大数据时代， 5G、 互联网和新兴技术的不断发展和创新加速了数据的应用和落地。 数据成为企业的关键 生产要素， 数据量、 数据来源和数据类型正在呈指数倍爆发性增长。 BCG 在 数据化时代的商业革命 1 报告 中表明 “数字化颠覆几乎成为各行各业的 新常态 ” 。 在数字化转型的热潮下 ， 企业级全面数据决策能力和 数据价值洞察， 将商业智能 （Business Intelligence， BI） 应用推上新的风口浪尖， 成为企业迎接变革和商 业创新的决胜因素。 BI 问世已有二十余年， 受到广大企业的青睐与追捧， 硕果累累。 虽然不少企业没有特别强调 BI 这一概念， 但是 BI 的广泛应用已成既定事实。 然而面对复杂的外部环境、 多变的用户需求和激烈的市场竞争， BI 将如 何适应？ 国内市场能否扎根企业数字化转型的沃土， 守住 BI 的春天？ 企业又当如何应用 BI 以获取持续的数 据价值？ 为了回答这些疑问， 我们推出 商业智能 （BI） 白皮书 2.0 。 本白皮书是继 商业智能 （BI） 白皮书 1.0 2 之后的第二版， 由帆软数据应用研究院联合 CIO 时代学院、 新基建创新研究院共同发布。 在 1.0 版本的基础 上， 本白皮书将内容划分为概念篇、 趋势篇、 应用篇三个部分， 进行 了 全面的升级。 围绕这三个篇章， 本白皮书 聚焦国内企业对 BI 的最新诉求和行业最前沿的发展趋势， 基于我国的市场环境和企业需求调研， 在梳理并 定义 BI 概念的同时， 对整个 BI 行业市场、 产品方向、 功能技术等趋势进行 了深入的分析洞察， 并且基于大量 用户的 BI 落地实践， 总结出了有效的 BI 应用经验。 希望本白皮书的分析可以为我国企业的 BI 建设与数字化 转型提供参考和指导。 前言目录 概 念篇 1.1 BI 及其相关概念 1.2 BI 的价值 1.3 BI 的功能与技术 1.4 BI 工具 趋 势篇 2.1 行业市场趋势 2.2 产品方向趋势 2.3 功能技术趋势 应 用篇 3.1 构建 BI 价值蓝图 3.2 BI 工具选型 3.3 BI 生态系统 总 结 与展 望 01/ 03/ 04/ 02/ 02 26 34 193 概念篇 01 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院2 BI 及其相关概念 BI 起源于 上个世纪 50 年代， 随着信息技术的发展， 其概念也经历 了多次调整， 并且从企业广泛多样的应 用形式中衍生出很多相关的概念。 因企业决策支持需求而问世的 BI 概念， 需要不断适应市场环境和企业需 求的变化方能充分释放其价值。 1.1.1 BI 的由来与发展 BI 即 Business Intelligent， 中文译为为商业智能、 商业智慧或商务智能。 早在 1958 年， IBM 的研究员 Hans Peter Luhn 便将 “智能” 定义为 “对事物相互关系的一种理解能力， 并依靠这种能力去指导决策， 以 达到预期的目标。 ” 这期间出现的领导信息系统 （EIS， Executive Information System） 和决策支持系统 （DSS， Decision Support System） 等技术应用， 可以看作是 BI 的前身 3 。 但是由于技术、 企业环境现状等因素的限制， B I 经 历了一 段 漫 长 的 探 索 期 。 1996 年， 知名咨询机构 Gartner 集团正式提出 BI 的定义： 一类由数据仓库 （或数据集市） 、 查询报表、 数据分析、 数据挖掘、 数据备份和恢复等部分组成的、 以帮助企业决策为目的的技术及其应用。 由此看出 BI 并不是全新的事物， 而是对一些现代技术的综合运用。 BI 为企业提供迅速分析数据的技术和方法， 包括收集、 管理和分析数据， 将数据转化为有价值的信息， 并分发到企业各处， 让企业的决策有数可依， 减少决策的盲目性， 理性地驱动企业管理和运营。 按照图 1-1 中的数据价值展现角度， 数据转化为信息， 升级为知识， 升华成价值 的过程中要用到的种种技术和工具， 就是 BI。 数据转化为 价值 数据 价值 知识 信息 图 1-1 数据的价值展 现 BUSINESS INTELLIGENCE AND RELATED CONCEPTS 1.1 商业智能（BI）白皮书 2.03 BI 的本质是利用现代技术辅助企业决策， 因此随着信息技术的发展， BI 的概念范围也迎来了新的变化。 