《Gartner 2018 BI與數(shù)據(jù)分析魔力象限》報告解讀

時間：2023-02-15 09:12:01 | 來源：電子商務(wù)

時間：2023-02-15 09:12:01 來源：電子商務(wù)

作者：永洪科技CEO何春濤

Gartner BI與數(shù)據(jù)分析魔力象限是大數(shù)據(jù)技術(shù)領(lǐng)域最具影響力的分析報告之一，作為一名有著20年從業(yè)經(jīng)驗的大數(shù)據(jù)行業(yè)人員，每年研讀報告中的技術(shù)與商業(yè)趨勢已經(jīng)成為一種職業(yè)習(xí)慣。

我本人以及公司都從中受益良多，相信也一定會給各位關(guān)心大數(shù)據(jù)行業(yè)技術(shù)與發(fā)展的朋友們帶來一些參考，以下分享一些令我印象深刻的重點信息：

敏捷BI在北美市場已經(jīng)是不二之選。

在北美，早些年是IBM Cognos、OracleOBIEE、SAPBO等一些傳統(tǒng)BI產(chǎn)品占據(jù)市場主流，隨著商業(yè)智能的發(fā)展，Tableau、Qlikview等敏捷BI產(chǎn)品開始興起，到現(xiàn)在Tableau、Power BI等敏捷BI產(chǎn)品成為了主流。

我們從“Gartner 2018 BI與數(shù)據(jù)分析魔力象限”中可以看出，敏捷BI產(chǎn)品的出現(xiàn)，已經(jīng)扭轉(zhuǎn)了商業(yè)智能的市場格局，并且成為了市場的不二之選。

敏捷BI魔力象限圖變化不大，但更好的廠商會在21世紀(jì)的第二個十年出現(xiàn)并成為領(lǐng)導(dǎo)者。

《Gartner 2018 BI與數(shù)據(jù)分析魔力象限》中提到了一些關(guān)鍵技術(shù)趨勢，如增強(qiáng)分析、數(shù)據(jù)擴(kuò)展性和模型復(fù)雜度、嵌入功能等關(guān)鍵技術(shù)，而Tableau、Qlikview它們在這些關(guān)鍵技術(shù)的研發(fā)投入，以及研發(fā)的進(jìn)度等，目前還是未知的。

由于他們在這些領(lǐng)域的進(jìn)展尚未給企業(yè)創(chuàng)造價值，也就沒有在商業(yè)智能領(lǐng)域形成強(qiáng)大的競爭力。但是這些關(guān)鍵技術(shù)會真正的去改變數(shù)據(jù)分析的下一個10年，然而下一個10年的BI領(lǐng)導(dǎo)廠商是否依舊是Tableau、Qlikview，目前還無法判斷。

因此，我預(yù)測在將來，可能會出現(xiàn)兩三家創(chuàng)新型BI廠商，他們將在關(guān)鍵性技術(shù)領(lǐng)域取得重大突破，從而更好幫助客戶進(jìn)行數(shù)據(jù)分析。

我預(yù)測創(chuàng)新型BI廠商可能在21世紀(jì)第二個10年，也就是2020年出現(xiàn)，成為行業(yè)領(lǐng)導(dǎo)者。

AI將成為商業(yè)智能的重要組成部分。

從本質(zhì)上來講，數(shù)據(jù)分析的目標(biāo)是幫助客戶從數(shù)據(jù)當(dāng)中獲取洞察力，創(chuàng)造價值，而AI作為商業(yè)智能中的關(guān)鍵技術(shù)，它圍繞的目標(biāo)并沒有發(fā)生變化，還是怎么樣幫助到客戶，尤其是對于企業(yè)中的絕大多數(shù)業(yè)務(wù)人員，通過AI幫助他們從數(shù)據(jù)當(dāng)中獲取洞察、實現(xiàn)更精準(zhǔn)的趨勢預(yù)測和輔助決策，提高企業(yè)競爭力以及提升企業(yè)的運(yùn)營效率。

在國內(nèi)，永洪科技是第一個推出本土市場的AI平臺，在AI的技術(shù)研發(fā)上會持續(xù)投資，我們堅信這些關(guān)鍵技術(shù)的投入會讓我們更好的幫助到各行各業(yè)客戶。

