热线电话
  • 010-88558925010-88558943
  • 010-88558955010-88558948
CMIC专家更多

中国半导体行业协会副

3月21日,SEMI产业创新投资论坛在上...更多>>

赛迪研究院未来产业研

近日,工业和信息化部、科技部、交通运输部...更多>>

中国市场情报中心 > CMIC研究 > 管理研究
CMIC:助力组织数字化转型 且看商业智能发力

发布时间:2017-02-08 09:35:40

来源:赛迪顾问

作者:杨梽永

【打印】 【进入博客】 【推荐给朋友】

【内容提要】近年来,各类组织都在探索从数据中发掘竞争优势和未来的业务创新点。很多组织的商业智能系统正在从报表式的传统商业智能,升级为高度可视化的和提供自服务功能的现代商业智能。组织希望借助数据可视化技术、图形界面和交互式协作来更加敏捷地激发创新,驱动决策。有鉴于此,赛迪顾问软件与信息服务业研究中心对商业智能产业进行了深度剖析,分析了制约组织数字化运营的各类要素,阐释了商业智能对组织数字化转型的积极作用,并从四方面提出了商业智能的未来发展趋势:商业智能基础设施化,云端分析能力普及,自服务的数据准备成为热点,数据的角色回归本源。
 
【关键词】商业智能,数字化运营,大数据
 
    过去的几年中,数据已经成为组织的生命线。各类组织都在探索从数据中发掘新的商业机遇和竞争优势。通过应用融合了数据可视化技术、图形界面和自服务操作的现代商业智能产品,业务用户可以充分利用数据力量,即时因应市场变化,发掘自身的竞争优势并以更快的速度实现创新。这种变化导致商业智能的传统方法和现代方法在组织内形成紧张的对峙局面。控制力与敏捷度、自服务与管控之间的矛盾变得愈发突出。同时,伴随着商业智能的日益服务化,IT和业务部门的角色也在发生转变,两者开始建立更紧密的合作伙伴关系。
 
    一、多种因素制约组织数字化运营能力建设
 
    (一)传统商业智能依赖IT部门,业务需求响应速度慢
 
    传统的商业智能(BI)是应用ETL、数据仓库(DW)和联机分析处理(OLAP)等技术,在搜集、整理并存储组织内部各业务单元数据的基础上,进行分析和可视化展现的解决方案。在传统BI中,为了应对大量级的数据分析,往往需要IT部门对常用的分析功能和指标进行事先建模(如构建数据立方体),然后再将分析结果推送给消费者和业务分析人员。这种做法能在几秒钟内快速解决复杂一点的计算,但如果业务需求指标发生变化(比如想了解指标变化的深层次原因),IT部门就不得不重新构建模型,并最快在第二天提交分析结果。这种“分析层”与“建模层”高度绑定的传统BI架构,难以满足终端用户多样化的实时分析需求,直接导致了IT部门忙得要死,而业务部门又急得要死,整个分析系统缺乏必要的敏捷性和灵活性。
 
    (二)组织内外部数据资源的整合利用存在瓶颈
 
    过去10年,伴随着各领域的信息化进程,组织内部陆续构建了大量的信息系统(如ERP、CRM、PDM和SNS等),实现了一定程度的信息化。然而,随着“互联网+”时代的到来,如何处理组织内部爆炸式增长的数据,融合各类异构数据源,匹配流式分析需求,提供高效的、简单的和可用的BI分析平台都成了组织亟待解决的新难题。而物联网设备和终端的大规模普及所带来的爆炸式数据增长会进一步加剧这一问题的难度。与此相关的结构数据、非结构数据和流数据的存储、传递和分析都将持续地考验组织内部BI分析平台的实用能力和适应能力。
 
    此外,如何收集并整合利用组织外部的合作伙伴数据、竞争对手数据和行业数据来协助组织决策,对当前的BI系统提出了更高的要求。市场和竞争对手的销售和运营数据,有助于组织从全局把握行业的发展态势,快速拟定明智的战略。合作伙伴数据(如互联网用户行为数据)则有助于组织实施数字化营销,征信风险评估和地理定位等服务。
 
