吕品：深度解析商业智能 BI 企业服务市场的快与慢

转载时间：2022.03.19（原文发布时间：2021.08.13）

100

转载作者：36氪企服点评小编

阅读次数：100次

本文由36氪企服点评专家团吕品原创。

吕品：深度解析商业智能 BI 企业服务市场的快与慢

36氪企服点评专家团——吕品

————正文————

一、初探商业智能BI

商业智能 Business Intelligence 是一套由数据仓库、查询报表、数据分析等组成的数据类技术解决方案，它的主要目的是将企业中不同业务系统例如 ERP、CRM、OA 等数据打通并进行有效的整合（打通业务系统），再利用合适的查询和分析工具快速准确的提供报表（查询与报表可视化分析），为企业提供决策支持。

在企业里有很多的部门，例如财务、人事、采购、生产、销售、运营等，他们彼此用着不同的一些业务系统。比如财务的使用财务软件进行日常的财务数据的记录，人事用的是人力系统管理着企业的人力、培训、薪酬、考勤等，销售关心的是CRM系统中的数据以及在OA里面的合同信息等。在这个过程中我们就能发现企业的业务实际上是独立在不同的系统中的，业务数据也是分散在各个不同的业务部门，这个时候看数据的角度基本上都是以个人或者部门的角度来看数据。

如果要上升到企业管理层面，看业务或者背后数据的视角就发生变化了，企业管理层需要从全局角度看整体的业务，这就需要有一个平台能够打通各个业务系统、业务模块的数据，打通企业内部的数据孤岛，以一个更高层次的角度来看数据。这个时候就需要通过商业智能 BI 来实现。

二、国外的巨头，商业智能BI初起步

商业智能 BI 在国内的发展起步较早，早在2005年前后就已经有部分行业率先将商业智能BI纳入到整体的IT信息化建设规划。这些行业主要还是以金融、银行等信IT基础信息化较早、较为成熟的行业为主。早期商业智能BI的特征主要是以解决方案制、项目制为主，还未真正形成规模化的商业智能BI产品市场。在这个阶段，国内市场对于商业智能BI的概念认知基本上处于一个空白。

在商业智能BI漫长的成长过程中，国内BI市场基本上被SAP、Oracle、IBM、Microsoft 等国外 BI 产品巨头把控。国内BI产品早期的雏形仍然是以报表服务，还远未形成真正意义上的BI品牌工具。国外的BI产品中，例如微软早在 SQL Server 2005 中就已经推出了从 ETL工具（ SSIS - Integration Service ）到多维分析 OLAP（ SSAS – Analysis Service）到分析报表（ SSRS – Reporting Service ）全栈BI产品体系，这套产品体系与理念即使放到现在也并不过时。所以我们需要看到国内外BI产品市场的差距，这也是国内外TO B 企业服务市场差距的一个现实缩影。

商业智能Business Intelligence这几个字从字面意思上也承载了超出自身能力之外的很多东西，例如智能到底是什么？和商业组合在一起，又是如何实现商业智能的，到底能够带给企业什么样的价值？这些问题在面向企业服务市场宣传的时候，是很难用几句话凸显产品的定位、意义和价值，这也是商业智能BI的概念在早期国内市场普及上一个比较突出的障碍，实际上就叫报表服务或者数据分析产品反而企业更容易理解一些。

三、偶遇大数据，掀起商业智能BI的盖头来

有意思的是，商业智能BI在国内市场的真正起步或者“火热”起来，并不是靠“自身努力”来的。

2013年，大数据的概念在国内开始普及，连带中央媒体和各类社会性展会、IT技术、信息化大会对大数据做了广泛的宣传和介绍，掀起了比较高的数据热潮。商业智能BI从字面意思看一时是不容易理解的，但是大数据的概念至少从字面意思上理解大众还是比较容易接受的。

随着大数据概念在市场上的广泛普及，大众的数据意识被逐步唤醒，而商业智能BI的报表和可视化则是人们对数据最直观、最容易理解和接受的一种形式。这一层窗户纸的捅破，商业智能BI才真正开始在国内TO B服务市场逐步受到企业的关注。

纵观目前国产商业智能BI各品牌厂商，大部分都是从2013年前后成立，或拿到融资、或市场份额翻倍增长。国外的老牌BI产品也大多从这个阶段开始市场份额逐步下滑，新型的国外BI产品例如Tableau、Qlik 等从这个阶段开始在国内BI市场快速布局，微软也是在这个阶段布局新型BI分析产品，推出的Power View 也逐步的沉淀、演变成了现在在 Gartner 魔力象限领导者象限第一的 Power BI 分析产品。

