從(cóng)2010年開(kāi)始，BI與數據分析市場便形成了(le)一個趨勢，那就是從(cóng)IT驅動升級到(dào)業務驅動。這(zhè)一趨勢在2016年得到(dào)了(le)完全确認，在Gartner 2016年BI與數據分析魔力象限報(bào)告中，在領導者象限傳統BI與數據分析廠(chǎng)商無一幸存，有的甚至在整個魔力象限報(bào)告中完全消失。而Qlik、Spotfire、Tableau等敏捷BI與數據分析廠(chǎng)商的業務持續增長，到(dào)2016年已經幾乎完全接管了(le)BI與數據分析的增量市場。

 Gartner2017年商業智能(néng)與分析魔力象限

Gartner2016年商業智能(néng)與分析魔力象限

BI與數據分析市場的這(zhè)一巨大(dà)變革，源于整個市場的用(yòng)戶和(hé)場景的變革。

在上(shàng)世紀末和(hé)2000年初，BI與數據分析領域的最常見場景，就是IT人員負責企業各個部門(mén)的需求收集并将之實現(xiàn)成爲一張張靜态報(bào)告，而業務人員則查看(kàn)靜态報(bào)告，或者接收到(dào)系統推送的一張張靜态報(bào)告。

這(zhè)一場景存在着兩個巨大(dà)的問題，首先是IT人員不足成了(le)企業數據分析的瓶頸。占企業不到(dào)5%的IT人員承擔着巨量的靜态報(bào)告開(kāi)發任務，他(tā)們加班加點地工(gōng)作(zuò)以月或者季度爲單位發布更多的靜态報(bào)告，IT人員工(gōng)作(zuò)負擔很(hěn)重。第二，分析報(bào)告的及時(shí)性無法滿足業務需求，往往也(yě)讓一線業務人員經常抓狂，例如電商企業的一線營銷人員在備戰雙11時(shí)往往需要數據來(lái)做決策，但(dàn)面對(duì)這(zhè)樣的需求IT人員往往隻能(néng)在12月才能(néng)提交上(shàng)線。

基于以上(shàng)需求，在2000年左右BI與數據分析市場出現(xiàn)了(le)幾款面向業務人員數據分析需求的單機版産品，例如QlikView、Spotfire等，這(zhè)些(xiē)單機版産品受到(dào)了(le)越來(lái)越多業務人員的喜好(hǎo)，後續這(zhè)些(xiē)單機版産品逐漸演變爲企業級産品，到(dào)現(xiàn)在又逐漸演變爲雲平台産品。

越來(lái)越多的業務人員成爲了(le)BI與數據分析産品的深度用(yòng)戶，很(hěn)多人還成爲了(le)“公民數據科學家”。

當前，“公民數據科學家”的增長速度是“職業數據科學家”的5倍，這(zhè)一增長速度意味着成百上(shàng)千家企業裏，有成千上(shàng)萬的“公民數據科學家”如雨後春筍般湧現(xiàn)。

他(tā)們接入敏捷BI與數據分析平台，按照自(zì)己的意願去探索數據、發現(xiàn)問題、找到(dào)答(dá)案并采取行動。大(dà)量具有業務洞察的數據分析報(bào)告被他(tā)們制作(zuò)、分享、交流，整個過程被IT人員在企業級平台上(shàng)進行監控和(hé)管理(lǐ)。

這(zhè)一場景在2016年成爲了(le)主流場景，BI與數據分析市場的大(dà)部分采購都源于業務部門(mén)的主張，IT部門(mén)會(huì)積極主導并參與其中。他(tā)們采購的往往都是敏捷BI與數據分析産品，這(zhè)些(xiē)産品必須很(hěn)好(hǎo)地支持無邊界的探索式分析。

要更好(hǎo)地滿足業務人員的需求，新技術成爲了(le)解決新問題的必要手段。

要支持無邊界的探索式分析，細粒度數據是基礎性要求之一。

舉個例子：基于每一張訂單的細節數據，業務人員将能(néng)分析去年全年訂單銷售收入中男(nán)性消費均值、男(nán)性消費方差、女性消費均值、女性消費方差，區(qū)域消費均值、區(qū)域消費方差等等。而上(shàng)世紀90年代的數據分析技術建立在OLAP等預先彙總技術之上(shàng)，很(hěn)難滿足無邊界的探索式分析。這(zhè)并不是因爲我們的前輩水(shuǐ)平有限，而是因爲當時(shí)處于286/386/486/586時(shí)代，哪怕是小(xiǎo)型機的存儲和(hé)計(jì)算(suàn)能(néng)力都很(hěn)有限，隻有把數據進行預先彙總，企業的BI與數據分析的平台才基本可用(yòng)。20多年來(lái)，這(zhè)些(xiē)傳統BI與數據分析平台爲企業帶來(lái)了(le)巨大(dà)的價值，也(yě)因爲技術架構的限制而難以适應當前的新需求。