2013 年， Gartner 集团对 BI 的概念进行 了更新与扩展， 在 “Business Intelligence” 一词中加入 “Analytics” ， 合并成 “Analytics and Business Intelligence” （ABI， 分析与商业智能） ， 并且纳入应用、 基础设施、 工具、 实践等多项内容， 将其定义为 “An umbrella term that includes the applications, infrastructure and tools, and best practices that enable access to and analysis of information to improve and optimize decisions and performance” 4 ， 即 “BI 是一个概括性术语， 它包含了应用、 基础结构、 工具， 以及提供信息访问和分析以改进、 优化决策表现的最佳实践” 。 如果说最初的 BI 还不够智能， 其中的 “Intelligence” 翻译为 “情报” 可能更为恰当， 那么 “Analytics and Business Intelligence” 则融合 了 计算机、 统计学等相关知识， 随着技术的发展， 未来 Intelligence 将成为真正的 “智能” 。 除去 Gartner 等研究机构， 国内外的学者在一些文献和书籍中 ， 也对 BI 进行 了类似的定义。 表 1-1 对 Gartner 和部分文献书籍中的 BI 定义进行 了整理。 时间 来源 定义 国 外 表 1-1 BI 的主 流 定 义 Gar t n e r Gar t n e r N e g a s h&G r a y 5 Mur iit hi, G . M . & J. E .K o t z 6 St e v eW i l l i a m s 7 19 9 6 20 0 8 2 01 3 2 01 3 2 016 一类 由 数据仓 库 （ 或数据集 市 ） 、 查询报表 、 数据分 析 、 数据挖掘 、 数据备份和恢复 等 部 分 组 成的 、 以 帮 助企业 决 策 为 目 的的技 术 及 其 应 用。 B I is a dat a dr i ven pro ce s s t hat combine s dat a s tor age and g at her ing wit h k n ow le dge manage m e nt to p r ov id e inp u t into t h e b u sin e s s d e ci sio n mak ing p r o ce s s . A n um b r e lla te r m t h at in c lu d e s t h e a p p li c at i o n s , inf r a s t r u c t ur e a n d to o l s , a n d b e s t p r a c t i c e s t h a t e n a b l e a c c e s s t o a n d a n a l y s i s o f i n f o r m a t i o n t o i m p r o v e a n d o p t i m i z ed e c i s i o n sa n dp e r f o r m a n c e A n um b r e lla te r m t hat in c lu d e s t h e a p p li c at i o n s , inf r a s t r u c t ur e a n d to o l s , a n d b e s t p r a c t i c e s t h a t e n a b l e a c c e s s t o a n d a n a l y s i s o f i n f o r m a t i o n t o i m p r o v e a n d o p t i m i z ed e c i s i o n sa n dp e r f o r m a n c e A n um b r e ll a te r m t h a t e n co m p a s s e s p r o v i s i o n o f