Gartner：深入業務才能做好BI，當然還有AI這個驅動

至頂網CIO與應用頻道 08月14日 人物訪談（文/王聰彬）：商業智能（BI）這一概念出現於20世紀90年代末，代表的是為提高企業運營性能而採用的一系列方法、技術和軟體。1989年，BI的概念經由Howard Dresner的通俗化表達而被人們所廣泛了解，即一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的，目的是幫助企業進行決策的技術及其應用。

BI進入也很早，但當時的企業大多還在解決生產經營問題，所以BI的真正價值沒有被企業認識到，也沒有被發揮出來。隨著數據價值的逐漸顯現，越來越多的企業提出了對於BI的需求，BI已經成為幫助公司經營的重要手段。

每年2月，Gartner都會發布商業智能和分析平台魔力象限。從今年的數據來看，Microsoft、Tableau發展迅速，尤其是Microsoft在執行力上大幅度提高，已經和Tableau並駕齊驅。與此同時，BI的新趨勢在於人工智慧（AI）和BI的融合。預計在2020年，AI技術將成為90%現代BI平台的主流技術。

2017 Gartner商業智能和分析平台魔力象限

商業智能的三個時代

在20-25年前，企業內部都是人工操作。10-15年前出現了modern BI（現代化商務智能）工具，幫助企業製作固定格式的報表。近幾年，可視化展示讓BI變得更易操作和可理解。

可以說BI已經從IT主導分析轉向業務主導分析，Gartner研究總監簡儁芬（Melody Chien）觀察到，只為幫助老闆決策的IT提供的報表已經過時了，IT要轉變成給數據賦能的超級英雄，將更自動化、更簡單的數據分析提供給不同層面的人。

Gartner研究總監簡儁芬（Melody Chien）

這一變化的特點就是智能化，一個數據分析項目一般需要非常長的時間，尤其是前期的數據準備工作，IT技術可以讓這些工作變得更自動化、智能化、普及化。不僅參與者更多，而且數據洞察在內部使用的同時還可以分享給外部客戶、合作夥伴等，數據分析之後看到的內容越來越不是數據本身，而是數據背後的價值。

Gartner把BI劃分為三個時代，預計在3-5年內，第三時代的工具會越來越成熟，成為市場主流。

第一時代 「Semantic Layer-Based Platforms」（語義平台），幫助企業處理簡單的數據模型，對日常業務交易進行分析，但是很難做到根據市場波動快速調整模型。

第二時代「Visual-Based Data Discovery Platforms」（可視化數據分析平台），業務人員可以在沒有任何或少量IT技術能力的情況下，使用拖拉拽的方式對模型進行自動化的修改，並且用可視化的方式例如各種圖形來展示分析結果，但是還需要很多人為的配置部署。

第三時代「Smart Data Discovery Platforms」（智能數據分析平台），通過人工智慧自動從數據中挖掘出模型，並且利用機器學習的技術自動從中發掘數據的規律，這種自動化可以節省大量前期數據準備時間。

「三個時代在interaction（互動）和collaboration（合作）上有很大的變化。」簡儁芬指出，第一時代的互動是由IT事先編譯安排好的，如果發生任何變化都要重做流程；第二時代用戶通過可視化交流；第三時代則通過自然語言來做分析，而且隨著AI的發展，第三時代的工具會越來越普及，未來3-5年將達到成熟。

數據分析一定要和業務掛鉤

雖然從技術和產品上看，第三時代的工具已經逐漸呈現出爆發的趨勢，但是企業的實際應用卻是與之脫節的。就像開篇所提到的，BI進入很早，但應用的企業其實並不算多，其中大部分集中在金融、交通、電商等行業。

但在大家都在關注底層數據分析的現在，企業還在談BI嗎？簡儁芬給出的回答是肯定的。企業目前雖然大部分還停留在第一時代，僅有部分處在第二時代，但這並不影響企業真正把技術運用到內部業務流程，帶來實際的業務價值，尤其是第三時代的技術可以帶來明顯的業務提升。

企業都在不同程度地使用著BI，這些企業當前的目標是要快速過渡到第二、第三時代，而且首先要意識到BI不只是產生報表做決策用，更是企業內部流程自動化和數字化轉型的動力。

在BI的使用上可以分為四種分析模式，企業需要不斷地深入下去，甚至使用橫跨幾種的分析模式。

第一層、描述型分析（descriptive analytics），主要解決What Happened？了解企業已經發生的事實。

第二層、作診斷型分析（diagnostic analytics），主要解決Why has happened？看到發生了什麼的同時，研究為什麼會發生。

第三層、預測型分析（predictive analytics），主要解決What will happen？在變化的過程中預測到將會發生什麼。

第四層、規範型分析（prescriptive analytics），主要解決What will happen？What should I do？未來將會發生什麼，以及該怎麼做。

現在的企業都不缺數據，所以數據分析一定要回歸到業務層面。香港某大學在研究27種不同癌症的病因和發展趨勢時，需要從大量複雜的數據源中抓取數據。其運用的第三時代工具可以自動整理和標識出可能的病因，將一個學期才能完成的分析縮減到2-3周。

獲取BI技術很容易，但更重要的是企業需要考慮數據怎樣才能更有效地幫助企業運營。簡儁芬認為在使用BI方面，領先的行業和企業都有一個共同的特點，他們總在思考如何把數據賦能給客戶，甚至把數據分享給客戶和合作夥伴。