業(yè)務(wù)人員將成為商業(yè)智能的核心用戶群體。這在5年以前是難以想象的，但現(xiàn)在已經(jīng)變成了現(xiàn)實。

五年前，主要還是IT人員在做數(shù)據(jù)建模和數(shù)據(jù)分析，再推送給業(yè)務(wù)人員。最近兩年，我們代表永洪科技與各行各業(yè)的客戶探討商業(yè)智能，并已經(jīng)與上千家中大型企業(yè)形成了實質(zhì)性的合作。

我觀察到了一個明顯的趨勢——自服務(wù)BI成為國內(nèi)的中大型企業(yè)面向業(yè)務(wù)人員的首選數(shù)據(jù)分析工具，比如能源、電信這些行業(yè)，他們對自服務(wù)分析看得越來越重，而且不斷有采購的需求。

雖然業(yè)內(nèi)有很多號稱支持自服務(wù)分析的平臺或產(chǎn)品，但是背后還需要做很多工作，例如如何處理用戶的錯誤點擊、如何規(guī)避無IT背景用戶使用大數(shù)據(jù)時的不正當(dāng)操作給平臺帶來巨大的消耗和沖擊、如何確保企業(yè)最重要的資產(chǎn)即數(shù)據(jù)的安全和管控、以及如何確保高并發(fā)下整個平臺的穩(wěn)定性等難題。

我們的一站式大數(shù)據(jù)分析平臺Yonghong Z-Suite較好地解決了以上困境，成為了眾多企業(yè)業(yè)務(wù)人員的日常數(shù)據(jù)分析工具。

中國BI產(chǎn)品將會進(jìn)入全球市場，在這一領(lǐng)域我們走在前面。

中國的商業(yè)智能領(lǐng)域是一個充分競爭的市場，它不具備行業(yè)保護(hù)，也沒有形成很大的壟斷，我們從成立的第一天，就開始跟IBMcognos、OracleBIEE、SAPBO等BI廠商去競爭，到后來我們又開始跟Tableau、Qlikview、PowerBI等企業(yè)競爭。

要超越同行，一是產(chǎn)品功能足夠強(qiáng)大;二是要持續(xù)在研發(fā)領(lǐng)域投入并形成優(yōu)勢;三是要有非常強(qiáng)的市場和行業(yè)洞察和服務(wù)能力，一定要為客戶創(chuàng)造價值。

而永洪在產(chǎn)品、研發(fā)、服務(wù)、市場等方面投入了大量的人力、物力和財力。除此之外，我們還在AI、Big Data、一體機(jī)等領(lǐng)域持續(xù)不斷地加大技術(shù)上的研發(fā)以及資金投入。

在國內(nèi)，Yonghong是第一個推出敏捷BI平臺的企業(yè)，是第一個推出自服務(wù)數(shù)據(jù)分析平臺的企業(yè)，也是第一個推出本土AI平臺的企業(yè)。我們連續(xù)三年被主流媒體和權(quán)威機(jī)構(gòu)認(rèn)定為最佳敏捷BI廠商，已經(jīng)取得了初步的認(rèn)可，來自各行業(yè)的客戶非常認(rèn)同永洪的技術(shù)積累、業(yè)務(wù)積累和行業(yè)洞察。

我們相信在這個領(lǐng)域會有越來越多的中國BI產(chǎn)品走進(jìn)全球市場，數(shù)百家中國五百強(qiáng)和世界五百強(qiáng)和領(lǐng)袖企業(yè)選擇永洪作為數(shù)據(jù)技術(shù)的合作伙伴。我們在這一領(lǐng)域走在前面，這是一個長跑，還需要在未來持續(xù)投入，幫助客戶從數(shù)據(jù)中獲取洞察，為客戶創(chuàng)造價值。

以下是《Gartner 2018 BI與數(shù)據(jù)分析魔力象限》報告原文，歡迎大家解讀。

綜述

基于云部署的現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺正在逐步占據(jù)主流市場。隨著市場上產(chǎn)品的易用性和智能分析方面的創(chuàng)新，數(shù)據(jù)與分析領(lǐng)導(dǎo)者開始升級傳統(tǒng)解決方案，擴(kuò)大新供應(yīng)商的產(chǎn)品組合。

戰(zhàn)略計劃構(gòu)想

到2020年，智能分析是一種包括自然語言搜索、智能數(shù)據(jù)預(yù)處理、自動化深入分析和以可視化為基礎(chǔ)的數(shù)據(jù)挖掘功能的分析方式，它將成為推動商業(yè)智能、分析數(shù)據(jù)科學(xué)以及機(jī)器學(xué)習(xí)平臺和嵌入式分析購買市場的主要驅(qū)動力量。