r e l e v a n t r e p o r t s , s co r e c a r d s , da s h b o a r d s , e - ma il a le r t s , p r e s t r u c t ur e d u s e r - s p e c i f i e d qu e r i e s , a d h o c qu e r y c apabi l it ie s , mu lt i - d i mensional analy s e s , s t at is t ic al analy s e s , fore c as t s , mo del s , an d/ o r s im ulat i o n s to b u s in e s s u s e r s f o r u s e in in c r ea s ing r e ve nu e s , r e du c ing c o s t s ,o rb o t h . 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院4 时间 来源 定义 国内 帮 助你把一些数据转化成具 有商 业 价值的 ， 而 且 可 以 获取的信 息和知 识 ， 同时在最恰 当 的时 候 ， 通 过 某 种方式 把信 息 传 递个 需要 的 人 。 从 专 业 的 角 度来 说 ， 商 业 智 能就是 利 用 数据仓 库、 数据分 析和 挖掘技 术 ， 以抽取 、 转换 、 查询 、 分析 和 预 测 为主 的 技 术手 段， 帮 助 企 业 完 成 决 策 分析 的 一 套 解 决 方 案 。 B I 是 利用 数 据 仓 库 、 数 据可 视 化 与 分 析 技 术 ， 将 指定的数 据 转 化为 信 息和知 识 的 解决 方案 ， 其 价 值 体现 在满足企业 不同人 群对 数 据 查 询 、 分 析 和探索的需求 ， 实现 对业务的 监测 和 洞 察 ，从 而 支 撑 管 理 决 策 、提 升 管 理 水 平 、提 高 业 务 运 营 效 率 、改 进 优 化 业 务 。 表 1-1 BI 的主 流 定 义 余 长 慧 ，潘 和 平 8 郑 洪 源 ，周 良 9 王 飞 ，刘 国 峰 10 帆软 数 据 应 用研 究 院 2 20 02 20 0 5 2 014 2 01 9 商 业智 能是从大量的数据和信 息 中 发掘有 用 的知 识 ， 并 用 于 决策 以 增 加 商 业利润 ， 是一 个 从数据 到 信 息 到 知 识 的 处理过 程。 商 业 智 能 是 构 筑 在 企 业 业 务 系 统 基 础 之 上 ， 以 知 识 获 取 和 共享 为 目 的 的 解 决 方 案 。 它通 过 对 企 业内 外 数 据 的 整合 、 分析 ， 提 取 出有 价 值 的 信息 ， 帮助用户 在 加 强管 理、 促 进营 销 和企业 发 展 方 面 做出及时 、 正确 、 科 学的 决 策 , 并 分 析 、 发现 和把 握 新的商机 。 由表 1-1 看出， 国内外对 BI 的定义存在较多类似之处， 学界的共识即核心观点均是从数据中获取知识， 辅助决策。 具体地， 我们将 BI 的定义拆分为四个方面来理解： 输入： 数据 （内部、 外部； 结构、 半结构、 非结构） 、 事实、 关系； 方法： 数据存储、 ETL、 数据分析、 多维分析、 预测等技术； 产物： 有价值的知识、 信息； 目的： 辅助科学决策、 发掘商业价值。 拆分后， BI 的概念更加清晰且易于理解： BI 是一种解决方案， 它以辅助决策为目的， 通过相关的数据技 术方法来处理企业各类数据， 产出可量化的、 可持续的数据价值， 这些价值表现在帮助企业实现业务监测、 业 务洞察、 业务优化、 决策优化甚至数据盈利。 此外， 表 1-1 中的相关定义还呈现出一个明显的趋势： 无论是国内还是国外， 随着时间的推移， BI 概念发 展得越来越广泛， 涵盖的内容越来越多。 从最初的技术应用到处理过程， 再到一整套的解决方案， BI 体系日 益庞大。 这一趋势也对应了信息技术和企业数据的发展过程， BI 在输入和方法层面逐渐吸纳扩充了较多的内 容。 