摘要：
隨著數字經濟時代的到來，企業面臨著新的機遇和挑戰，數字化轉型成為企業提升競爭力的必要手段。企業數字化轉型離不開信息化的建設，商業智能BI作為信息化建設中的關鍵一環，在企業數字化轉型中發揮著重要的作用。
目錄：
一、2010年vs 2020年，BI商業智能的發展歷程
二、從歐美到中國，商業化分析正被廣泛應用
國外商業化分析案例--雀巢：培養數據驅動業務決策的企業文化
國內商業化分析案例--某全球領先ICT企業：面向”自助消費”的數據服務建設
國內商業化分析案例--某大型國有銀行：搭建全行統一的自助分析平臺
三、結論，BI已進入業務用戶商業化分析新時代，永洪BI是新時代的最佳伙伴
隨著數字經濟時代的到來，企業面臨著新的機遇和挑戰，數字化轉型成為企業提升競爭力的必要手段。通過數字化轉型可以幫助企業抓住新機遇，提升企業韌性，應對外部環境的變化及內部組織變革的挑戰。企業數字化轉型不是簡單的新技術的創新應用，是發展理念、組織方式、業務模式、經營手段等全方位的轉變，既是戰略轉型，又是系統工程，需要體系化推進。
企業數字化轉型離不開信息化的建設，商業智能BI作為信息化建設中的關鍵一環，在企業數字化轉型中發揮著重要的作用。通過商業智能BI，對下能連接打通企業業務系統數據庫，將各業務系統數據整合到數據倉庫，簡化存儲取數流程，減少人力、時間成本；對上能提供數據可視化報表，通過數據可視化分析全面展現企業發展狀況，追蹤業務執行效果，促進業務健康發展，輔助進行管理決策。因此想要真正實現企業數字化轉型，讓信息化和數字化深入企業，離不開BI商業智能分析平臺。
一、2010年 VS 2020年，BI商業智能的發展歷程
BI的概念最早是由Gartner在1996年提出，其定義為一類由數據倉庫（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、以幫助企業決策為目的的技術及其應用。從發展階段來看，我國BI的發展分為兩個階段。
2010年處于IT用戶報表開發時代
第一個階段是以2010年為代表的IT用戶報表開發時代，屬于傳統BI，該階段產品報表的開發與制作以IT為主導，由業務用戶提需求，IT工程師負責項目規劃、數據準備、報表開發、測試、最后上線給到業務人員使用。
【一圖看懂傳統BI和自助式敏捷BI的差別】
2020年開始進入業務用戶商業分析時代
在2010-2019年，報表類產品是中國最受歡迎的BI產品，而Gartner2022年發布的一份針對中國分析平臺市場的報告提到，報表類產品的需求增速在逐漸停滯，增量的需求來自于更強調低門檻分析能力的現代化的分析型BI平臺（Analytics and BI platforms），這類產品未來5年將會以超過30%的增速，引領整個BI市場的發展。
這個結論和我們近幾年不斷接觸客戶和對市場變化的持續感知產生的觀察不謀而合。近年BI市場的發展趨勢明顯呈現出從IT走向業務、從報表工具走向分析決策的特征，開始逐漸步入業務用戶商業分析的時代，與此同時以永洪BI為代表的新一代敏捷BI產品應運而生。
從報表工具和商業分析角度來看，該階段產品主要以面向業務用戶/分析師為主，整個過程當業務用戶/分析師有需求和問題時,IT工程師只需負責把基礎的數據整理好，其他數據準備和報表開發都讓業務人員通過拖拉拽的方式完成，同時也可以進行“究其原因”的探索式分析，讓業務人員可以真正通過數據提升業務效果。
【一圖看懂傳統BI和自助式敏捷BI的差別】
二、從歐美到中國，商業化分析正被廣泛應用
在全球范圍內，第一批BI工具廠商在20世紀80、90年代誕生于歐美市場，并于2000年前后初步在全球形成一定規模，出現了美國的MicroStrategy、Hyperio、Salesforce，法國BusinessObjects，加拿大Cognos和Crystal Reports、Siebel Analytic，瑞典Qlikview等行業領軍者。到2010年，歐美開始規模化進入業務用戶商業分析時代。
【一圖看懂國內外BI發展歷史】
國外商業化分析案例--雀巢：培養數據驅動業務決策的企業文化
雀巢是一家總部位于瑞士的跨國食品和飲料公司。成立于 1866 年，擁有超過 291,000 名員工和 403 家工廠，2021 年的銷售額為 871億瑞士法郎。擁有如此大規模的公司，為員工尋找合適的業務管理工具以做出有價值的業務決策既至關重要又具有挑戰性。雀巢從2010年就已開始構建商業化分析體系，后來又引入了BI商業化分析工具，以幫助那些做出業務決策的人在需要時訪問他們需要的數據，而無需等待集中式數據團隊的報告。
