未來的部分工作將逐漸被AI取代，把AI技術引進BI領域將為這個時代的企業創造新的機遇和挑戰。
眼下，商業智能與分析行業正處於巨大的技術變革中。越來越多沒有IT技術背景的業務用戶將有機會利用商業智能與分析平臺獲取洞察，這將深刻地改變各行各業的競爭態勢，那些有遠見卓識的企業無比看重大數據的價值，通過數據化運營的企業，將在未來競爭中贏得優勢地位。
商業智能是將企業中的數據轉化為知識的過程，隨著大數據時代的來臨，越來越多的國內外企業已經根據信息流和數據分析技術進行企業重整，力求在日益激烈的商業競爭中穩站一席之地，進而獲得更高經營效益。
那麼，對數據進行有效處理，提供準確可靠的數據成為商業智能系統的首要任務。首席信息官位居企業戰略地位，如何為企業做最好的決策和最好的投資選擇？Gartner公司研究總監簡儁芬通過研究BI商業智能的發展趨勢，給出了一些建議。
1、賦能數據：BI技術步入第三階段
商業智能的發展從全部人工化，到通過電腦生成報表，再到用可視化技術展現分析結果，大約經歷了20~25年時間。簡儁芬介紹，從賦能IT，由IT來主導、驅動到賦能數據，這一變化呈現出兩大特點：一是讓更復雜的東西變得更自動化、更簡單，這也是技術帶來的重大成果；二是參與的人更多了，除了IT人員，一些業務人員也能參與數據分析、數據準備，甚至分析出來的成果能夠讓企業內部更多人來共享。因此，商業智能將再一次出現顛覆性變化，每個人都將被賦予能力，每個人都能參與分析。這樣的技術更貼近於業務本身。
眼下，首席信息官們或企業決策者需要了解一個重要信息，即整個商業智能分析市場的發展趨勢。簡儁芬為此做出總結，她認為可以將BI市場的發展劃分為三個階段，第一階段稱為“Semantic Layer-Based Platforms”，即語義層面的分析平臺。代表產品有IBM的Cognos和SAP的BusinessObjects。這些產品可以幫企業和IT技術人員做簡單的數據模型。優點是能夠直接把日常業務所產生出來的交易做研究和分析。
但這樣的模型不利於修改，遠遠滿足不了業務在市場波動下帶來的各種挑戰，也因此為第二階段新的BI產品的誕生創造了契機。第二階段稱為“Visual-Based Data Discovery Platforms”，即以可視化為基礎的數據分析平臺。代表產品有Tableau、Qlik、Microsoft的PowerBI以及TIBCO等。這些產品的最大特徵是更友好、門檻低。讓不具備IT技術的業務人員靈活掌握數據分析能力，並以解說式或可視化技術呈現分析結果。
儘管如此，使用這些產品還有部分工作需要人工完成，比如數據的收集、清洗、匹配等。於是，第三階段智能化分析技術產品應運而生。這一階段稱為“Smart Data Discovery Platforms”，即更智能化的數據挖掘平臺。這一階段的產品實現了從數據中自動挖掘模型、自動分析等技術，使得商業智能分析過程大幅自動化，也就是將AI技術引進到BI領域。
簡儁芬說：“Gartner估計，在未來3~5年時間裡，第三階段的工具產品會越來越成熟，逐漸成為市場主流，成為企業基本配備。另外，Gartner預估，在2020年之前，自然語言的生成或者AI技術會成為90%的現代BI平臺的基本配備。”
2、四層分析：解讀商業智能在國內企業的普及率
商業智能軟件迎合著企業需求，得到了迅速發展。國外在商業智能領域的發展早於國內，理念貼近於管理層面，BI產品及技術的應用也比較廣泛，而國內的理念更多是與企業的實際應用層面契合。那麼，商業智能在國內企業的普及率是什麼情況呢？
簡儁芬指出，中國大部分企業還處於第一階段。確切地說，大約三分之二的企業處於第一階段，大約三分之一的企業處於第二階段，有極少數企業已進入第三階段。究其原因，是中國企業對於商業智能的功用不是非常瞭解。商業智能不僅僅是通過技術給出報表，用於企業決策。
3、破除阻礙：製造業如何玩轉商業智能
我國製造業走上信息化之路起步較早，隨著業務系統的完善，數據呈指數級增長，但這些信息數據該如何“消化”，才能為企業降低成本、提升效益、創新業務？中國企業的傳統思維是埋頭生產，大數據、智能化時代的來臨為這些企業創造了新的機遇和挑戰。
簡儁芬坦言，“大家都想進步，但是沒辦法進步。什麼原因呢？其實技術不再是難題。商業智能進入第三階段的確是以技術來驅動的，但獲取技術很容易，招聘相關人員即可。因此，最大的問題，在於企業本身。首席信息官和企業決策者要有智能化的意識，多去思考怎樣利用數據分析來做更有效的企業運營？比如精準營銷，可以逐漸融進日常業務流程中。另外，一些擁有數據源的企業，要有共享意識，必須思考如何讓自己的數據去惠及客戶、供應商，甚至合作伙伴。沒有數據共享的驅動力，自然不會考慮用什麼技術整合數據，做更利於企業的分析研究。”
當然，儘管阻礙重重，也不能阻止自助的數據分析正在成為企業標配的腳步。對於數據分析師和數據科學家而言，商業智能第三階段的工具雖好，仍面臨兩個挑戰：“一是部分公司不願意把模型、算法、理念的邏輯暴露出來，對於數據科學家來講，可能還是一個黑盒子，如果遇到問題進行修改是不容易的，相當於重新搭建。二是有些數據科學家喜歡在自己的真空室裡做研究，與背後的業務流程沒有辦法匹配在一起。研究成果需要跟業務部門多次磨合、溝通才能把模型做合適，非常浪費時間。”
總結：未來的商業智能BI趨勢將是基於全面信息集成的服務，將是一種企業級跨部門運作的基礎信息系統；未來的數據分析也將是普通業務人員的基本技能，能利用好數據價值去做規劃的企業將佔領制高點，取得主動權。
閱讀更多 楊凱Kayson 的文章