從(cóng)2000年以來(lái)，大(dà)數據技術逐漸發展起來(lái)。分布式計(jì)算(suàn)、分布式存儲、高(gāo)性能(néng)計(jì)算(suàn)、庫内計(jì)算(suàn)、列存儲等相關技術應運而生，并被投入到(dào)實際的商業應用(yòng)中逐漸成熟。

但(dàn)事(shì)情沒有那麽簡單。在大(dà)數據時(shí)代，一則數據源複雜(zá)且數據量巨大(dà)，二則業務人員并不具備足夠的計(jì)算(suàn)機科學知(zhī)識，這(zhè)讓整個場景變得複雜(zá)起來(lái)。

從(cóng)使用(yòng)永洪科技的一站(zhàn)式大(dà)數據分析平台Yonghong Z-Suite的用(yòng)戶群體中我們發現(xiàn)，在探索式分析場景中，業務人員一個無心的點擊有可能(néng)給平台帶來(lái)上(shàng)百億次計(jì)算(suàn)量，什(shén)麽計(jì)算(suàn)請(qǐng)求應該被支持什(shén)麽計(jì)算(suàn)請(qǐng)求應該被刹車，這(zhè)對(duì)平台提出了(le)極高(gāo)的要求。一站(zhàn)式大(dà)數據分析平台需要支持上(shàng)千甚至上(shàng)萬個用(yòng)戶，在這(zhè)一平台上(shàng)既有成熟的數據分析報(bào)告，也(yě)有探索式分析；既有高(gāo)時(shí)效性數據分析報(bào)告，也(yě)有低(dī)時(shí)效性數據分析報(bào)告。如何讓整個平台一直穩定高(gāo)效地運行并持續支撐上(shàng)萬用(yòng)戶的數據分析需求，這(zhè)對(duì)大(dà)數據技術提出了(le)更高(gāo)的要求，因此現(xiàn)代企業最需要的一站(zhàn)式大(dà)數據分析平台的研發難度極高(gāo)。

另一方面，業務人員對(duì)平台的易用(yòng)性提出了(le)更高(gāo)的要求，語音(yīn)輸入、模式匹配、自(zì)然語言搜索等新技術也(yě)将被BI與數據分析産品納入，去更好(hǎo)地支持業務人員的數據分析需求。

AI和(hé)深度分析将成爲“公民數據科學家“的下(xià)一個使用(yòng)熱點。

基于統計(jì)方法，探索式分析爲業務人員帶來(lái)了(le)強大(dà)的數據解讀能(néng)力。他(tā)們可以從(cóng)數據中快(kuài)速找出模式、發現(xiàn)異常、解讀趨勢等等。

但(dàn)這(zhè)還是不夠，如果平台能(néng)給業務人員提供有效的深度分析能(néng)力，業務人員将不隻能(néng)看(kàn)到(dào)過去，還能(néng)預測未來(lái)。不過，”公民數據科學家“畢竟不是”職業數據科學家“，他(tā)們當中的大(dà)多數人不懂分類不懂聚類，也(yě)不懂時(shí)間序列等等技術，如何讓他(tā)們能(néng)得心應手地結合深度分析技術從(cóng)數據中獲取洞察，是一個不小(xiǎo)的挑戰。

另外(wài)，AI技術在各個領域改變着人們的生活，結合AI技術人們在自(zì)動駕車自(zì)動掃地自(zì)動飛(fēi)行等領域取得了(le)很(hěn)大(dà)的進展，而BI與數據分析市場也(yě)必然可以結合AI技術爲用(yòng)戶帶來(lái)更多的價值。雖然AI技術在這(zhè)一領域尚未被成熟而廣泛地運用(yòng)，筆(bǐ)者相信自(zì)動分析将在下(xià)一代BI與數據分析産品中發揮巨大(dà)作(zuò)用(yòng)。