商业智能（BI）白皮书 2.05 图 1-2 企业从业人员 的整体认知 图 1-3 企业从业人员 的整体认知 （a ） IT 部 门从业人员 认知 （b ） 业务部 门从业人员 认知 1.1.2 企业从业人员的认知 虽然 BI 问世已有二十余年， 学术界和 Gartner 等商业咨询机构也都对 BI 的概念做出 了较为清晰的解释， BI 却并没有想象中的 “如雷贯耳” ， 有些企业从业人员甚至没有听说过 BI。 造成这一现象的原因可能是以下几点。 首先， 企业界和学界存在一定的边界； 其次， 有些小型企业用不上 BI， 有些企业虽然拥有报表系统、 数据仓库 等 BI 技术， 但是并没有特意提及 “BI” 一词； 再次， 技术门槛使得最开始的 BI 只和少部分 IT 人员有关； 最后， 除去互联网企业和各行业龙头企业， 我国也是在近几年才真正掀起 BI 热潮。 因此企业从业人员对 BI 存有困 惑也在情理之中。 那么我国企业从业人员对 BI 的理解如何？ 是否与专业定义存在区别？ 有没有偏离 BI 原有 的含义？ 基于以上疑问， 我们对 770 多家企业的 1400 多名 BI 从业人员 （多为企业 CIO 和业务管理人员） 进行 了 调研 （记为 BI 从业人员调研） 。 通过对调研数据的整理、 清洗和分析， 制作 了图 1-2 和图 1-3 所示的词云图， 并由词云图得出以下结论： 整体上来看， 国内企业人员对 BI 的认知处于宏观目标层面， 对 BI 功能的认知集中在数据分析与数据 可视化上； 国内企业中 BI 的主要表现形式仍然是报表系统； 工作内容和工作性质的区别使得 IT 部门和业务部门的从业人员对 BI 的认知存在不同之处， IT 部门 更重视技术， 业务部门则更重视 BI 带来的业务价值， 不同业务部门的理解存在差异。 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院 数据来源 ： 帆软数据应用 研 究院 与研究机构和书籍文献中的定义相比， 我国企业从业人员对 BI 的理解侧重于数据的分析和展示， BI 更 多地被等同于数据分析与数据可视化。 因此在大多数企业中， BI 更多地是指分析和前端展示工具， 而不是一 个完整的体系。 这一理解偏差带来的结果就是 BI 正逐渐走向狭义， 即狭义的 BI 就是指 BI 工具， 而 BI 工具即指数据分 析与展示工具。 国内企业的理解认知正确与否我们无法断言， 毕竟这些认知来源于企业的反复实践， 但是长 此以往势必会带来不少问题。 一方面， 企业容易忽略 BI 数据底层的基础， 一味地追求数据分析与展示， 不能 系 统 地 看 待 B I 。另 一 方 面 ，我 国 的 信 息 化 环 境 与 欧 美 发 达 国 家 不 同 ，企 业 规 模 大 小 不 一 ，信 息 化 水 平 参 差 不 齐 ， 市场上缺乏类似 Gartner 的研究机构引导， 并且 Gartner 的结论不一定适用于我国的企业， 如果不形成统一 的 BI 认知， 将不利于中国 BI 行业的健康发展6 1.1.3 国内用户的诉求 既然 BI 要适应我国的市场环境， 那么便不能忽略国内用户的诉求。 近日， 我们对国内 300 余家企业的 CIO 进行 了调研分析 （记为 CIO 调研） ， 以期明确国内用户对 BI 的诉求， 获取全面的 BI 认知洞察。 CIO 调研数据显示， 企业对于 BI 的主要应用场景诉求依然集中在 “辅助决策， 提升决策效率” 和 “提供 管理依据， 优化管理方式” 等优势场景上， 如图 1-4 所示。 这一调研结果印证了 BI 辅助决策和提供管理依据 的核心目的， 也体现出 BI 在企业决策支持上的重要性和不可撼动的地位。 BI 通过数据为企业提供方向和指引， 能够 “在合适的时间为合适的人提供合适的数据” 。 除去决策支持层面的诉求， 调查发现企业对 BI 在数据壁 垒的打通与业务的优化转型方面同样有着不小的需求， 企业占比均超过 50%。 在数据成为企业重要生产要素 的同时， 企业希望 BI 能够帮助他们管理好这一宝贵资产 ， 为管理和业务提供有价值的决策参考。 具体到业务层面， CIO 调研数据显示， 中国企业应用 BI 优先解决的 5 大业务问题分别为： 支持分析和数 据科学、 成本控制优化、 业务创新 / 业务模式变革、 客户体验改善和生产 / 运营能力优化， 如图 1-5 所示。 其 中超过三分之一的企业希望通过 BI 解决分析和数据科学的问题， 特别是支持自助式分析， 是 BI 驱动业务人 员创新自主的重要形式之一， 响应了 “全民分析师” 的热潮和趋势。 