深入解读《Gartner2017年商业智能和分析平台魔力象限报告》

2017年2月16日，Gartner发布了2017年BI商业智能和分析平台魔力象限报告，笔者这里进行一些解读，帮助大家更好了解市场状况和趋势。

一、几家欢笑几家愁

和往年一样，Gartner的报告发布以后，处于高位者欣喜万分奔走相告，大肆宣传，恨不得买下所有广告位；而处于低位或未上榜者，则黯然神伤，甚至有些恨Gartner，把竞争差距如此清晰的反馈给读者。

好了言归正传，附上Gartner 2016和2017年魔力象限图以及对比图和对照表（浅色圆点是2016年位置），看看谁上谁下，魔力象限中各厂商表现如何。（文末附有2016和2017年各年份的魔力象限图）

笔者又做了一个表格，以更清晰的展示各种升降关系。

Gartner认为，商业智能和分析平台市场的主流已经从IT主导分析报表转向业务主导分析。数据和分析领导者面临无数选择：是传统的功能封闭的BI供应商，还是作为行业破坏者的新型BI供应商。

1、领导者竞争激烈

Microsoft、Tableau迅猛发展，仍然在第一集团军领跑，其中Microsoft在执行力上大幅度提高，已经和Tableau并驾齐驱，而企业产品前景仍超越Tableau一大截；Qlik小幅度下滑，已经跌到第一集团军边缘，岌岌可危。

2、挑战者交白卷

在Gartner团队的标准中，继2016年报告之后，第二次数显挑战者名单空白。这说明竞争大格局开始走向稳定，一时难有黑马异军突起。

3、有远见者，冲入新鲶鱼

传统的SAS、MicroStrategy等需要构建数据库的重型BI执行力下滑，市场影响力被撼动；SAP苦苦支撑，凭借超长的产品链条，仍然小有起色；IBM稳扎稳打，有了一定程度的影响力提升，但前景依然未变，不排除被替代风险。最耀眼的就是几条“鲶鱼”闯入： Zoomdata直接逆袭超越，迅速占领有远见者一席之地；Salesforce、ClearStory Data、Sisense都从特定领域者成功闯入有远见者行列；而TIBCO Software影响力大幅提升，已经略微超越IBM，不过前景依然不明朗；比较惨的是BeyondCore，已经完全跌出BI魔力象限，不见踪影。

4、特定领域者暗流汹涌

Altergy从有远见者行列跌到特定领域者；Birst执行力和市场影响力大幅下滑；GoodData、DataWatch跌出特定领域者，难觅身影；惊喜的是，杀出Oracle、Thoughtspor、Datameer三家厂商，尤其是Oracle。

二、敢问路在何方

Gartner魔力象限报告之所以称为业界旗帜，旗帜指向哪里，厂商就跟向哪里，就是因为Gartner分析师们对于行业发展的精准判断，不要忘了，商业智能这个概念也是Gartner提出来的。在2017年的报告中，Gartner分析师们规划了商业智能和分析平台的3年后愿景，和去年相比，今年增加了对市场前景的判断，强调了这样几个关键词： 大数据、智能、自助。详情如下：

报告年份	愿景
2017年	l到2020年，智能的、企业管理级的、基于Hadoop / Spark、基于搜索和可视化的数据探索分析功能将作为新型BI和分析平台的组件融合到下一代数据探索分析产品中。 l到2021年，具有智能数据探索分析功能的新型BI和分析平台的用户数量将是不具有智能数据探索分析功能的产品和平台的两倍，并且将创造两倍的商业价值。 l到2020年，自然语言生成和人工智能将是90％的现代BI平台的标准特征。 l到2020年，50％的分析查询将使用搜索，自然语言处理或语音生成，或将自动生成。 l到2020年，提供用户访问内部和外部数据的企业实现的商业价值，将是没有做数据分析投资的企业的两倍。 l到2020年，非职业数据分析师的增加速度将是职业数据分析师的5倍。（原文Through 2020, the number of citizen data scientists will grow five times faster than the number of data scientists，笔者将citizen data scientists 理解为非职业数据分析师，这里Gartner应该阐述的是一概念：人人都是数据分析师，人人都能自助分析数据）
2016年	l到2018年,部署新型BI平台将带来的转变之一，就是大多数业务人员和分析师都通过自助式BI工具来处理准备数据，进行数据分析。 l到2018年,大多自助式数据处理、分析产品将扩展为一站式分析平台，或者作为一部分功能集成到已有的分析平台。 l到2018年,智能的、企业管理级的、基于Hadoop架构、基于搜索和可视化数据探索分析功能将集成到在一个包括自助服务数据处理和自然语言生成功能的新型BI产品平台。

现在已然2017年，以帆软公司的经验，实现 “到2018年，大多数业务人员和分析师都通过自助式BI工具来准备数据，进行分析数据”还是很困难的，中国有特色的报表，有特色的信息化经验，有特色的组织架构，有特色的数据管理理念！但是，都挡不住时代潮流，笔者坚信这一天终会到来。2016年的展望中，第2、3个构想，正在或已经成为国内企业的重点突破方向，比如帆软在国内首创的“SPA螺旋式分析”，就是能实现业务人员自助服务数据处理，从而真正实现了业务人员全流程的自助数据分析。