到2020年，現(xiàn)代商業(yè)智能和數(shù)據(jù)分析平臺將會因為智能數(shù)據(jù)挖掘能力的不同而體現(xiàn)出差異化，擁有智能數(shù)據(jù)挖掘能力的平臺的用戶量將達(dá)到非此類平臺兩倍的增長率，而這也會給客戶帶來兩倍的商業(yè)價值的提升。

到2020年，自然語言處理和人工智能技術(shù)將成為90%的現(xiàn)代BI平臺的標(biāo)準(zhǔn)性能。

到2020年，50%的分析問題將通過使用搜索、自然語言處理和語音的方式生成，或者將被自動生成。

到2020年，一些平臺將為用戶提供內(nèi)部和外部的數(shù)據(jù)目錄，與無法提供這些數(shù)據(jù)目錄的企業(yè)相比，他們將幫助客戶通過對數(shù)據(jù)分析的投資實現(xiàn)兩倍的商業(yè)價值。

到2020年，公民數(shù)據(jù)科學(xué)家的數(shù)量將比數(shù)據(jù)科學(xué)家的數(shù)量增長快五倍。

市場界定/概述

以可視化為基礎(chǔ)的數(shù)據(jù)挖掘技術(shù)決定了現(xiàn)代商業(yè)智能(BI)與數(shù)據(jù)分析平臺的特征屬性。傳統(tǒng)平臺的分裂浪潮始于2004年，現(xiàn)代商業(yè)智能與數(shù)據(jù)分析市場從IT為中心的記錄系統(tǒng)(SOR)轉(zhuǎn)向以業(yè)務(wù)為中心的現(xiàn)象已成為主流。

現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺的工具具備簡單、易用的特性，并且支持全面的分析工作流程。在分析前期，新平臺不需要IT人員大量參與到預(yù)先準(zhǔn)備數(shù)據(jù)模型的工作中來，在某些情況下，平臺會自動生成可復(fù)用的數(shù)據(jù)模型(請參閱《現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺的技術(shù)綜述》)。

獨(dú)立的內(nèi)存列引擎有助于探索，同時也可以快速建立原型。現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺可以選擇性地從傳統(tǒng)的IT建模數(shù)據(jù)結(jié)構(gòu)中獲取信息，以促進(jìn)整個組織的管理和可復(fù)用性。許多組織可以通過敏捷的方式擴(kuò)展IT模型化結(jié)構(gòu)，并將其與新的多結(jié)構(gòu)化數(shù)據(jù)源結(jié)合，從而幫助組織開展現(xiàn)代化工作。

與此同時，其他組織可以使用現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺中的分析引擎作為傳統(tǒng)數(shù)據(jù)倉庫的替代品。這種方法通常只適用于數(shù)據(jù)源有限、數(shù)據(jù)量相對較小的中小型組織。數(shù)據(jù)湖和邏輯數(shù)據(jù)倉庫使用量的增加也與現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺的能力相匹配，可以接受這些輕度模型數(shù)據(jù)源。

Gartner 在2016年重新修訂了BI和分析平臺的魔力象限，反映了此間長達(dá)十年的巨大轉(zhuǎn)變。多年來，向現(xiàn)代敏捷和商業(yè)主導(dǎo)分析的過渡現(xiàn)在已成為主流，并呈兩位數(shù)的增長態(tài)勢; 與此同時，自2015年以來，傳統(tǒng)商業(yè)智能的支出一直在下降，在當(dāng)時，Gartner曾首次定義了這兩個細(xì)分市場。

最初，現(xiàn)代商業(yè)智能與數(shù)據(jù)分析市場的大部分增長都是由業(yè)務(wù)用戶推動的，通常是通過個人或業(yè)務(wù)部門的小額采購實現(xiàn)。然而，隨著這個市場的成熟，IT越來越多地(隨著商業(yè)用戶的影響力)參與主導(dǎo)擴(kuò)展部署，作為擴(kuò)大自助服務(wù)分析范圍的一種方式。

商業(yè)智能與數(shù)據(jù)分析的擁擠市場中，包括了從大型的技術(shù)廠商到由大量風(fēng)險投資支持的創(chuàng)業(yè)公司等參與者。傳統(tǒng)商業(yè)智能平臺的供應(yīng)商已經(jīng)發(fā)展出新功能，包括現(xiàn)代的基于視覺的數(shù)據(jù)挖掘與管控等。

