颠覆商业智能：AI技术引进BI领域成为急先锋

导读：未来的部分工作将逐渐被AI取代，把AI技术引进BI领域将为这个时代的企业创造新的机遇和挑战。

眼下，商业智能与分析行业正处于巨大的技术变革中。越来越多没有IT技术背景的业务用户将有机会利用商业智能与分析平台获取洞察，这将深刻地改变各行各业的竞争态势，那些有远见卓识的企业无比看重大数据的价值，通过数据化运营的企业，将在未来竞争中赢得优势地位。

商业智能是将企业中的数据转化为知识的过程，随着大数据时代的来临，越来越多的国内外企业已经根据信息流和数据分析技术进行企业重整，力求在日益激烈的商业竞争中稳站一席之地，进而获得更高经营效益。

那么，对数据进行有效处理，提供准确可靠的数据成为商业智能系统的首要任务。首席信息官位居企业战略地位，如何为企业做最好的决策和最好的投资选择？Gartner公司研究总监简儁芬通过研究BI商业智能的发展趋势，给出了一些建议。

赋能数据：BI技术步入第三阶段

商业智能的发展从全部人工化，到通过电脑生成报表，再到用可视化技术展现分析结果，大约经历了20~25年时间。简儁芬介绍，从赋能IT，由IT来主导、驱动到赋能数据，这一变化呈现出两大特点：一是让更复杂的东西变得更自动化、更简单，这也是技术带来的重大成果；二是参与的人更多了，除了IT人员，一些业务人员也能参与数据分析、数据准备，甚至分析出来的成果能够让企业内部更多人来共享。因此，商业智能将再一次出现颠覆性变化，每个人都将被赋予能力，每个人都能参与分析。这样的技术更贴近于业务本身。

                                             

眼下，首席信息官们或企业决策者需要了解一个重要信息，即整个商业智能分析市场的发展趋势。简儁芬为此做出总结，她认为可以将BI市场的发展划分为三个阶段，第一阶段称为“Semantic Layer-Based Platforms”，即语义层面的分析平台。代表产品有IBM的cognos和SAP的BusinessObjects。这些产品可以帮企业和IT技术人员做简单的数据模型。优点是能够直接把日常业务所产生出来的交易做研究和分析。

但这样的模型不利于修改，远远满足不了业务在市场波动下带来的各种挑战，也因此为第二阶段新的BI产品的诞生创造了契机。第二阶段称为“Visual-Based Data Discovery Platforms”，即以可视化为基础的数据分析平台。代表产品有Tableau、Qlik、Microsoft的PowerBI以及TIBCO等。这些产品的最大特征是更友好、门槛低。让不具备IT技术的业务人员灵活掌握数据分析能力，并以解说式或可视化技术呈现分析结果。

尽管如此，使用这些产品还有部分工作需要人工完成，比如数据的收集、清洗、匹配等。于是，第三阶段智能化分析技术产品应运而生。这一阶段称为 “Smart Data Discovery Platforms”，即更智能化的数据挖掘平台。这一阶段的产品实现了从数据中自动挖掘模型、自动分析等技术，使得商业智能分析过程大幅自动化，也就是将AI技术引进到BI领域。

简儁芬说：“Gartner估计，在未来3~5年时间里，第三阶段的工具产品会越来越成熟，逐渐成为市场主流，成为企业基本配备。另外，Gartner预估，在2020年之前，自然语言的生成或者AI技术会成为90%的现代BI平台的基本配备。”

四层分析：解读商业智能在国内企业的普及率

商业智能软件迎合着企业需求，得到了迅速发展。国外在商业智能领域的发展早于国内，理念贴近于管理层面，BI产品及技术的应用也比较广泛，而国内的理念更多是与企业的实际应用层面契合。那么，商业智能在国内企业的普及率是什么情况呢？

简儁芬指出，中国大部分企业还处于第一阶段。确切地说，大约三分之二的企业处于第一阶段，大约三分之一的企业处于第二阶段，有极少数企业已进入第三阶段。究其原因，是中国企业对于商业智能的功用不是非常了解。商业智能不仅仅是通过技术给出报表，用于企业决策。