数 据 来 源 ：帆 软 &CIO 时代 学 院 数 据 来 源 ：帆 软 &CIO 时代 学 院 支持分 析和 数据科学 成本控制 / 优化 业务 创新 / 业 务模 式 变 革 客户体 验 改 善 生产 / 运 营 能 力 优化 业 务 流 程自动 化 / 优化 风险管理 战略采购 / 供 应 商合 理 化 加 速 新 产 品 和 服 务上市 人 才 管 理 和劳动力优 化 其他 8 . 47 分 6 .6 9 分 5 .6 3 分 5 . 37 分 5 .1 3 分 4. 5 7 分 2 .7 7 分 2. 2 5 分 2 . 17 分 1. 8 4 分 0 .1 2 分 图 1-4 中 国企业对数据分 析和 BI 的主 要 应 用 场 景 诉 求 辅助 决策 ， 提升 决策效率 提供管理依 据 ， 优 化管理 方式 业务 监管和分 析 ， 推动业务 模式 转型 整 合 多 系统数据 ， 打通数据壁垒 提高 业务运行效率 ， 优 化业务流程 提高报表制作效率 ， 解放 IT 人员 客 户 行 为 洞 察， 360 度 客 户管 理 其他 图 1-5 中国 企 业 应 用 BI 优先 解决的 业务问题 7 7. 1% 7 2 .7 % 62. 3% 5 4 . 1% 5 2 . 4% 4 0. 3 % 3 5 . 5% 1 .7 % 商业智能（BI）白皮书 2.07 同 样 ，对 于 技 术 层 面 ，在 提 及 企 业 利 用 B I 优 先 解 决 的 5 大 技 术 问 题 中 ，自 助 报 表 、分 析 和 可 视 化 ，也 成 为 中国企业优先应用 BI 解决的首要技术问题， 如图 1-6 所示。 另外数据质量、 数据准备和数据增强等需要为数 据分析铺石开路的必要数据准备过程， 也成为 了 企业关注的焦点； 同时， 数据集成、 虚拟化和流数据处理； 业 务数据流程和企业业务应用连接也位列优先解决的前 5 项技术问题中， 这说明企业迫切希望打通数据孤岛， 实现数据集成和统一管理， 从而提升分析和决策能力， 也从侧面对 BI 提出 了 一系列功能上的要求。 数 据 来 源 ：帆 软 &CIO 时代 学 院 自 助 报表 、 分 析 和可视化 数据质量 、 数据准备和 数据增 强 数据集成、 虚拟 化和 流数据处理 业务流 程 集 成 企 业 业 务应 用 连 接 CRM 、 ERP 人工 智 能和机器学 习 元数 据管理 物 联 网 、智 能 设 备 、边 缘 计 算 区块 链 其他 8.81 分 6.6 分 6.37 分 5.35 分 4.54 分 3.96 分 2.97 分 1.66 分 0.34 分 0.03 分 图 1-6 中国 企 业 应 用 BI 优先 解决的技术问题 1.1.3 BI 与 BI 工具 基于前文所述， 我国企业亟需形成对 BI 的统一认知， 并将 BI 与 BI 工具进行区分， 从而共建稳定的市场 环境， 促进我国 BI 产业发展。 在文献研究、 BI 从业人员认知调研以及 CIO 调研的基础上， 结合我国的市场 环 境 ，我 们 对 B I 作 出 如 下 定 义 ： B I 是 在 打 通 企 业 数据孤 岛 ， 实 现 数据 集 成 和 统 一 管理 的 基础 上 ， 利 用 数据仓 库、 数据 可 视 化 与 分 析 技术， 将 指 定的 数 据 转化 为信 息 和 知识的解 决 方 案 ， 其 价 值 体 现 在 满 足企 业 不 同 人 群 对 数 据 查 询 、 分 析 和探 索 的 需 求 ， 从 而 为管 理和 业 务 提供 数 据依 据和 决策支 撑。 企业部署应用到实际生产环境中的 BI， 通常都是以项目和 工具为载体， 被称为数据分析平台、 数据决策系统、 报表分析系统等， 我们在此统称为 BI 系统。 BI 系统一般 符合三层技术架构， 即数据底层、 数据分析层、 数据展示层， 后文将详细介绍。 从整个数据领域来看， BI 工具作为大数据领域下一个细分领域， 与数据可视化工具、 数据挖掘工具同处 于分析工具子领域中， 如图 1-7 所示。 因此 BI 工具与数据可视化工具、 数据挖掘工具存在交集， 如一些 BI 工 具已经具备数据挖掘功能。 但是三者之间的区别也很明显。 数据可视化工具， 专攻于让数据更炫更精美的展示， 有较高的技术门槛， 如 Echarts， 它是一个纯 java 的数据可视化库。 