與此同時，新的供應(yīng)商繼續(xù)發(fā)展最初被關(guān)注的敏捷性功能，將其擴(kuò)展、發(fā)布和共享到更高的管理和擴(kuò)展平臺?？蛻舻睦硐脒x擇是在單一平臺上同時擁有側(cè)重于可預(yù)測性并具有穩(wěn)定性目標(biāo)，以及探索性的，涉及實驗來解決新問題，并針對不確定性領(lǐng)域進(jìn)行優(yōu)化的兩種模式，并且能在兩種模式之間實現(xiàn)跳轉(zhuǎn)。

隨著以可視化為基礎(chǔ)的數(shù)據(jù)挖掘技術(shù)對傳統(tǒng)商業(yè)智能造成破壞性影響，第三波破壞已經(jīng)開始以智能分析技術(shù)的形式出現(xiàn)，機(jī)器學(xué)習(xí)可以為日益增多的海量數(shù)據(jù)提供新見解。以智能分析為特色的供應(yīng)商能夠更好地為他們的產(chǎn)品制定高價政策(請參閱“智能分析是數(shù)據(jù)分析的未來”)。

魔力象限專注于符合現(xiàn)代商業(yè)智能與數(shù)據(jù)分析平臺標(biāo)準(zhǔn)的產(chǎn)品，這些產(chǎn)品正是當(dāng)今市場上主流產(chǎn)品。傳統(tǒng)企業(yè)報告平臺市場指南涵蓋了(由于IT預(yù)設(shè)數(shù)據(jù)模型的前期要求，或者以報告為中心的)不符合納入要求的現(xiàn)代標(biāo)準(zhǔn)的產(chǎn)品。

商業(yè)智能與分析平臺的5個用例與15個關(guān)鍵能力

5個用例：

· 以敏捷為中心的BI產(chǎn)品：這種平臺支持敏捷型的、IT化的工作流程，包括從數(shù)據(jù)到集中交付和管理分析內(nèi)容，平臺具有自有的數(shù)據(jù)管理能力。

· 去中心化的分析：支持?jǐn)?shù)據(jù)的自服務(wù)數(shù)據(jù)分析?？梢詾楠?dú)立的業(yè)務(wù)模塊和用戶提供分析支持。

· 數(shù)據(jù)挖掘管控：支持從自服務(wù)數(shù)據(jù)分析到自助創(chuàng)建數(shù)據(jù)分析管理頁面的工作流程，IT級的內(nèi)容管控，而用戶內(nèi)容生成、管理頁面和分析內(nèi)容都是可復(fù)用和可升級的。

· OEM和內(nèi)嵌式BI：支持?jǐn)?shù)據(jù)分析流程以內(nèi)嵌BI至一個流程或者一種應(yīng)用中來實現(xiàn)。

· 外部部署：支持為外部客戶或者公共領(lǐng)域、公民接入分析內(nèi)容，流程類似以敏捷為中心的BI。

15個關(guān)鍵能力：

基礎(chǔ)設(shè)施

1. BI平臺的監(jiān)管、安全與架構(gòu)：平臺具有安全管理、用戶管理、平臺接入與使用的審計、調(diào)優(yōu)和保障高可用性和容災(zāi)的能力。

2. 云BI：具有平臺即服務(wù)和分析應(yīng)用即服務(wù)的能力，可以同時在云端和本地部署、使用和管理數(shù)據(jù)分析報告和數(shù)據(jù)分析應(yīng)用。

3. 數(shù)據(jù)源的連接和融合：讓用戶能連接到云端和本地化的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，包含支持不同類型的數(shù)據(jù)存儲平臺。

數(shù)據(jù)管理

4. 元數(shù)據(jù)管理：該工具能夠讓用戶利用數(shù)據(jù)包模型和元數(shù)據(jù)。實現(xiàn)這些功能需要提供一種強(qiáng)大且核心的方式方便管理者們?nèi)ニ阉?、抓取、存儲、?fù)用和發(fā)布元數(shù)據(jù)對象，比如維度、層級、度量、表現(xiàn)特性/核心指標(biāo) (KPIs)和報告布局等。平臺管理者們需要有能力去升級業(yè)務(wù)用戶創(chuàng)建的數(shù)據(jù)模型，將其提升為系統(tǒng)級的數(shù)據(jù)模型。