雲計(jì)算(suàn)和(hé)大(dà)數據将不再是熱詞。

雲計(jì)算(suàn)和(hé)大(dà)數據已經是多年的熱詞，各行各業的人們都在讨論雲計(jì)算(suàn)和(hé)大(dà)數據，IaaS、PaaS、SaaS、DaaS等雲計(jì)算(suàn)術語讓人應接不暇，而HDFS、MapReduce、Spark等大(dà)數據術語也(yě)吸引着大(dà)量眼球。筆(bǐ)者發現(xiàn)，在成年累月的探讨之後，人們不再像之前那樣将雲計(jì)算(suàn)和(hé)大(dà)數據當做熱點談資，而大(dà)約一年前投資圈對(duì)On-Premise和(hé)SaaS的态度還是泾渭分明(míng)的。商業社會(huì)持續催生熱點吸引着大(dà)家，但(dàn)人們對(duì)每個熱點的關注往往難以持續。

我們看(kàn)到(dào)，在BI與數據分析市場客戶将不再關注模式是On-Premise還是SaaS，或者底層是不是大(dà)數據技術，塵埃落定之後漸漸回歸到(dào)了(le)商業的本質，也(yě)就是：如何給客戶創造價值。

永洪一站(zhàn)式大(dà)數據分析平台

以下(xià)是<Gartner 2017 BI與數據分析魔力象限>報(bào)告的内容，歡迎朋友們解讀。

現(xiàn)在BI與數據分析市場從(cóng)IT爲中心轉向以業務爲中心的狀況已經成爲主流。數據和(hé)分析市場的領導者們面臨無數的選擇：傳統的BI供應商已經在近期不斷創新彌補了(le)差距，而那些(xiē)“分裂者”們則進一步的增強了(le)落地實施的能(néng)力。

到(dào)2020年，智能(néng)的、企業級管控的、基于Hadoop/Spark技術的和(hé)以可視(shì)化爲基礎的數據挖掘能(néng)力将成爲下(xià)一代現(xiàn)代BI和(hé)數據分析平台的組成部分。

到(dào)2021年，現(xiàn)代BI和(hé)數據分析平台将會(huì)因爲智能(néng)數據挖掘能(néng)力的不同而體現(xiàn)出差異化，擁有智能(néng)數據挖掘能(néng)力的平台的用(yòng)戶量将達到(dào)非此類平台兩倍的增長率，而這(zhè)也(yě)會(huì)給客戶帶來(lái)兩倍的商業價值的提升。

到(dào)2020年，自(zì)然語言處理(lǐ)和(hé)人工(gōng)智能(néng)技術将成爲90%的現(xiàn)代BI平台的标準性能(néng)。

到(dào)2020年，50%的分析問題将通過使用(yòng)搜索，自(zì)然語言處理(lǐ)和(hé)語音(yīn)的方式生成，或者将被自(zì)動生成。

到(dào)2020年，一些(xiē)平台将爲用(yòng)戶提供内部和(hé)外(wài)部的數據目錄，與無法提供這(zhè)些(xiē)數據目錄的企業相比，他(tā)們将幫助客戶通過對(duì)數據分析的投資實現(xiàn)兩倍的商業價值。

到(dào)2020年，公民數據科學家的數量将比數據科學家的數量增長快(kuài)五倍。

BI廠(chǎng)商們應該支持以下(xià)5種應用(yòng)場景

1.以敏捷爲中心的BI産品：這(zhè)種平台支持敏捷型的、IT化的工(gōng)作(zuò)流程，包括從(cóng)數據到(dào)集中交付和(hé)管理(lǐ)分析内容，平台具有自(zì)有的數據管理(lǐ)能(néng)力。

2.去中心化的分析：支持數據的自(zì)服務數據分析。可以爲獨立的業務模塊和(hé)用(yòng)戶提供分析支持。

3.數據挖掘管控：支持從(cóng)自(zì)服務數據分析到(dào)自(zì)助創建數據分析管理(lǐ)頁面的工(gōng)作(zuò)流程，IT級的内容管控，而用(yòng)戶内容生成、管理(lǐ)頁面和(hé)分析内容都是可複用(yòng)和(hé)可升級的。