在整個數據分析架構體系當中，雀巢的分析技術堆棧包括四個領域。這些領域的組件是成功分析解決方案的基石：
（1）商業智能工具
（2）機器學習和統計平臺
（3）數據管理解決方案
（4）數據治理和集成
【圖1. 雀巢用于BI的工具和平臺】
【圖2. 分析解決方案和服務】
為了讓員工更好地訪問數據，從而對市場做出快速反應。雀巢開發了統一的數據倉庫，并將數據倉庫中的數據與其他本地數據集相結合起來，利用自助式BI，以準確、高效的方式為員工提供數據分析服務，從而促進科學決策和公司的可持續發展。
1、數據驅動下的科學決策
以某部門的營銷分析主題為例子，該儀表板的目標是提供全球統一的儀表板界面，讓部門內部人員可以實時訪問其關鍵業務和品牌的績效指標表現，提供業務決策依據。
這個儀表板匯總了來自各種內部和外部來源的 Purina 營銷數據，包括來自 Nielsen 等媒體機構、定制研究、聯合銷售來源、社交媒體和銷售點的數據。例如Consumer Metrics（消費者指標分析）頁面整合了品牌資產、品牌情緒、家庭面板數據和來自各種來源的消費者聯系方式，以全面了解品牌的評價程度，并做出精準的決策調整。
【圖3. 用于了解銷售指標和品牌購買情緒的儀表板】
2、自助分析助力雀巢保持全球的核心競爭力
雀巢通過明智的戰略性技術投資來增強員工能力并創建一個現代和先進的組織，培養以數據驅動的企業文化，讓員工能夠做出科學的業務決策，從而繼續保持企業的競爭力。截止2020年底，公司內部的用戶已增長到每月超過45000位活躍用戶。2022年5月，Gartner 發布2022年全球供應鏈25強排行榜中，雀巢以“創新轉型、數字賦能的智能供應鏈戰略”優勢，榮登全球第八。
而在中國，商業化分析的步伐開始于2020年，相較于歐美落后10-15年，但隨著本土BI企業的日益成熟，商業化分析的土壤在智能制造、金融、零售等行業的頭部企業中快速興起，這加速了追趕歐美的步伐。
國內商業化分析案例--某全球領先ICT企業：面向 ”自助消費” 的數據服務建設
該企業創立于80年代末，是全球領先的ICT（信息與通信）基礎設施和智能終端提供商。目前約有20萬員工，業務遍及170多個國家和地區，服務全球30多億人口。
1、從 ”保姆” 模式到 ”服務 + 自助” 模型
過去，該集團各業務部門的分析訴求往往通過公司總部”保姆式”的開發模式來滿足，即業務部門只負責提出需求，所有的方案從設計到開發實現，統一由總部完成。這也是傳統BI的開發模式，強依賴于IT人員，貫穿整個數據分析的過程，從獲取數據、建模到設計報告，均需要IT人員的支撐，這種模式存在多個問題：
1）開發周期長。通常從需求提出到開發實現，需要多輪次需求解析和澄清，IT開發完之后還需要進行嚴格的測試驗證部署，因此整個周期通常最短需要30天。
2）無法滿足靈活多變的業務要求。業務運營是按需開發的，而業務開展時的問題和風險是經常變化的，總部無法響應所有業務部門的需求。
在這種背景下，提出了”服務 + 自助” 模式，即公司總部只提供統一的數據服務和分析能力組件服務，各業務部門可以根據業務需要進行靈活的數據分析消費，數據分析的方案和結果由業務自己完成。使得數據分析消費周期極大縮短。發揮業務運營主觀能動性。減少“煙囪式系統”的重復建設。
2、打造業務自助分析的關鍵能力
該企業將自助分析打造成企業內部的一種公共的能力，在企業層面進行了統一構建。一方面，面向不同的消費用戶提供了差異性的能力和工具支撐；另一方面，引入”租戶”的概念，不同類型的用戶可以在一定范圍內分析數據、共享數據結果。
在選擇要實施的工具時，擁有便捷的數據分析能力和高效的性能，同時還使業務用戶能夠在數據結果共享時保障數據安全非常重要。該企業在2019年選擇了永洪BI作為內部的自助分析工具，幫助用戶能夠快速釋放數據價值，驅動業務增長。
截止到2019年，永洪BI工具已被逐步推廣到集團的20幾個單位或部門。培育了近2000+商業化數據分析師，生產了超過3W+張自服務分析報告，周活報表10000+。為集團各部門的業務決策提供了靈活、精準、高效的支撐。
國內商業化分析案例--某大型國有銀行：搭建全行統一的自助式分析平臺