四、内生动力，商业智能BI的破壁

上述的商业智能BI的市场变化，无论是大数据知识概念的普及，还是BI品牌市场的变化，这都是表面的现象，真正的本质还是由于国内商业智能BI市场的需求在逐步凸显。

主要由以下两个方面的因素影响：

国内整体经济环境影响，信息化成本投入和门槛的降低。

观察2010年之前能够规划IT信息化项目、系统建设的主要还是涉及到民生的银行、金融、医疗、交通等行业，这些行业的IT基础信息化工作完成的最早，但同时对于信息化投入的成本也很大。

2008金融危机之后，国内整体经济从外向型经济开始走向扩大内需，并在政府层面进行一些体制改革。很多外向型的管理信息化和技术手段需要完成对内的转变，IT信息化的建设也需要同步进行。因此，2008年之后到2013年，传统企业也逐步意识到IT信息化的重要性，国内IT基础信息化的市场成长也迎来了一个较高的发展阶段。

在这个过程中，以往动辄上百万的IT信息化建设项目逐步下调，随着IT互联网的逐步发展，早期IT技术市场的积累和人才市场的培养逐步成熟，项目投入和人才成本也逐步降低，很多传统企业也在这个阶段完成了IT信息化的初步建设和积累。

国内IT基础信息化逐步完善，部分企业具备了上商业智能BI的必要条件。

我们通常把企业的IT信息化分为两个阶段：

第一个阶段是业务信息化，解决的是企业内部业务、信息流程的管理，以传统的财务软件、ERP软件、OA软件、CRM 软件等为代表。基础的业务信息化系统建设提高了企业的生产运营效率、降低了企业的业务管理成本、体现了企业业务管理思路。最重要的是：因为业务信息化系统的存在，沉淀了重要的业务数据，为商业智能BI的建设打下了数据基础。

第二个阶段是数据信息化，指的就是商业智能BI、数据分析、数据挖掘等数据类的产品与服务信息化建设。商业智能BI的目的在于打通各类业务信息化系统的数据，站在一个整体和全局的角度洞察企业的经营管理，让企业更加全面的认知和了解企业的现状。没有业务系统的数据基础，就没有商业智能BI，这就是业务信息化系统和数据信息化系统的上下游关系。

因此，一部分企业在2010年-2013年期间率先完成了基础的IT信息化工作，面临着多业务系统打通的问题、经营管理决策支持的问题，这个时候上商业智能BI就是必然的选择。

所以，我们经常在业内讲到一句话：业务决定数据，数据决定分析。看商业智能BI的发展趋势，离不开IT基础业务信息化市场的成长。

五、看得见、却看不懂的市场

2013年到2018年这五年时间，商业智能BI在国内市场完成了基本的萌芽发展，同时也是国产BI厂商的市场品牌建设期和探索期，有以下几个现象：

2013年早期融资的BI厂商借助资本的力量成长迅速，但后期遇到发展的瓶颈，融资困难，一些BI品牌基本已经退出一线市场。
早期以报表产品服务的一些厂商逐步推出BI系列产品，完成从报表品牌到BI分析品牌的延申定位，BI工具和报表工具的边界越来越模糊。
国外BI产品早期在国内扩张迅速，但后期乏力，市场逐步被国产BI品牌替换和占领。
BI 市场越来越细分。有带有明显行业属性的以构建行业护城河的BI厂商品牌，例如零售行业的、市场营销行业的BI产品品牌；也有在技术层面例如底层大数据框架、数据仓库等领域进行细分的。
在AI 人工智能方面做出有益尝试和探索的一些国产BI品牌。以AI+BI为探索方向，参照2020年Gartner 商业智能BI与分析领导者象限新进入者 ThoughtSpot ( 2019 年 ThoughtSpot E 轮融资 2.48 亿美元 )。
其它原本不在BI领域的一些 TO B 企业服务软件厂商也逐步把触角深入到了BI领域。
一些大的TO B 服务企业管理软件厂商也加大了对商业智能 BI 领域的投入，包括内部的产品规划或外部的投资。
早期面向 TO C 的互联网企业随着对 TO B 企业服务市场的规划，也打出了 BI 可视化分析品牌。

因此，从总体上看，商业智能BI的市场关注度越发明显，市场空间和潜力仍然巨大，但也有它矛盾的地方。

六、标准化——商业智能BI的痛，企业服务的痛，欲快不能

我们可以看到，不管是比较早期的2010年前成立的并经历了十几年成长的BI品牌厂商，还是2013年后成立通过走资本路线的BI品牌厂商，或是互联网巨头孵化的BI品牌，目前在市场上还未出现绝对的商业智能BI巨头。