4.OEM和(hé)内嵌式BI：支持數據分析流程以内嵌BI至一個流程或者一種應用(yòng)中來(lái)實現(xiàn)。

5.外(wài)部部署：支持爲外(wài)部客戶或者公共領域、公民接入分析内容，流程類似以敏捷爲中心的BI。

以及以下(xià)15種關鍵能(néng)力

1.BI平台的監管、安全與架構：平台具有安全管理(lǐ)、用(yòng)戶管理(lǐ)、平台接入與使用(yòng)的審計(jì)、調優和(hé)保障高(gāo)可用(yòng)性和(hé)容災的能(néng)力。

2.雲BI：具有平台即服務和(hé)分析應用(yòng)即服務的能(néng)力，可以同時(shí)在雲端和(hé)本地部署、使用(yòng)和(hé)管理(lǐ)數據分析報(bào)告和(hé)數據分析應用(yòng)。

3.數據源的連接和(hé)融合：讓用(yòng)戶能(néng)連接到(dào)雲端和(hé)本地化的結構化和(hé)非結構化的數據，包含支持不同類型的數據存儲平台。

4.元數據管理(lǐ)：該工(gōng)具能(néng)夠讓用(yòng)戶利用(yòng)數據包模型和(hé)元數據。實現(xiàn)這(zhè)些(xiē)功能(néng)需要提供一種強大(dà)的和(hé)核心的方式方便管理(lǐ)者們去搜索、抓取、存儲、複用(yòng)和(hé)發布元數據對(duì)象，比如維度、層級、度量、表現(xiàn)特性/核心指标和(hé)報(bào)告布局等。平台管理(lǐ)者們需要有能(néng)力去升級業務用(yòng)戶創建的數據模型将其提升爲系統級的數據模型。

5.自(zì)有數據的抽取、轉換、加載以及數據存儲：該系統有能(néng)力爲連接、融合、轉換和(hé)加載數據至一個自(zì)有的功能(néng)引擎以及有能(néng)力去索引數據、管理(lǐ)數據加載以及更新計(jì)劃。

6.自(zì)服務數據準備：平台可拖拽不同來(lái)源的用(yòng)戶數據集，可生成分析模型，比如根據不同數據來(lái)源的用(yòng)戶可自(zì)定義度量、組合、集合和(hé)層級。高(gāo)級功能(néng)包括對(duì)不同來(lái)源的數據通過機器學習、語義識别、智能(néng)聯結、智能(néng)側寫、層級生成、數據行數和(hé)數據混合等進行分析處理(lǐ)。

7.内置的高(gāo)級分析功能(néng)：讓用(yòng)戶可以非常方便的接入高(gāo)級分析功能(néng)，在自(zì)有平台或者通過引入、結合外(wài)部高(gāo)級模型進行分析。

8.分析儀表盤：通過視(shì)覺探索和(hé)内置的高(gāo)級地理(lǐ)空(kōng)間分析能(néng)力去生成能(néng)夠被其他(tā)人使用(yòng)的高(gāo)交互性的儀表盤和(hé)内容。

9.可交互的視(shì)覺化探索：使這(zhè)種數據分析的探索可以借助可視(shì)化的選項，包括但(dàn)不限于基礎的圖表形式，比如餅圖、柱狀圖、線圖等，也(yě)包括熱力圖和(hé)樹狀圖，地圖和(hé)散點圖以及其他(tā)特殊主題的圖表形式。這(zhè)些(xiē)工(gōng)具能(néng)讓用(yòng)戶通過百分比、細分和(hé)組合的展示情況去分析和(hé)操作(zuò)數據。

10.智能(néng)數據挖掘：幫助用(yòng)戶在不通過查詢和(hé)建模以及寫算(suàn)法的情況下(xià)自(zì)動挖掘、視(shì)覺化和(hé)叙述重要的分析發現(xiàn)，比如數據間的關聯、排除、集合、連接和(hé)預測等。

11.移動端的數據探索和(hé)編程： 通過利用(yòng)移動設備的天然屬性，例如觸屏、照相功能(néng)和(hé)地理(lǐ)位置信息，讓客戶可以用(yòng)發布或交互的模式給移動設備升級和(hé)傳送内容。