該銀行屬于中央管理的大型國有銀行之一，在2015年被認定為是全世界市值最高的銀行之一。2018年底總資產超過27兆人民幣，個人金融資產達12兆人民幣。
1、大數據平臺建設歷程
該銀行從 2002 年開始建設數據集市，當時主要使用 Oracle 類單機版的關系型數據庫。隨著數據量不斷增加，開始引入 TD、ED 等國外高端一體機。2014 年該銀行正式基于 Hadoop 技術建設了大數據平臺，在其之上構建了企業級數據湖及數據倉庫。2017 年，隨著 AI 技術的興起，又開始建設機器學習平臺，2020 年開始建設數據中臺和高時效類商業化分析平臺。
2、為什么要上企業級自助式BI系統
該銀行原有報表平臺有自研報表平臺、水晶報表、Cognos和SAS。在使用時面臨著以下問題：
1）數據交互式查詢慢。該銀行的數據量級在千億級別，數據涉及面廣，分析的復雜度也高。原系統的hive查詢往往會出現幾分鐘甚至幾十分鐘才能返回數據結果，無法滿足快速、準確查詢的需要。
2）數據分析和業務探索能力不足。該銀行需要服務集團及分子公司上萬業務用戶，原有系統分散，不能滿足全行業務分析師在線數據挖掘和業務探索的需求。
3）原有報表圖表樣式少。該銀行原有報表圖表樣式10余種，難以滿足豐富精致的數據圖表樣式需求。
4）權限管控機制不夠。該銀行需要企業級權限管控，保障數據安全應用。
3、商業化數據分析平臺的技術架構
該銀行的實時大數據平臺依托于華為云 FusionInsight 智能數據湖為數據底座，以永洪BI作為全行的自助式數據分析中心。
【圖1 系統架構】
1）數據層
a.數據底座：依托華為Hetu集群，大大加速了數據查詢與計算的速度，由一開始的分鐘級優化為秒級響應。
b.自助BI層：采用了BI系統直接連接數據湖的形式。數據分析師通過bi平臺的功能自行編寫查詢語句，對于數據湖中數據進行抽取來完成各式各樣的自助式bi分析功能。這樣的設計會使得分析非常靈活，自由度高。
2）服務層：由于行方需要上百臺BI系統來滿足大規模用戶使用需要，采用了分布式docker容器方案，通過啟動docker靈活部署的方式+即時BI系統的license server功能，實現了即停即起，license管控，心跳檢測，自動殺停等一系列靈活部署的機制。
3）業務層：需要規范安全的權限管控機制，支持集團，區域，項目，不同中心以及子公司等多層級、分角色、分用戶、高安全性、易操作的權限管控保障要求。
【圖2 技術架構】
到2020年，該銀行通過永洪BI和華為云的數據湖搭建的全行級的統一數據分析平臺加速了海量數據的價值轉化，服務了全行上千名數據分析師，利用高效便捷的數據分析服務促進了更快、更有效的業務決策。
三、結論，BI已進入業務用戶商業化分析新時代，永洪BI是新時代的最佳伙伴
數字化的飛速發展以及數字經濟的擴張，讓數據成為繼土地、勞動力、資本和技術之后的第五大生產要素，更是上升為國家重要戰略資源。隨著硬件存儲和計算能力大幅提升、軟件平臺和產品能力越來越成熟，企業人才素質不斷提高，企業將實現數字化轉型的重心放在數據的有效應用，釋放數據價值，讓數據可以有效賦能業務增長，提升經營發展質量上。2020年是中國規模化進入業務用戶商業分析時代，各企業面對數字化轉型都應積極布局。
為滿足廣大企業商業化分析轉型，永洪科技構建了商業化分析師家園——永洪社區，免費提供教學視頻、互助問答、學習資料、插件模板、生活分享等內容，全面提升商業化數據分析師的能力；同時推出了商業化分析“免費全家桶”產品組合，Yonghong Desktop Basic、X+Viewer、永洪云。當企業規模足夠大時，則可以升級為Yonghong Desktop Professional、X-Suite和Z-Suite等企業級商業化分析平臺，以滿足企業在不同發展階段的商業化分析需求。
【一圖看懂永洪提供的商業化分析能力】
作為國內敏捷BI的首創者與引領者，永洪BI因“一站式大數據分析服務”等先進理念和技術，以及更全面、更靈活、更易用等屬性，一直受到市場和客戶的廣泛認可，連續5年榮獲中國敏捷BI第一名。
在行業方面，永洪科技的客戶涵蓋了金融、制造、零售、能源、政府、教育等近20個中國支柱產業及新經濟產業，并在金融、制造領域的市場占有率第一。永洪科技成功為10000+家企業客戶提供產品和服務，提煉總結了上千條企業數據化運營最佳實踐，助力企業獲得成功。