5. 自有數(shù)據(jù)的抽取、轉(zhuǎn)換、加載以及數(shù)據(jù)存儲：該系統(tǒng)有能力為連接、融合、轉(zhuǎn)換和加載數(shù)據(jù)至一個自有的功能引擎以及有能力去索引數(shù)據(jù)、管理數(shù)據(jù)加載以及更新計劃。

6. 自服務(wù)數(shù)據(jù)準(zhǔn)備：平臺可“拖拽”不同來源的用戶數(shù)據(jù)集，可生成分析模型，比如根據(jù)不同數(shù)據(jù)來源的用戶可自定義度量、組合、集合和層級。高級功能包括對不同來源的數(shù)據(jù)通過機(jī)器學(xué)習(xí)、語義識別、智能聯(lián)結(jié)、智能側(cè)寫、層級生成、數(shù)據(jù)行數(shù)和數(shù)據(jù)混合等進(jìn)行分析處理。

7. 可擴(kuò)展性和數(shù)據(jù)模型的復(fù)雜性：平臺使內(nèi)存中的引擎或數(shù)據(jù)庫內(nèi)部體系結(jié)構(gòu)能夠處理海量數(shù)據(jù)、復(fù)雜數(shù)據(jù)模型、性能優(yōu)化和大量用戶部署等工作。

分析與內(nèi)容創(chuàng)造

8. 內(nèi)置的高級分析功能：讓用戶可以非常方便地接入高級分析功能，在自有平臺或者通過引入、結(jié)合外部高級模型進(jìn)行分析。

9. 分析儀表盤：通過視覺探索和內(nèi)置的高級地理空間分析能力去生成能夠被其他人使用的高交互性的儀表盤和內(nèi)容。

10. 可交互的視覺化探索：使這種數(shù)據(jù)分析的探索可以借助可視化的選項，包括但不限于基礎(chǔ)的圖表形式，比如餅圖、柱狀圖、線圖等，也包括熱力圖和樹狀圖，地圖和散點圖以及其他特殊主題的圖表形式。這些工具能讓用戶通過百分比、細(xì)分和組合的展示情況去分析和操作數(shù)據(jù)。

11. 智能數(shù)據(jù)挖掘：幫助用戶在不通過查詢和建模以及寫算法的情況下自動挖掘、視覺化和敘述重要的分析發(fā)現(xiàn)，比如數(shù)據(jù)間的關(guān)聯(lián)、排除、集合、連接和預(yù)測等。

12. 移動端的數(shù)據(jù)探索和編程：通過利用移動設(shè)備的天然屬性，例如觸屏、照相功能和地理位置信息，讓客戶可以通過發(fā)布或交互的模式給移動設(shè)備升級和傳送內(nèi)容。

成果共享

13. 嵌入分析內(nèi)容：這種性能包含供應(yīng)商提供的軟件開發(fā)工具包和API接口，支持用戶創(chuàng)建和修改分析內(nèi)容，支持可視化展現(xiàn)和嵌入應(yīng)用程序，可將其嵌入到業(yè)務(wù)流程、應(yīng)用程序或門戶的開放標(biāo)準(zhǔn)中。

這些能力可以來自于外部的應(yīng)用、或者被復(fù)用的分析基礎(chǔ)設(shè)施，但必須可以無縫的與內(nèi)部應(yīng)用連接，也不需要讓用戶在兩種系統(tǒng)間進(jìn)行切換。這種能力讓BI與其他數(shù)據(jù)分析應(yīng)用架構(gòu)可以結(jié)合，讓用戶可以選擇在哪個業(yè)務(wù)流程中嵌入分析模塊。

14. 分析內(nèi)容的發(fā)布、分享和結(jié)合：這些能力可以讓用戶通過不同的結(jié)果類型和分布方式去發(fā)布、配置和優(yōu)化分析內(nèi)容，同時也有對內(nèi)容搜索的支持、計劃和預(yù)警的功能。

整體平臺能力

15. 便捷的使用和可視化展現(xiàn)，以及平臺能力和工作流：對管理者來說可以便捷的使用和部署平臺、生成內(nèi)容、銷售內(nèi)容以及與內(nèi)容互動，同時也具備可視化展現(xiàn)的能力。對于單一的、無縫的產(chǎn)品，或者多個產(chǎn)品來說，需要基于怎樣不同的功能去適配這種融合的需求。

市場概況

2017年，數(shù)據(jù)分析和BI(商業(yè)智能)的市場增長率約為10%(排除匯率因素)，正如Gartner對該其復(fù)合年均增長率的預(yù)測，到2021年底，其增長率將為8%。