理论上，商业智能BI的市场空间足够大，只要有基础业务信息化投入的企业，都可以是商业智能BI的目标客户，商业智能BI所可以覆盖的市场群体应该是所有基础业务信息化之和。但实际上，对比业务信息化软件行业比如传统ERP市场，商业智能BI产品收入规模还比较弱小，市场前三的国产BI品牌收入规模大概也就在十亿左右。

因此，无论是十余年的内生成长的BI品牌企业，还是巨头资本加持的BI品牌企业，都未能充分的激发和加速整个BI市场规模的高速增长，这个市场并没有像大家想象的成长那么快。

究其原因，国内企业的基础IT业务信息化的建设参差不齐，企业的数据意识、数据质量、管理思维和细致程度都未能达到实施商业智能BI项目的必要条件。

但也仍然有一点是很容易让人忽视的，那就是商业智能BI行业仍然是一个“三分产品、七分实施”的重服务行业。即产品因素只能决定一个商业智能BI项目成败的三成，七成因素还是受项目实施交付效果的影响。所以，商业智能BI整体市场规模并非靠着资本的力量就可以实现高速增长，它不是一个完全的资本驱动型的行业。资本需要有足够的耐心，商业智能BI 的TO B 企业服务市场还未真正意义上形成高度的产品和服务标准化。只有产品，没有服务是无法真正实现商业智能BI项目建设在企业的落地。

中小型企业客户，BI需求简单易处理，高标准化、低门槛的标准产品就可以解决，产品大于服务。中大型企业客户，BI 需求复杂且极度个性化，服务大于产品，无法标准化。BI 的需求复杂程度也反映出了企业的业务复杂程度、管理复杂程度和组织复杂程度。连业务系统就很难做到完全标准化，而作为业务系统数据的输出对象，下游的BI又如何能实现高度标准化？

传统业务软件的 SaaS 到现在有多少成功了，看看便知。

所以，这里延申了另外一个话题：近两年的SaaS BI 市场如何？放在几年前我们可能还在畅想 SaaS BI 市场空间的巨大潜力，但目前来看BI SaaS 化，太遥远。

前面提到了“业务决定数据，数据决定分析”，它的内涵是什么？我再来解读一下：“业务决定数据，数据决定分析”的后半句就是：数据在哪里，分析就在哪里。数据在本地，分析就在本地。数据在云端，分析就在云端。BI SaaS 化的前提是业务系统的 SaaS 化，只有业务标准了，底层数据格式标准了，BI 的分析才可能统一和标准起来。

BI真正的标准化不在前端工具的标准化层面，不在可视化分析的标准化，可视化的页面众口难调，即使是同样的财务分析，每家企业可视化分析页面可能完全不一样。所以，我们也看到各类BI分析应用商店、各类可视化分析的标准页面，想法和理念是正确的，但方向错了，还要一段弯路要走。真正 BI 的标准化是模型层的标准化，不在前端，而在后端。

七、从冲锋到阵地战

大家可能也会有疑问，为什么早期拿到融资的商业智能BI品牌可以快速增长，但后期增长乏力，主要原因是什么？

需要了解到2013年之后商业智能BI产品的定位是什么？简单易用的、拖拉拽式的业务驱动的BI产品，面向业务人员使用，人人都可以参与到企业的BI分析建设中。这种定位简单来说，业务人员自助建模，完成可视化分析。

而自助式的、灵活的前端可视化能力恰恰是老牌BI产品最大的弱点，为了面对日益增长的业务分析需求、应对大数据量的查询性能优化，不得不在后端数据仓库下功夫做模型的优化，甚至会为了一个字段到底放在事实表还是维度表，可能都需要反复的验证优化。在现如今的BI项目建设上，基本上不会去考究的这么细致了，各种计算能力的提升，前端强大的关联分析能力，这些问题基本上可以很好的解决了。

因此，2013年之后的BI产品市场最开始收割的就是早期已经有很好的底层数据架构建设基础，但前端可视化能力较弱的这些企业。

具备良好的信息化基础建设、质量较高的数据仓库底子的这些企业，搭配敏捷的、自助的BI产品可视化分析工具是一个最优的选择。2013年之后这个阶段，新型的商业智能BI市场迎来的小爆发并不意外。

但实际上我们都知道真正意义上的商业智能BI的项目建设，前端可视化部分只能占到20%的工作量，真正80% 的工作量主要还是集中在底层数据处理、ETL 开发过程、数据仓库建模等。这些底层的复杂的数据处理工作一般的业务人员是无法胜任的，仍然是需要由IT主导的。