    (三)行业层面的数据整合和共享机制尚未形成
 
    当前,结合数据仓库技术和大数据技术的“分析和可视化展示”是商业智能在行业应用中的主要着眼点。虽然各个行业都已经部署了大量的商业智能系统,但垂直行业内部的BI企业聚集度仍旧较低。众多企业各自为营,尚未形成一致的行业内数据整合和共享机制。未来,商业智能企业如何在垂直行业内部推进数据资源整合,加快垂直行业内部甚至跨行业的数据共享和协作机制构建,是摆在所有商业智能企业面前的难题。如果取得突破,则不仅会催生一批商业智能巨头企业,还可以促进相关行业乃至全社会的数字化运营水平。
 
    二、现代商业智能激发组织数字化运营能力
 
    (一)自服务BI释放分析能力,快速匹配终端用户需求
 
    自服务的现代商业智能系统相比于以往的商业智能系统,更加注重探索式分析方法和自然语言查询等功能。这两个功能所对应的交互可视化、搜索技术和自然语言处理技术,有助于客户在无需建模和编写算法的前提下,从大量复杂的、多结构化的数据集里洞察隐藏的模式。
 
    自服务BI在内涵上有两层含义。从开发层面来看,自服务BI通过分离“建模层”与“分析层”,将建模能力内生于分析模块中,使具体的分析过程不再需要预先设定模型和分析框架。通过采用敏捷开发方法,自服务BI的开发时间更短,项目成功率更高。从应用层面来看,自服务BI将应用和分析的权利转交给一线业务用户,其分析过程不再依赖于IT部门的技术支持。用户可以用“拖拽”等可视化操作方式完成交互,即时开展分析,快速响应市场需求。当前,基于探索式分析的自服务数据发现已经成为行业内的主流分析范式,“发现问题--找到答案--采取行动”的全过程自服务化也已然成为新的BI变革潮流。
 
    (二)结合大数据分析技术的混合BI架构成为核心
 
    大数据时代,BI分析中最关键的两个环节就是融合组织内部的各类数据(如结构数据、非结构数据和流数据),并在统一框架下提供稳定可用的存储和分析服务。当下,通过将MPP(Massive Parallel Processing)技术与Hadoop等分布式生态系统混搭使用,典型BI产品已经实现了对各类数据的融合,并形成了典型的BI分析范式。
 
    对于结构化数据的分析,传统的商业智能通过应用ETL、OLAP和数据仓库等技术,给出了完整的解决方案,但其在大数据量的分析情景下往往捉襟见肘。对此,新兴的解决方案是采用MPP技术的计算集群。该方案采用了Shared Nothing架构、列存储、粗粒度索引等多项大数据处理技术,以及高效的分布式计算模式,它运行于低成本商用服务器之上,具有高性能和高扩展性。MPP架构产品有效地支撑了PB级别的结构化数据分析,弥补了传统BI分析框架的不足。对于非结构化数据和流数据的分析,当前主流做法是应用扩展和封装的Hadoop、Spark和Storm等数据分析平台,并结合NoSQL和NewSQL等技术,来实现对海量数据的分布式存储和计算。
 
    (三)商业智能的渗透加速行业层面信息资源整合
 
    商业智能的核心是对各类信息资源的整合利用,它通过运用大数据、云计算和可视化等技术,为组织提供数字化的决策支持,发掘组织潜在增长空间。随着现代商业智能应用的普及,很多企事业的内部数据将逐步从封闭和散乱状态变得规整,进而在垂直行业内部形成数据资源的整合甚至流动。以医疗行业为例,一个个BI项目的落地将促进各级医院内部数据的规整,以及针对医疗行业的典型分析范式的体系化和规范化。这一方面将促使部分BI企业成为医疗行业内的巨头;另一方面,通过结合各级政府对数据共享和数据交易的支持,这些BI巨头将逐步推动医疗行业内部的“数据资源共享和流动”逐步成为事实,加速医疗行业内部甚至全社会的信息资源整合。
 