如上图所示。商业智能分析有四种不同的分析模式：第一层叫做描述型分析，主要分析发生了什么？第二层叫做诊断型分析，回答的是为什么发生？第三层叫做预测型分析，回答的是将要发生什么？第四层叫做规范型分析，它不仅回答发生了什么，还会告诉你该做出什么决策。

在中国，中国大部分企业只实现了前两个层面的分析，后两个层面的分析还有待发展。“3~5年之内，这些技术在BI市场上会更成熟，普及度更高。但是这些技术如何满足各种不同的情景，还需要更多的探索。”

据简儁芬介绍，香港某大学在研究癌症的发展趋势时，因使用IBM的Watson Analytics产品，大大缩短了研究时长。众所周知，癌症的发病有不同的病因，数据非常复杂，数据体量巨大，需要从102个数据源里面抓取大量数据，再去分析27种不同癌症的病因和这些癌症的发展趋势。一般情况下，完成这项研究需要一个学期时间，而使用 IBM的Watson Analytics工具能够自动把数据整理好，并且标记出哪些病因、哪些潜在因素是需要重点投入精力去研究分析的。然后根据这些工具导出的结果，集中人力投入到主要研究中，两三个星期就完成了。

另一个案例发生在Gartner举办的BI的峰会上。当把美国大学的入学信息（包括入学成绩、入学标准、家庭情况、父母学历、收入等）交给几家BI技术产品供应商，要求分析学生上哪些大学会使毕业后薪资所得最高？Tableau几秒钟就给出结果，答案是斯坦福、普林斯顿、莱斯大学有可能薪资所得最高。再用这些信息去分析毕业五年后，能够取得高薪资的那部分学生的原因时，BeyondCore在5秒钟之内将数据全部计算完成，找出了约45000多个不同模型，最终得出薪资所得分析结果来自两个因素，一是父母的所得；二是在校期间的课程完成率。

可见，第三阶段的商业智能分析，能够让决策者快速、准确、全面的看清问题、降低风险、挖掘机遇、获取优势。

破除阻碍：制造业如何玩转商业智能

我国制造业走上信息化之路起步较早，随着业务系统的完善，数据呈指数级增长，但这些信息数据该如何“消化”，才能为企业降低成本、提升效益、创新业务？中国企业的传统思维是埋头生产，大数据、智能化时代的来临为这些企业创造了新的机遇和挑战。

简儁芬坦言，“大家都想进步，但是没办法进步。什么原因呢？其实技术不再是难题。商业智能进入第三阶段的确是以技术来驱动的，但获取技术很容易，招聘相关人员即可。因此，最大的问题，在于企业本身。首席信息官和企业决策者要有智能化的意识，多去思考怎样利用数据分析来做更有效的企业运营？比如精准营销，可以逐渐融进日常业务流程中。另外，一些拥有数据源的企业，要有共享意识，必须思考如何让自己的数据去惠及客户、供应商，甚至合作伙伴。没有数据共享的驱动力，自然不会考虑用什么技术整合数据，做更利于企业的分析研究。”

当然，尽管阻碍重重，也不能阻止自助的数据分析正在成为企业标配的脚步。对于数据分析师和数据科学家而言，商业智能第三阶段的工具虽好，仍面临两个挑战：“一是部分公司不愿意把模型、算法、理念的逻辑暴露出来，对于数据科学家来讲，可能还是一个黑盒子，如果遇到问题进行修改是不容易的，相当于重新搭建。二是有些数据科学家喜欢在自己的真空室里做研究，与背后的业务流程没有办法匹配在一起。研究成果需要跟业务部门多次磨合、沟通才能把模型做合适，非常浪费时间。”

未来的商业智能BI趋势将是基于全面信息集成的服务，将是一种企业级跨部门运作的基础信息系统；未来的数据分析也将是普通业务人员的基本技能，能利用好数据价值去做规划的企业将占领制高点，取得主动权。

作者：孙珵    来源：大数据周刊