數(shù)據(jù)分析和BI軟件市場的現(xiàn)代細(xì)分市場的發(fā)展速度一直都比整體市場要快：2017年增長率為28%，2021年為17%(排除匯率因素)。盡管軟件使用者正在努力拓展在用戶和產(chǎn)品內(nèi)容方面的潛力，但價格下行壓力和市場飽和的情況將成為導(dǎo)致市場增速放緩的兩大因素。

今年的魔力象限中體現(xiàn)出的關(guān)鍵趨勢如下：

增強(qiáng)分析

根據(jù)2017年的魔力象限，許多錯過了可視化數(shù)據(jù)分析那波市場紅利的大軟件公司已經(jīng)早早占據(jù)了以增強(qiáng)分析為代表的第三波技術(shù)機(jī)會的先機(jī)。

數(shù)據(jù)增強(qiáng)分析包括以機(jī)器學(xué)習(xí)為基礎(chǔ)的數(shù)據(jù)分析和BI功能，可以嵌入整個數(shù)據(jù)分析流程中的每一步中，包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模和結(jié)論生成。

交互模式也從原來單純的拖拽查詢模式向聲音、搜尋和以NLP算法為基礎(chǔ)的交互模式進(jìn)化。通過用自然語言生成(NLG)來說明檢索結(jié)果，可視化的效果也得到了優(yōu)化。無論是大軟件公司和初創(chuàng)企業(yè)都在其各自的增強(qiáng)分析技術(shù)發(fā)展路線圖上不斷前進(jìn)著，盡管這一點尚未影響到主流市場，但消費(fèi)者無疑可將之視為軟件公司正在迅速推進(jìn)技術(shù)創(chuàng)新的一項明證。

此外，早期購買使用了可視化數(shù)據(jù)分析軟件的用戶正面臨著數(shù)據(jù)和用戶數(shù)據(jù)分析工作數(shù)量猛增的問題。隨著他們自己的分析平臺的成熟，這批用戶對下一波的技術(shù)革新的態(tài)度似乎是最為開放的，因為增強(qiáng)分析技術(shù)有望幫助使用者在數(shù)據(jù)復(fù)雜性不斷提高的情況下更快地得出最重要的分析結(jié)論。

數(shù)據(jù)擴(kuò)展性和模型復(fù)雜度

隨著數(shù)據(jù)存儲的形式由單一的關(guān)系存儲向多元化的非SQL式的數(shù)據(jù)存儲發(fā)展，數(shù)據(jù)分析和BI平臺在提高數(shù)據(jù)擴(kuò)展性和模型復(fù)雜度上所面臨的壓力越來越大。而且，隨著數(shù)據(jù)素養(yǎng)的提高，用戶開始提出需要調(diào)用復(fù)數(shù)數(shù)據(jù)源并進(jìn)行菜單驅(qū)動的預(yù)測分析的、更為復(fù)雜的問題。

整個數(shù)據(jù)架構(gòu)正變得越來越復(fù)雜，數(shù)據(jù)湖泊的數(shù)量和規(guī)模不斷增加，這迫使數(shù)據(jù)分析和BI系統(tǒng)的開發(fā)隊伍必須思考判斷在哪里、如何進(jìn)行數(shù)據(jù)建模：是否要把數(shù)據(jù)復(fù)制到數(shù)據(jù)分析和BI工具的內(nèi)部存儲空間里?復(fù)制數(shù)據(jù)對運(yùn)算效率的提高能否抵消其帶來的負(fù)面影響?不同軟件之間在這些性能上依然有很大的差距。

有的軟件已經(jīng)將數(shù)據(jù)擴(kuò)展性和模型復(fù)雜度打造成自己的賣點(如MicroStrategy)，而其他軟件公司還在努力應(yīng)對這種趨勢：Tableau用Hyper取代了原來的數(shù)據(jù)抽取模式;Oracle在Oracle數(shù)據(jù)分析云中嵌入了多維數(shù)據(jù)庫(Essbase);而Pyramid Analytics為了滿足用戶的要求，干脆徹底重建了它的產(chǎn)品。

嵌入功能和社群賦能

嵌入式數(shù)據(jù)分析和BI依然還是一個重要的用例，因為用戶想要開發(fā)外聯(lián)網(wǎng)應(yīng)用、使數(shù)據(jù)貨幣化并打造嵌入了數(shù)據(jù)分析和BI功能的整體商業(yè)應(yīng)用。