所以，当越来越多不具备任何底层数据架构建设基础，完全从零到一开始建设商业智能BI的企业在选择了仅注重前端可视化的BI产品，无论对于企业方还是BI品牌厂商都是一个很大的挑战。BI品牌厂商希望通过标准化的BI可视化产品工具快速推进市场，但企业方要的不仅仅只是一个前端可视化分析工具，除了前端可视化分析呈现外，更多的是需要涉及到多数据源数据取数、底层数据架构的设计、ETL 的开发和业务经验，这一部分的工作单独的前端可视化分析工具并不能完全满足，必须通过项目实施来实现。

因此，标准化的BI产品工具在2013年-2016年期间快速收割完无需太多实施交付、具备良好底层数据仓库的企业之外，后期遇到的企业完全从零开始，标准化的产品市场就无法实现快速规模化，陷于到重项目交付服务的“阵地战”阶段。

“阵地战”就很难跑的快，火力足的打大碉堡、火力弱的打小碉堡。

有多少项目，就有多少人员需要投入到项目中。为了节省人力成本和规避项目风险，选择将项目外包就成为了BI市场发展的必然之路。BI项目建设的成败最终基本上也视各项目外包方的项目管理和交付能力来决定。项目交付好，品牌市场口碑就好。项目交付不好，市场口碑就会受到影响。所以，商业智能BI市场的良性成长是由产品因素和服务因素的双重因素决定的，纯粹的产品标准化和规模性市场快速增长在目前这个阶段并不成熟。

我们观察到一些BI品牌厂商的产品定位和市场定位在这个阶段反复的波动，实际上就是面临标准化产品市场和非标准化服务市场的选择进退两难。部分未能及时调整产品和市场策略的BI品牌在这个阶段产品与服务脱节，最终被市场逐步淘汰。也有一些及时调整过来，也看到了一些积极的市场变化。

八、选择题与填空题，市场竞争下的共赢

平时有同事或朋友发一些链接给我看，“又有新的BI厂商出来了”，问我怎么看。实话实说，谁都不愿意在同一个市场上再看到新的竞争对手出来。毕竟竞争对手越多，抢饭碗的就越多嘛。

但在这几年跑过几十个城市、面对面拜访过几百家企业客户的经历，有两个感受。第一个感受来自客户：那些已经经历过BI市场教育的企业比起对商业智能BI没有太多认知的企业，BI项目建设的决策周期相对更短，更容易建立合作和信任。另外一个感受来自竞争对手：在某些产品方面定位和进入市场的选择方面，能看到背后的很多逻辑性的东西，很多东西还是比较值得尊重、研究、思考和学习的，也可能代表了未来商业智能BI行业发展的某些方向。

经历过市场教育的企业客户做的是选择题，而不是填空题。

经历过竞争，才能知长短，反思并进步。

从目前来看，商业智能BI的知识与价值的普及目前在国内还存在大量的空白，除了集中在一些重点的行业性客户外，很多传统性企业对BI并没有足够的认知，BI在IT企业服务的渗透率并不高。光靠一家或几家商业智能BI品牌厂商完成整个市场的普及教育不现实，没有普及和引导，企业客户也很难有意识主动思考BI对于企业的作用和价值，这个市场长不大。

打个比较具体的比方，TO B 企业服务的“阵地战”已经不少了，靠什么吸引企业把IT信息化的建设能多一点的注意力，多花点钱放到商业智能BI上，那就是阵地战场上的炮声要响要隆，比其它TO B 企业服务的“阵地战”要更热闹，大家才会看过来。

好在一方面越来越多的企业逐步意识到数字化建设的价值与意义，能够逐步正确理解商业智能BI，在注重前端可视化分析展现效果的同时，也更加注重底层数据仓库、数据基础的建设投入。另外一方面，越来越多的BI产品和业务形态进入到国内市场，共同孵化和培育国内企业服务市场的数据意识，整体市场还是朝着一个积极的、良性的方向在发展。

商业智能BI市场的“阵地战”也不是一件坏事情，慢下来的市场能让各BI品牌厂商更加注重“长期主义”的规划与发展，逐步思考如何降低非标准化项目实施成本的手段和方式，最终实现在降低企业成本的同时如何让商业智能BI真正为企业创造价值。

这个行业也需要各BI品牌企业厂商共同努力，让国内的商业智能BI市场变得更加成熟。

吕品 2021年元旦

吕品：深度解析商业智能 BI 企业服务市场的快与慢