質(zhì)量、安全、標(biāo)準(zhǔn)等方面的問題。問題出自于機(jī)器，但卻需要靠人去治理，這既不合理也產(chǎn)生了很多不必要的工作量，因此下一代BI應(yīng)該讓機(jī)器做機(jī)器該做的事，讓人做人該做的事。

其次，是對(duì)知識(shí)的依賴。人類社會(huì)發(fā)展到今天，各個(gè)學(xué)科、行業(yè)都積累了自己的知識(shí)，這些知識(shí)如果運(yùn)用到數(shù)據(jù)分析中，需要事先積累、吸收、融匯貫通，需要付出大量的努力。能不能讓工具代替人去消化這些知識(shí)，降低知識(shí)運(yùn)用的門檻，是第二個(gè)問題。

最后，是對(duì)環(huán)境的依賴。我們相信數(shù)據(jù)積累到一定規(guī)模，結(jié)合企業(yè)的知識(shí)歷史數(shù)據(jù)，就能實(shí)現(xiàn)智能化的知識(shí)共享。但是運(yùn)用知識(shí)的環(huán)境是紛繁復(fù)雜的，如何讓基于一個(gè)系統(tǒng)分析形成的知識(shí)能夠快速分享到另一個(gè)系統(tǒng)中產(chǎn)生價(jià)值，如果知識(shí)嵌入到別的業(yè)務(wù)系統(tǒng)依舊需要做集成，本質(zhì)上還是沒有擺脫大量的技術(shù)性工作。只有解決知識(shí)傳播受阻的這個(gè)問題，企業(yè)才真正具備動(dòng)態(tài)學(xué)習(xí)和積累的能力。

業(yè)界認(rèn)為，按照“DIKW”模型理論，BI不能停留在數(shù)據(jù)階段，做統(tǒng)計(jì)與可視化，而要專注于把數(shù)據(jù)轉(zhuǎn)變?yōu)橹R(shí)。下一代BI與人的關(guān)系，應(yīng)該是BI工具去數(shù)據(jù)中總結(jié)知識(shí)，人把知識(shí)和業(yè)務(wù)結(jié)合，產(chǎn)出智慧，創(chuàng)造價(jià)值。

下一代BI的隱形巨擘：增強(qiáng)分析與機(jī)器學(xué)習(xí)算法

隨著商業(yè)環(huán)境的變化，數(shù)據(jù)分析的維度和用戶使用習(xí)慣的要求也在不斷升級(jí)，面向下一個(gè)十年的BI該如何設(shè)計(jì)?筆者認(rèn)為好的能力是“當(dāng)用戶感知不到時(shí)，就是它無處不在的時(shí)候”，就是說它工作的時(shí)候你不會(huì)感知到它，當(dāng)它不工作了，你才會(huì)強(qiáng)烈地感到不適。

目前包括nextionBI在內(nèi)的一些國(guó)產(chǎn)BI已經(jīng)后起而直追，很多功能組件里都封裝了AI 算法，在看不到的地方，有更多的自動(dòng)化和智能化。比如數(shù)據(jù)分析模型提供了時(shí)序分析、預(yù)測(cè)、分類、聚類這些通用算法，用戶過去想做一些預(yù)測(cè)或分類，都需要機(jī)器學(xué)習(xí)的一些模型訓(xùn)練，現(xiàn)在用戶只需要開箱即用，很快的一鍵操作就可以完成三維/時(shí)序/圖譜等分析。

數(shù)據(jù)分析儀的另一大亮點(diǎn)是基于NLG(自然語言生成)的智能數(shù)據(jù)解讀，解讀也是自然語言式的，讓枯燥乏味的數(shù)據(jù)自動(dòng)說人話，對(duì)于數(shù)據(jù)不敏感人群可以提供友好的數(shù)據(jù)解讀輔助。當(dāng)數(shù)據(jù)量和維度都比較繁多的時(shí)候，智能數(shù)據(jù)解讀可以快速告訴你數(shù)據(jù)的分布是什么樣的，有哪些特征，特征之間是否有隱形關(guān)聯(lián)?關(guān)聯(lián)程度怎么樣?整體數(shù)據(jù)分布是否有空值?

商業(yè)智能的表象是可視化分析報(bào)表的呈現(xiàn)，但它的本質(zhì)還是業(yè)務(wù)問題、管理問題。增強(qiáng)分析就是盡量減少數(shù)據(jù)工程師的工作，釋放數(shù)據(jù)分析師的能力，讓機(jī)器替代開發(fā)者去完成很多事情。

從數(shù)據(jù)到知識(shí)的遷移，促進(jìn)下一個(gè)十年BI的進(jìn)化

“十年后回頭看，現(xiàn)在做的都不能算BI”，這是出自nextionBI發(fā)布會(huì)現(xiàn)場(chǎng)的原話。

口氣不小，如何實(shí)現(xiàn)?劉超將nextionBI的關(guān)鍵能力總結(jié)為：數(shù)據(jù)融合、增強(qiáng)分析、敏捷易用。從技術(shù)而言，似乎有舊詞新說的嫌疑，相同的概念也需要看面向什么談，面向數(shù)據(jù)和面向知識(shí)有著本質(zhì)的不同。

如果只是面向數(shù)據(jù)，數(shù)據(jù)融合可能做的是對(duì)更大數(shù)據(jù)量的支持，增強(qiáng)分析多做了幾種統(tǒng)計(jì)函數(shù)，敏捷易用則是提供了API文檔和詳實(shí)的用戶引導(dǎo)。但如果是面向知識(shí)，數(shù)據(jù)融合需要關(guān)注對(duì)更多數(shù)據(jù)維度、種類的覆蓋能力，結(jié)合相關(guān)性分析為維度選擇提供指導(dǎo);增強(qiáng)分析需要同時(shí)具備顯性知識(shí)識(shí)別和隱性知識(shí)挖掘兩種能力，將技術(shù)能力與場(chǎng)景結(jié)合;敏捷易用需要深入工業(yè)物聯(lián)、數(shù)字孿生中去，與跨行業(yè)的數(shù)字化應(yīng)用相互集成配合。

從面向數(shù)據(jù)遷移到面向知識(shí)，越往上離業(yè)務(wù)側(cè)越近，不讓數(shù)據(jù)成為包袱，讓業(yè)務(wù)人員更專注于業(yè)務(wù)本身。筆者相信數(shù)字化一定是由離業(yè)務(wù)最近的人來實(shí)現(xiàn)的，某種程度上說，數(shù)字化轉(zhuǎn)型是對(duì)人的要求，如果人人都有數(shù)字化創(chuàng)新的能力，這個(gè)公司就是擁有強(qiáng)大數(shù)字創(chuàng)新能力的公司。

知識(shí)的積累、發(fā)現(xiàn)與傳播可以幫助我們看到更完整的世界，先相信你看不見的世界。nextionBI是否會(huì)人如其名，成為下一代國(guó)產(chǎn)BI神器我們無從得知，但我們更愿意相信相信的力量，相信我們看不到的世界，相信一場(chǎng)奔赴數(shù)字創(chuàng)新藍(lán)海的理念、方法論、工具平臺(tái)已經(jīng)展開全圖景。

轉(zhuǎn)自：千龍網(wǎng)

　　【版權(quán)及免責(zé)聲明】凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時(shí)須獲得授權(quán)并注明來源“中國(guó)產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章及企業(yè)宣傳資訊，僅代表作者個(gè)人觀點(diǎn)，不代表本網(wǎng)觀點(diǎn)和立場(chǎng)。版權(quán)事宜請(qǐng)聯(lián)系：010-65363056。

延伸閱讀