這個市場的規(guī)模很難量化，因為其主要開發(fā)形式是以定制開發(fā)為主的。在最常被用于分析這一用例的魔力象限中的軟件公司中：Logi Analytics再次增加了一倍在該領(lǐng)域的投入;它還在Sisense的客戶用例中占比客觀。

嵌入式用例還可包括數(shù)據(jù)分析和BI軟件公司將有關(guān)內(nèi)容嵌入到他們自己開發(fā)的商業(yè)應(yīng)用及操作程序中的做法，它們這么做是為了抵達(dá)第一線的企業(yè)決策者，對銷售部門來說這是有其作用的。Qlik則試圖通過引起開發(fā)者社群的興趣來大力推進(jìn)在該領(lǐng)域的發(fā)展，然而，只有Qlik的少部分用戶真正安裝使用了這個用例。

不僅如此，軟件公司們還在努力提高其平臺的開放性，從而促進(jìn)社群用戶在一定范圍內(nèi)拓展這些技術(shù)的應(yīng)用，例如可視化、算法、計算和預(yù)置的分析應(yīng)用等形式。

社會責(zé)任

被評估的很多軟件公司一直都為非營利機(jī)構(gòu)提供特別優(yōu)惠，并向?qū)W生群體提供免費(fèi)軟件，這一方面是其承擔(dān)社會責(zé)任的一種形式，另一方面也算是在大學(xué)里培養(yǎng)未來的客戶。

有些公司的公益行動并不止于此，它們會努力減少自己的碳足跡，并將工作進(jìn)展向大眾公開，還承諾將部分利潤捐出用于回報社會。

在Data for Good活動中，軟件公司會使用公共數(shù)據(jù)集、針對社會問題舉辦編程馬拉松，或為社會公益活動捐贈軟件和服務(wù)，這都是其回報社會的方式。而這也成了篩選能力都很出色的軟件供應(yīng)商的一種條件。今年的魔力象限就首次將軟件公司的社會責(zé)任感和多樣性指數(shù)納入了評價體系中。

價格下行壓力，按月購買的定價模式及企業(yè)許可協(xié)議

2015年早期，微軟大幅降低了Power BI軟件的用戶人均價格，給該領(lǐng)域的所有軟件公司都造成了降價壓力。這一降價壓力一直持續(xù)到2017年，其間，有的大軟件公司會將新的數(shù)據(jù)分析和BI功能捆綁到其傳統(tǒng)平臺上，或?qū)⑵渥鳛榫S護(hù)更新的一部分。

消費(fèi)者表示愿意為關(guān)鍵性的特別功能的使用支付額外費(fèi)用，如果其中包括新興的增強(qiáng)分析等功能，付費(fèi)意愿就更強(qiáng)了。大部分消費(fèi)者首先看的都是授權(quán)費(fèi)，但Gartner一直宣稱人們應(yīng)該看的是總擁有成本，其中囊括了安裝部署、系統(tǒng)擴(kuò)容、內(nèi)容授權(quán)、后期培訓(xùn)和支持等所有費(fèi)用。

不少軟件公司開始采取按月購買的定價機(jī)制，從而降低新用戶開始使用軟件的初始成本，然而，這種做法并沒有降低長期授權(quán)費(fèi)用——三四年以后，用戶累計支付的費(fèi)用就會超過一次性永久授權(quán)費(fèi)用。

此外，對直接下載安裝的軟件或安裝部署工作量小的情況來說，按照用戶來定價的模式是很合適的，但對于需要進(jìn)行大規(guī)模安裝部署的情況來講，成本往往會大幅上升。

目前，大部分軟件公司會提供直接安裝和擴(kuò)容兩種選項，不過，其中有的公司的企業(yè)協(xié)議并沒有得到同步升級。

云部署已經(jīng)過了臨界點

分析和BI的云部署現(xiàn)在已經(jīng)過了臨界點。多數(shù)的全新的云端部署項目以及超過70%的今年調(diào)研中的客戶表示，他們已經(jīng)在用公有云部署了，而2017年的這個數(shù)據(jù)只有40%。

這種變化在今年的魔力象限報告中被突出顯示，例如僅有云部署或者云端優(yōu)先的產(chǎn)品(比如SalesforceEinstein Analytics, SAP Analytics Cloud, IBM Watson Analytics 和 Domo)。這種現(xiàn)實揭示出一些創(chuàng)新正在云端先發(fā)生了。另外，云部署變得更加靈活，混合數(shù)據(jù)連接至本地數(shù)據(jù)源得到了廣泛支持。