12.嵌入分析内容：這(zhè)種性能(néng)包含供應商提供的軟件開(kāi)發工(gōng)具包和(hé)API接口，支持用(yòng)戶創建和(hé)修改分析内容，支持可視(shì)化展現(xiàn)和(hé)嵌入應用(yòng)程序，可将其嵌入到(dào)業務流程、應用(yòng)程序或門(mén)戶的開(kāi)放(fàng)标準中。這(zhè)些(xiē)能(néng)力可以來(lái)自(zì)于外(wài)部的應用(yòng)、或者被複用(yòng)的分析基礎設施，但(dàn)必須可以無縫的與内部應用(yòng)連接，也(yě)不需要讓用(yòng)戶在兩種系統間進行切換。這(zhè)種能(néng)力讓BI與其他(tā)數據分析應用(yòng)架構可以結合，讓用(yòng)戶可以選擇在哪個業務流程中嵌入分析模塊。

13.分析内容的發布、分享和(hé)結合：這(zhè)些(xiē)能(néng)力可以讓用(yòng)戶通過不同的結果類型和(hé)分布方式去發布、配置和(hé)優化分析内容，同時(shí)也(yě)有對(duì)内容搜索的支持、計(jì)劃和(hé)預警的功能(néng)。

14.平台能(néng)力和(hé)工(gōng)作(zuò)流：對(duì)于單一的、無縫的産品，或者多個産品來(lái)說，需要基于怎樣不同的功能(néng)去适配這(zhè)種融合的需求。

15.便捷的使用(yòng)和(hé)可視(shì)化展現(xiàn)：對(duì)管理(lǐ)者來(lái)說可以便捷的使用(yòng)和(hé)部署平台、生成内容、銷售内容以及與内容互動，同時(shí)也(yě)具備可視(shì)化展現(xiàn)的能(néng)力。

這(zhè)種預期的低(dī)增長率是對(duì)目前主流市場的情況反饋，這(zhè)說明(míng)市場的需求正在增加，但(dàn)仍會(huì)受到(dào)價格壓力的阻礙。購買決策将持續受到(dào)業務決策者和(hé)業務用(yòng)戶的強烈影響——這(zhè)些(xiē)使用(yòng)者希望使用(yòng)更敏捷的、具備成功能(néng)力的産品，爲小(xiǎo)型組織和(hé)部門(mén)級使用(yòng)而服務。這(zhè)意味着這(zhè)種先落地再擴展的模式始終主導着市場的銷售形态，但(dàn)作(zuò)爲企業客戶來(lái)說實施需求的增長以及平台的模式是否對(duì)具備敏捷、客戶友好(hǎo)等性能(néng)已經成爲了(le)更重要的衡量标準。企業的IT部門(mén)現(xiàn)在已經失去了(le)部分的決策影響力。在這(zhè)個快(kuài)速進化的市場中，新增長的核心驅動因素如下(xià)：

在規模上(shàng)，現(xiàn)代BI是新型采購的主要目标。企業在管理(lǐ)上(shàng)的需求遞增将推動IT部門(mén)更多參與到(dào)業務用(yòng)戶的需求實現(xiàn)上(shàng)。業務用(yòng)戶最初傾向于使用(yòng)這(zhè)些(xiē)新型工(gōng)具的原因是通過這(zhè)些(xiē)工(gōng)具進行數據分析，可以讓他(tā)們不依靠IT中心的幫助而自(zì)行完成——這(zhè)對(duì)他(tā)們來(lái)說是最主要的吸引力。而現(xiàn)在用(yòng)戶數的增加、應用(yòng)場景複雜(zá)性的增長以及更多應用(yòng)場景的産生都使業務部門(mén)催生出更多的使用(yòng)需求。因此IT部門(mén)必須更多的與業務部門(mén)協作(zuò)，用(yòng)更好(hǎo)的更敏捷的流程去支持快(kuài)速的業務擴張需求，支持業務用(yòng)戶自(zì)助完成分析内容以及這(zhè)些(xiē)内容的分布，去保障使用(yòng)和(hé)決策是基于可信賴的數據分析的基礎之上(shàng)。現(xiàn)代的BI工(gōng)具可以擁有更好(hǎo)的連接性、更敏捷的分析方式以及更客觀的分析洞察，同時(shí)也(yě)将保持很(hěn)好(hǎo)的易用(yòng)性，這(zhè)些(xiē)都将驅動和(hé)主導新的采購方式的産生。