数据挖掘工具， 则是专攻于从大型数据 集中发现并识别模式， 如 Python、 R 语言、 weka 等。 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院8 商业智能（BI）白皮书 2.0 数据 数 据 A PI 数 据 资源 行业 应 用 基 础架构 分 析工 具 图 1-7 数 据 领 域 生 态 图 谱 简图 BI 工 具 数 据可视化 数据挖掘 结合国内外 BI 工具的能力现状、 企业需求和应用情况， 以及 BI 工具在数据领域生态图谱中所处的位置， 我们对 BI 工具做出如下定义： BI 工具 即 狭 义 的 BI ， 是 指以 数 据可视 化 和 分 析 技 术 为主 ， 具备 一 定 的 数 据 连 接 和 处 理 能 力的 软件 工具 ， 使用 者能 通 过 可 视 化的 界 面 快 速制作 多 种类型的 数 据 报表 、 图 形图 表， 满 足企业 不 同 人群 在 一 定的安全 要 求 和 权 限 设 置下 ， 实 现 在 P C 端、 移 动 端、 会 议 大 屏 等 终 端 上 数 据 的 查 询 、 分 析 和 探 索 。 从 定 义 中 可 以 看 到 ，B I 工具一般聚焦于前端的数据分析和展示功能， 虽然具备一定的数据连接和处理能力， 但是很少涉及数据仓库 等数据底层的建设环节9 BI 的价值 1.2 THE VALUE OF BUSINESS INTELLIGENCE 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院 企业对数据驱动决策的需求促使了 BI 的诞生， 支撑管理决策是 BI 最核心的目的。 对于管理决策层来说， BI 的价值主要是提供管理依据， 提升管理水平， 即首先看到数据， 看到准确的数据， 看到实时的数据， 再基于 数据发现问题， 去改进问题， 并形成一定的激励机制， 从而提升管理者的管理水平。 传统的粗放式管理下 ， 企业决策往往依靠经验进行主观判断， 没有数据依据。 基于经验的决策不能说毫 无用处， 但是受人为因素的影响较大， 更容易为企业带来风险。 在这一决策模式下 ， 管理决策层经常面临无法 及时掌握准确的企业经营数据， 把控关键 KPI 经营指标、 财务状况及风险指标的情况， 更不要说及时作出准 确的决策判断 了 。 最常见的就是企业的经营分析会议。 很多企业都会有经营分析会议， 方式主要是各部门通过 PPT 汇报， 管理者发现问题后再进行探讨。 这种方式的弊端在于管理者发现问题的周期比较长， 开周会就是 至少一周， 开月会就是至少一个月。 并且在发现问题后， 需要更详细的项目数据进行分析时， 汇报人 一般很难 当场提供， 只能事后填补。 这样一来， 数据周期太长导致问题得不到快速有效地解决。 而 BI 则通过连接打通企业的各个业务系统为管理决策层提供了实时、 准确的数据参考， 促进企业管理 方式的转型和管理水平的提高。 由数据驱动的管理决策方式要求管理者依照经营所产生的数据进行决策， 进 而对各个组织环节进行管控， 具有客观性、 普适性、 全面性等优点， 并且决策后能够反哺业务数据， 形成真正 的管理闭环。 在数据实时与准确的基础上， 基于数据的透明和流程化， BI 便能够促进企业 PDCA 的高效循环， 并形成一定的激励机制， 提升管理水平。 BI 的定义中提到其价值在于满足企业不同人群对数据查询、 分析和探索的需求， 从而为管理和业务提供 数据依据和决策支撑。 这一说法比较宏观， 若要具体到企业角色和业务层面， 提升 BI 价值的可感知程度， 那 么我们可以从管理决策层、 业务执行层、 IT 支撑层三类角色的角度来分析 BI 价值的具体体现。 1.2.1 管理决策层： 提供管理依据， 提升管理水平10 商业智能（BI）白皮书 2.0 管理决策层的 B I 价值体现 针对上面所说的经营汇报问题， 某家化工企业利用 BI 工具进行 了创新， 让 IT 部门对月度经营分 析报表进行信息化， 并在每个会议室配备一个 iPad。 此后的月度经营会议只需要报告者打开 iPad， 基于实时数字演讲的同时也排除了 人工计算的差错， 开会时间从月中到月初， 直接提前了 14 天。 某制造企业的各类经营数据统计分析需要由各单位专人分日、 周、 月、 年在线下重复收集、 统计 后再以书面或电子邮件形式层层上报。 统计处理过程中数据分散在各个业务系统， 算法不规范、 数据 不统一， 效率低、 时效性差， 且存在遗漏、 错误、 数据不一致的风险。 