在混合云的概念中——客戶可以選擇在何處用到他們的 SaaS 分析應(yīng)用，以及在任何云端IaaS平臺上去用。在早期的時候， Qlik 和 SAP 就已經(jīng)構(gòu)建了向云端發(fā)展的策略。一些供應(yīng)商同時可幫助客戶替換 IaaS 云平臺所提供的BI和數(shù)據(jù)分析產(chǎn)品。

另外，供應(yīng)商現(xiàn)在可給客戶授權(quán)一個通用的 license 支持客戶本地至云端的無縫切換，就如微軟的Power BI 高級版最初進(jìn)入市場時那樣，最近 SAP、Oracle 和 Qlik 也都提供了這樣的方式。那么對客戶來說，購買單一完整的 license 會是一個理想的起點，客戶同時希望通過這些部署模式擁有管理內(nèi)容和用戶的能力，但可惜的是大多數(shù)的供應(yīng)商并不支持這種混合部署。

雖然就這次報告中所觀察的客戶的情況來看，客戶的云部署水平普遍很高，但Gartner的 IT Score 測試卻顯示出68%的客戶缺乏云部署策略，僅有7%的客戶有在產(chǎn)品層面的策略。

支持實時事件、流數(shù)據(jù)以及分析將進(jìn)一步擴(kuò)大使用范圍

越來越多的企業(yè)希望利用由設(shè)備、傳感器和人進(jìn)行連接，從而對產(chǎn)生的流數(shù)據(jù)進(jìn)行分析，以便據(jù)此分析結(jié)果，更快的做出決策。

商業(yè)智能市場的參與者通過投資，為具備需求相似的買家提供一個具備能夠支持實時事件、流數(shù)據(jù)以及其他類型數(shù)據(jù)的分析，同時開發(fā)出一系列具備實時、易用性強(qiáng)的創(chuàng)新型應(yīng)用，從而提升企業(yè)的市場洞察力。

內(nèi)容、數(shù)據(jù)和算法市場將進(jìn)一步擴(kuò)大并變得更加成熟，同時為企業(yè)創(chuàng)造新的銷售機(jī)會，并通過銷售分析功能來縮短決策時間

軟件廠商和購買方，雙方通過交流數(shù)據(jù)分析的應(yīng)用場景，共同策劃數(shù)據(jù)源的利用，以及探討自定義可視化和大數(shù)據(jù)算法，這種活躍商業(yè)智能市場的可用性探討，將有助于數(shù)據(jù)分析以及商業(yè)智能領(lǐng)域未來的發(fā)展。

一個成熟的商業(yè)智能市場也為BI廠商提供了一個新的銷售渠道 ，BI廠商在平臺應(yīng)用成熟之后，可以將平臺積累的成熟行業(yè)解決方案出售給客戶或者通過合作伙伴渠道出售給有此需求的企業(yè)。

成熟市場的主要受益者最終還是用戶和企業(yè)，用戶通過將商業(yè)智能應(yīng)用在工作流程當(dāng)中，企業(yè)內(nèi)部通過對成熟的行業(yè)解決方案的應(yīng)用，從而優(yōu)化了工作流程以及提了升企業(yè)的運(yùn)營效率。

隨著下一波市場浪潮的到來，創(chuàng)新型廠商將不斷涌現(xiàn)，但這一變化應(yīng)被創(chuàng)新性廠商視為整體發(fā)展戰(zhàn)略的一部分

在接下來的幾年中，大型供應(yīng)商的創(chuàng)新市場投資將有益于購買方。

因為創(chuàng)新型廠商擁有大量的技術(shù)創(chuàng)新，以及由于創(chuàng)新型廠商對多個獨(dú)立的解決方案進(jìn)行快速演示其業(yè)務(wù)價值并且草率地將其轉(zhuǎn)化為生產(chǎn)部署，而未對設(shè)計、實施以及技術(shù)等給予足夠的投入，因此在產(chǎn)品投入市場進(jìn)行驗證時，將會暴露出眾多缺陷，而這些創(chuàng)新型廠商對于產(chǎn)品暴露的問題，都將承擔(dān)技術(shù)責(zé)任。

在這個快速發(fā)展的市場中，創(chuàng)新性企業(yè)應(yīng)該更加謹(jǐn)慎——通過制定正確的發(fā)展戰(zhàn)略，以及選擇正確的技術(shù)架構(gòu)，從而避免將來重大的返工以及重新設(shè)計工作。