創新型供應商和(hé)已有的廠(chǎng)商會(huì)驅動下(xià)一次市場分裂的浪潮，而現(xiàn)在這(zhè)種情況已經開(kāi)始顯現(xiàn)。市場一旦分裂，可視(shì)化的探索經驗将成爲主流并被普及，無論對(duì)大(dà)型或小(xiǎo)型的廠(chǎng)商都是如此，這(zhè)個市場将成爲下(xià)一次分裂的風(fēng)口浪尖，将推動新一輪購買激增的熱潮——原因是這(zhè)種高(gāo)性能(néng)的産品将爲用(yòng)戶減少從(cóng)高(gāo)級分析中獲得洞察的時(shí)間，以及爲他(tā)們帶來(lái)在企業内部更廣泛的分析組合。智能(néng)數據挖掘能(néng)力會(huì)幫助用(yòng)戶自(zì)動的去發現(xiàn)那些(xiē)存在于大(dà)量的、複雜(zá)的和(hé)持續增長的複合型數據集中的隐秘模式，而這(zhè)些(xiē)都不需要通過建模、寫代碼或者查詢來(lái)實現(xiàn)。這(zhè)些(xiē)能(néng)力減少了(le)人爲和(hé)自(zì)然的偏見在可視(shì)化探索編程中的産生，用(yòng)戶可通過高(gāo)亮(liàng)、視(shì)覺化和(hé)描述重要發現(xiàn)、關聯、組合、預測、異常值、異常呈現(xiàn)、聯動或者數據趨勢，在不通過建模的情況下(xià)去展現(xiàn)數據分析的結果。這(zhè)種能(néng)力讓用(yòng)戶通過自(zì)然語言理(lǐ)解和(hé)嵌入可落地的應用(yòng)模塊去實現(xiàn)數據查詢和(hé)探索式分析，将幫助企業擴大(dà)數據分析的範圍和(hé)價值。智能(néng)數據挖掘利用(yòng)自(zì)動探索讓數據科學平台進一步增強了(le)性能(néng)，而在未來(lái)，專業領域的數據科學家将推進更前沿的數據探索和(hé)驗證的方式去支持企業決策的需求。當創新型企業的新浪潮崛起時(shí)，傳統BI的廠(chǎng)商們——那些(xiē)曾經以緩慢的步調适應“現(xiàn)代分裂浪潮”的公司， 現(xiàn)在已經給出了(le)回應（比如IBM和(hé)Salesforce），而他(tā)們中的一些(xiē)（比如IBM and Salesforce），也(yě)正在主導下(xià)一次的“智能(néng)”潮流。

對(duì)複合型數據集的需求驅動了(le)在數據準備上(shàng)的投資。業務用(yòng)戶希望能(néng)夠分析不同來(lái)源和(hé)不同類型的數據，這(zhè)其中還包含大(dà)量且複雜(zá)的數據組合和(hé)數據模型，除數據倉庫和(hé)數據池之外(wài)，也(yě)包括對(duì)流數據的處理(lǐ)能(néng)力的需求等，這(zhè)都要求更快(kuài)速的計(jì)算(suàn)能(néng)力。這(zhè)種能(néng)力需要能(néng)夠支持對(duì)數據的快(kuài)速準備、清洗、豐富以及發掘出可信賴的數據，對(duì)擴展使用(yòng)需求來(lái)說，對(duì)複合型數據集的支持變得非常重要。

可延展性和(hé)可嵌入性将成爲擴大(dà)使用(yòng)範圍和(hé)提升使用(yòng)價值的主要的驅動因素。擴大(dà)使用(yòng)範圍的方式可以通過爲業務人員包括内部用(yòng)戶和(hé)客戶提供更爲自(zì)動化的工(gōng)具或者給他(tā)們正在使用(yòng)的應用(yòng)産品内置分析模塊來(lái)實現(xiàn)——也(yě)可以兩者兼而有之。可嵌入性和(hé)對(duì)用(yòng)戶内容的分析能(néng)力的提升将成爲這(zhè)些(xiē)工(gōng)具的适用(yòng)性和(hé)普及性的有力支持，無論從(cóng)分析産生的價值或者分析本身來(lái)說皆是如此。

支持對(duì)實時(shí)活動和(hé)流數據的處理(lǐ)能(néng)力，将幫助使用(yòng)場景得到(dào)延伸。爲适應企業快(kuài)速決策的需求，企業将增加對(duì)設備、感應裝置和(hé)交互産生的流數據的處理(lǐ)需求。在BI和(hé)數據分析市場将需要在一些(xiē)類似的能(néng)力上(shàng)進行技術投資——目的是幫助買家提供可以将實時(shí)活動和(hé)流數據以及其他(tā)來(lái)源和(hé)種類的數據合并處理(lǐ)的平台，将其升級成一種新的高(gāo)效能(néng)分析應用(yòng)，以幫助客戶在實時(shí)的可落地的洞察建立之後，保障分析洞察可以被很(hěn)好(hǎo)的利用(yòng)起來(lái)。