高层领导对于企业经营指标数据， 只能被动地等待各单位统计上报， 不能实时掌握企业经营指标情况， 管理决策滞后风险大， 缺乏实效 数据的支撑。 该企业通过 BI 工具搭建了运营管理驾驶舱后， 为公司战略落地、 预算执行、 业务分析、 绩效评价、 持续改进提供了 一个高效、 闭环的运营监控平台， 通过对企业关键经营指标数据系统运算、 多维度的分析展示和层层钻取， 为各级领导高效、 及时决策提供更可靠、 更精准的数据支撑。 最终统 计效率提高了 50% 以上， 业务问题识别、 改善效率大幅提升， 重复问题再发率降低 60%， 企业运营 效率提升 20% 以上。 某集团在管理转型过程中， 通过目标管理结合 BI 大屏的方式实现管理决策， 让领导层利用信息 化提供的数据制定经营策略， 使整个管理机制形成闭环。 BI 大屏包括集团运营驾驶舱、 公司运营驾 驶舱、 综合管理驾驶舱等， 用于集团总经理办公室、 各大会议室、 起到实时监控及管理决策的目的。 决策者根据关重指标时间发展趋势， 非常直观的进行分析决策。 管理水平和工作效率有 了非常大的提 升， 经统计 ， 最终该集团人效提升 了 35%。 1.2.2 业务执行层： 提高业务效率， 促进业务优化 与管理决策层相比， 业务执行层的数据需求更加多变和复杂。 不同的业务系统数据， 不同的数据维度 和粒度、 不同的统计口径和标准等因素都加大了业务人员的数据管理和应用难度。 面对管理决策层下放的 数据统计和部门自身的数据分析需求， 业务人员经常要制作大量的手工报表， 有时候还需要寻求 IT 部门的 帮助进行逐级取数， 除去效率低下的困扰， 人工统计和处理数据的方式也增加 了决策不准确的风险。 另外， 对于繁琐的业务流程， 很多企业仍然采用拿着纸质表单跑来跑去的审批方式， 既浪费了业务部门的大量时间， 也不利于数据的保存与追溯。 在以上业务痛点下， BI 对业务执行层的价值则在于提高业务效率， 聚焦业务分析。 业务运营过程中涉及 的大量手工报表、 人工统计、 逐级取数等操作， 都可以由 BI 来代替， 既能减少 人为干涉错误， 提高数据的准确 性， 又可以提高效率， 节省时间成本。 在提高效率的基础上， 业务人员能够将更多的时间用在业务分析上， 从而 聚焦业务本身， 不断解决业务问题， 完善整个业务体系， 促进业务流程和业务模式的优化， 最终提升业务价值11 帆软数据应用研究院 X CIO 时代学院 X 新基建创新研究院 业务执行层的 B I 价值体现 某银行完成日常分析报表的固化工作后， 在需求调研过程中发现， 业务分析人员经常会用到 “探测式” 分 析 。例 如 ，通 过 报 表 发 现 净 利 润 下 降 了， 下 降 的 原 因 究 竟 是 存 款 成 本 太 高 ，还 是 贷 款 收 入 太 低 ？成 本 高的话是哪些机构、 哪些产品造成的？ 此时传统的固定格式报表很难满足分析的需要， 而如果每分析 一个维度都要临时提取数据， 业务人员与 IT 人员的沟通成本、 IT 人员的人工成本将会急剧增加。 BI 系统上线后， 业务人员无需再与 IT 人员反复沟通， 实现了根据自身需求自助提取、 自定义分析的目标。 整个过程由多 人合作变为单人完成， 并且可任意变更查询条件随时查询， 数据获取的时间由原来的至 少一周缩短为几分钟， 极大地提高了业务人员的效率。 某家零售企业智慧零售部门的数据分析师在思考如何组合商品、 确定用户定位、 投放渠道等问题 的时候， 首先需向 IT 同事先索要数据， 等待IT 同事响应完毕拿到数据后开始在 Excel中观察数据结构， 思考数据分布， 再利用自己专业的数据分析思维去找出数据规律， 分析业务中痛点， 构思提供解决方案 ； 形成解决方案后， 将数据分布查看的固定方式向 IT 提出需求， 让 IT 在报表系统中制作。 若发现报表 制作不符合要求则再次和 IT 进行沟通。 在这个过程中， IT 充当的只是一个取数和开发报表的 “工具” ， 并且业务人员分析数据的体验相当不好。 BI 系统上线后， 分析师利用即席分析功能， 不必为了拿到一 个数据而发起一个流程申请， 不必等待流程的排期， 节约了时间， 更进一步满足了业务人员的分析需求， 即时的想法即时数据跟进、 支撑、 验证， 释放了业务的分析潜力； 不必对数据需求进行反复的沟通、 校 验， 精力集中于处理业务、 发现问题、 分析问题、 解决问题， 节约时间同时也节约精力。 