    三、现代商业智能的未来发展趋势
 
    (一)商业智能将逐步“基础设施化”
 
    作为大数据和云计算等技术在终端行业应用上的“出口”,未来的商业智能将最终演变为各领域日常运营中的“基础设施”。得益于自然语言处理和生成方面的技术进步,各类高级的数据分析工具将变得更加易用,用户将可以使用自然文字和语言与数据进行交互,让数据、图表和仪表盘更加易于操作。这些技术将融入到各类工作场景中,以极为便利的方式为人们所用,成为驱动组织各级决策的主要工具。与此同时,业务用户在数据方面变得更加精明,数据分析将成为各领域专业人员必不可少的核心能力。与熟练操作Word,Excel和PPT一样,掌握数据分析技能将成为对各领域专业人员的一项基本要求。
 
    (二)基于云端的商业智能分析将成为必然趋势
 
    最近5年,云计算的大规模应用已成事实。国、外的Amazon AWS、IBM SmartCloud、Microsoft Azure,以及国内的腾讯云、阿里云和天翼云等产品已经渗透到各个领域。在此背景下,基于云平台的商业智能服务必将成为各大BI厂商的标配产品。Amazon的Redshift云端数据仓库,以及PowerBI service、Tableau Server、Qlik Sense cloud等云端BI产品都已经得到了业界广泛的关注。“云端的分析”将逐步成为主流的BI分析范式。尽管很多组织仍倾向于部署“混合云”架构,但这并不影响“基于云端的数据分析”成为速度更快、可扩展性更高的解决方案。
 
    此外,云端的数据分析,加速了协作式数据分析和共享成为主流。传统单向的、静态的以PDF和PPT为载体的数据共享方式成为过去,云端分析时代的人们将可以通过实时的、交互式的工作簿和数据源来为业务决策提供支持,通过在彼此共享的工作成果基础上,快速迭代来回答问题,激发创新。
 
    (三)自服务的“数据准备”将成为BI的下一个发展重点
 
    自服务的现代商业智能系统强调“用户端”的友好。通过将复杂的“数据准备”和“数据分析”与具体的“建模过程”相分离,可以逐步实现用户端友好地自助式分析。自2016年Gartner提出《BI魔力象限图》以来,探索式数据分析已经成为业内的事实标准。但“数据准备”却依旧没有摆脱IT和数据专家的掌控。下一步,涵盖数据抽取、数据清洗、数据转换和数据加载等流程的“数据准备”功能将逐步脱离IT专家的控制,可以由业务人员在无需编程的情况下,依据需求来独立完成。至此,数据的应用才将真正摆脱对IT部门的依赖,演化为一种组织能力。与此同时,IT部门也将完成角色转变,从原先繁重的报告制作者转变为数据分析能力的供给者,为组织激发创新和驱动决策提供所需的安全性、灵活性和敏捷性。
 
    (四)数据角色回归本源,成为业务分析的支撑
 
    随着现代商业智能的普及,数据将回归其本来的角色。虽然“大数据分析”对非结构数据和流数据的挖掘和分析,补充并拓展了传统数据分析(以结构数据为主)的范围,提升了分析的深度和广度。但是,随着现代商业智能技术的普及,多样化的大数据与电子表格式的结构数据间的差别将不再显著。数据类型、形态和大小上的差别对组织的影响将趋于弱化,它们都将成为在一致商业智能平台下,为组织成员解答业务问题提供支撑的基本组成要素。

责任编辑:拂晓晨风

相关报道
  • --

联系我们:8610-8855 8955 zhouhl@staff.ccidnet.com

广告发布: 8610-88558925

方案、案例展示: 8610-88558925

Copyright 2000-2011 CCIDnet.All rights reserved.

京ICP000080号 网站-3