内容、數據和(hé)算(suàn)法的市場空(kōng)間将得到(dào)提升，而這(zhè)些(xiē)市場也(yě)将變得更加成熟，将爲企業創造更多的機會(huì)去購買、出售在業務洞察上(shàng)的分析能(néng)力和(hé)計(jì)算(suàn)能(néng)力。在細分領域内新的市場空(kōng)間的增長使買方和(hé)賣方能(néng)轉換和(hé)交換分析應用(yòng)，規劃數據的來(lái)源，定制可視(shì)化的展現(xiàn)和(hé)算(suàn)法，而這(zhè)些(xiē)市場空(kōng)間的增長很(hěn)可能(néng)就出現(xiàn)在BI和(hé)數據分析市場。現(xiàn)有的市場空(kōng)間仍然爲BI廠(chǎng)商提供了(le)新的渠道(dào)——在平台上(shàng)構建出解決方案，通過他(tā)們的客戶渠道(dào)和(hé)合作(zuò)夥伴的資源去銷售産品。成熟市場空(kōng)間的主要好(hǎo)處在于——這(zhè)是一個可連接終端用(yòng)戶群體到(dào)虛拟的無限能(néng)力的通道(dào)，這(zhè)将幫助他(tā)們在自(zì)己内部發展出解決方案和(hé)流程。

Yonghong 雲端産品布局

對(duì)雲部署的需求将持續增長。雲産品很(hěn)有可能(néng)會(huì)幫助客戶減少部署時(shí)間和(hé)成本。然而，“數據重力”的現(xiàn)象仍然存在，大(dà)多數企業仍傾向于本地部署，這(zhè)成爲這(zhè)種轉變情況的抑制劑—特别是對(duì)于IT部門(mén)的采購者來(lái)說。現(xiàn)在，這(zhè)一狀況正在緩慢的被改變。在2016年，有46%的參與調查問卷的客戶表示他(tā)們已經或者準備要做雲端BI的部署了(le)，來(lái)自(zì)業務端客戶的反饋要比IT端客戶的反饋更加積極。到(dào)2017年，雲端部署的比例将增加到(dào)51%，大(dà)部分增加的比例會(huì)來(lái)自(zì)于IT部門(mén)的需求轉變。我們希望這(zhè)種趨勢将繼續，伴随着新的軟件授權方式/購買方式成爲主流（超過半數），預計(jì)這(zhè)種情況會(huì)持續到(dào)2020年。

伴随下(xià)一次市場分裂的浪潮，新的創新型供應商将持續産生，而這(zhè)次變革應該被廠(chǎng)商們看(kàn)做是整體策略的一部分。之後的幾年中，大(dà)型的BI廠(chǎng)商在創新技術和(hé)創新領域的投資同樣會(huì)讓買方收益，同理(lǐ)，風(fēng)險投資機構對(duì)創新型企業的投資也(yě)同樣能(néng)使買方市場獲益。對(duì)過剩的創新産品的試點出現(xiàn)了(le)下(xià)降趨勢，同時(shí)供應商們去做POC的頻率也(yě)在下(xià)降，這(zhè)種趨勢體現(xiàn)的是買方企業随着時(shí)間推移将産生更多的科技負債——多個獨立的解決方案會(huì)促使業務價值快(kuài)速（匆忙的）轉變爲産品實施，而在實施過程中卻往往缺乏足夠的對(duì)系統設計(jì)，項目執行和(hé)項目支持的關注。在這(zhè)個快(kuài)速進化的BI市場中，企業應該通過發展正式的IT策略和(hé)參考合理(lǐ)的項目架構去避免在做選型評估時(shí)産生科技負債， 這(zhè)些(xiē)策略也(yě)将幫助企業在未來(lái)避免大(dà)部分返工(gōng)和(hé)再設計(jì)的工(gōng)作(zuò)量産生。

本文(wén)由大(dà)數據專家，永洪科技創始人&CEO何春濤（Henry He）先生撰文(wén)