1.2.3 IT 支撑层： 打通数据壁垒， 释放 IT 价值 IT 部门是支撑企业信息化建设和 BI 建设的主体， 对于他们来说， BI 的价值主要体现在信息化建设和数 字化转型等方面， 具体可以从打通数据壁垒， 释放 IT 价值两个方面来看。 （1） 整合多系统数据， 打通数据壁垒， 解放 IT 人员。 数据孤岛是一个困扰很多企业的问题， 随着企业信 息化建设的不断推进， 企业建成了 众多的业务信息系统， 但是大量的数据也就分散在各个业务系统中， 甚至是 分散在多个 Excel 文件里， 而企业的经营分析却不可能只依赖某个业务系统或某几项数据。 因此， IT 部门的 大量时间和人力成本都花费在提取数据和整合数据上， 成为 了所谓的 “取数机” 。 BI 则能够提供接口， 整合多 系统数据， 打通企业的数据壁垒， 从而解放 IT 人员， 提高 IT 的效率。 （2） 推动企业数字化转型， 释放 IT 价值。 BI 对 IT 部门的另一大价值就是提升 IT 部门自身的价值。 IT 借助 BI 为管理层和业务部门提供了支撑决策和提升效率的方式， 一方面， 得到了管理层和业务部门的认可， I T 的 地 位 自 然 有 所 提 升 。另 一 方 面 ，B I 的 建 设 也 推 动 了 企 业 的 数 字 化 转 型 ，I T 的 重 要 性 也 就 不 言 而 喻 了12 商业智能（BI）白皮书 2.0 IT 支撑层的 B I 价值体现 “现在， 高层领导坐在办公室里， 看着大屏或者电脑， 随时可以掌握全国每一个在建和正 在运营的园区的状况， 甚至可以查看每一个大棚的信息。 曾经的纸质报告， 几乎全取消了 ， 汇报 用的 PPT 也减少 了60%。 最明显的是， 日常的运营汇报次数减少 了 50%， 而效率和效果却明 显提升 了 。 现在信息部经常被要求参加业务会议， 要给高层汇报业务数据分析的思路和建议方 案 。” 某农业科技公司 CIO “之前外包厂商开发一张报表要 3 万元， 一年下来也就领导看个几十 人次， 大量个性化的 业务需求无法满足， 而现在凭借我们 IT 部门的 2 名开发人员就已完全满足。 这一个个数据， 哪个不是科技部的心血和成就呢？ 我想， 亲身经历项目开发的人， 更能体会这其中的喜悦和成 就感； 积极参与项目的业务人员， 更能感受到综合辅助数据分析平台给自身带来的业务价值和 效 率 提 升 。小 数 据 的 背 后 ，是 心 血 ，是 成 长 ，是 人 心 。” 某农商行 CIO “千言万语， 不如我们店长一段实实在在的感慨。 他在给数据中心部门的邮件中写到 : 一 开始， 我感觉有 了秘密武器， 这个 APP 真是太方便了 ， 特别有用的是 门店实况销售 这个模块， 一打开就能看到每几分钟更新一次的实时销售情况， 可以看到部门、 课组销售和环比数据， 哪 个部门或课组的数据不好， 一目 了然。 点进课组， 可以看到 TOP 销售情况， 一对照卖场堆头， 就能看到主力单品是否有效果。 特别是 8 月上旬的一个周日， 当我对生鲜周经理说昨天下午 16:00 基围虾只卖了 2500， 而今天你听我的， 加大进货量。 到现在卖了4000+， 经理同志伸出 大拇指说出那句经典台词： 高 ! 实在是高 ! 的时候， 我 一 下子有 了 APP 在手， 天下任我走 的 感 觉 。” 某大型连锁超市 CIO13 报 表 、可 视 化 图 表 数 据 展示 查 询、 OL A P 分 析 、 数 据挖 掘、 可视化分 析 数 据 分析 数据仓 库 数 据源 3 数 据源 2 数 据源 1 数据底层 具 体 地 ，对 应 到 企 业 的 决 策 与 经 营 环 节 ，B I 的 运 作 流 程 如 图 1 - 9 所 示 。首 先 从 来 自 E R P 、O A 、财 务 等 不 同业务系统以及外部的数据中提取出有价值的部分。 接着进行数据的处理与存储， 经过 ETL、 数据清洗等过 程， 合并到企业级的数据仓库里， 从而得到企业数据的全局视图。 最后在此基础上利用合适的查询和分析工具、 OLAP 工具等对其进行分析和处理， 将数据信息转变为管理驾驶舱、 中国式复杂报表、 自助分析、 多维分析等 数据应用， 从而为企业管理者和运营人员的决策过程提供支持。 BI 的功能与技术 1.3 FUNCTION AND TECHNOLOGY E TL 帆软数据应用研究院 X CIO 时代学