三、那些年我们一起追过的功能

Gartner分析师们通过一些用例或功能点，来对各个厂商打分，从而在魔力象限中排列位置。这些功能是厂商必读，是未来的主流BI的标准配置。

1、五个主要用例

（1）敏捷集中地配置BI

“使用带有自足的数据管理功能的平台，支持自助敏捷的IT工作流程，包括从数据到集中交付和管理分析内容”。什么叫数据自足呢？笔者认为，应当支持IT人员能够分权限分内容掌控管理数据，而业务人员可以自助取数，可以直连数据，也可以链接经过ETL处理过的数据仓库，更可以自助加工处理一些原本不满足需求的数据。

（2）分散式分析

“支持从数据到自助分析的工作流，包括各个业务部门和用户的分析。 受控数据发现”。分散式分析，也就是多用户多主题的分析，支持各个业务部门和用户的分析自由创建不同主题的分析页面，并能协同共享。

（3）可控的数据的挖掘分析

“支持从数据处理到自助创建数据分析页面的管控。“什么是可控？就是要具备保证IT平台的安全性、后台可监控用户行为、可监测平台的访问和使用状况等功能。用户处理好的数据和创建好的分析页面可共享和复用。

（4）嵌入式BI

“支持将数据转化为可嵌入到其他流程或应用中的BI内容”。支持BI功能模块嵌入业务系统，比如ERP，核心是支持数据处理模块、后台管理模块、创建业务分析模块和页面查看分享模块独立嵌入到已有的业务系统或者其他企业办公软件中。

（5）外网部署

“支持类似于针对外部客户的独立服务器部署，允许用户通过局域网和互联网访问。 ”

2、十五个关键能力（功能）

1）基础模块

（1）BI平台管理，安全和架构

“支持平台安全管理，平台用户管理，平台访问管理，性能优化，确保高可用性（多机热备）和灾备恢复（平台定时自动备份）的能力。” 根基不牢，地动山摇，确保系统的高可用性和灾备恢复非常重要， 一般使用多机热备、平台定时自动备份等功能。

（2）云BI

“基于云和本地内部数据的平台，具备平台即服务和分析应用即服务的功能，以实现分析应用的开发、部署和管理，且支持云端部署和本地部署两种形式。”国内市场云BI的发展并不理想，核心就是企业尤其是中大型企业对SAAS模式还持观望态度，云BI在国内还需要很长时间的市场教育，这也是国内主流BI厂商并没有着急推出云BI产品的原因。

（3）数据源连接和提取

“允许用户连接到包含在本地和云中的各种类型的存储平台中的结构化和非结构化数据的功能。” 所以在功能支持上，主流BI都支持数据存取到服务器本地以提高平台访问性能和数据安全性，减小对业务系统实时直连抽取数据的压力，避免因数据提取而导致业务系统宕机。同时，平台也提供直连数据库和数据仓库的功能作为备选。

2）数据管理

（4）元数据管理

“让所有用户（业务人员和分析师）能分享同一个数据包模型和元数据。通强大且集中的方式，管理员能搜索、捕获、存储、复用各种元数据，还能把业务用户创建的数据模型提升为系统级的数据模型。”

（5）自包含提取,转换和加载(ETL)和数据存储

“平台功能包括用于访问,集成,转换和加载数据到自包含的性能引擎,具有索引数据和管理数据加载和刷新调度的能力。”以FineBI为例，它的ETL转换包括对数据表或对字段的ETL转换。 具体可操作类型包括：新增公式列、join、union、行列转换、使用部分字段、过滤、分组统计、构建自循环列、新增分组。

（6） 自助数据准备

“拖放不同来源的用户驱动数据组合,以及创建分析模型，例如用户定义的度量、集、组和层次结构。高级功能包括启用机器学习的语义自动发现、智能联接、智能分析、层次生成、数据沿袭和对各种数据源(包括多结构化数据)的数据混合。”上文中笔者简单提到过FineBI的SPA螺旋式分析，虽然满足了业务人员自助ETL数据，但并没有完全符合Gartner定义的高级功能，还需要进一步努力。

3）分析和内容创建

（7）嵌入式高级分析

“使用户能够轻松访问平台本身内部自包含的高级分析功能,或通过导入和集成外部开发的模型。”若要导入或集成外部开发的分析模型，BI产品应当充满开放性，比如满足分享共享、模版共享，当然产品也可以开放API接口，有开发者开发更多的算法模型，小如同比环比算法，大如灰色预测模型、神经网络预测模型。

（8）分析仪表板

“通过视觉探索和嵌入式高级和地理空间分析创建高度交互式仪表板和内容的能力,可供其他人使用。”Gartner特别提到了“地理空间分析”，这的确是炙手可热的功能。地理空间分析，也可以理解为“数据地图”，专门用来展示和分析这些与地图有关的数据。不仅会比单纯的表格要直观形象得多，信息沟通将更加有效，也更具专业的品质和形象。从类型上讲，数据地图可以分为区域地图、组合地图、标记点地图、单层地图 、自定义图片地图、流向地图、热力地图等。当前主流地图的主流技术是基于GIS底层，支持自定义的WMS服务，也可以实现地图离线。

（9）互动视觉探索

“通过一系列可视化选项来探索数据，这些可视化选项超出了基本饼图,条形图和折线图的范围，包括热图和树图、数据地图、散点图和其他特殊用途的图表。这些工具使用户能够通过直接与数据的视觉表示交互来分析和操作数据，以百分比、箱柜和组显示。”互动视觉探索分析，包含数据可视化和交互体验两方面，数据可视化的能力也是通过可视化图表的类型、提供的分析种类来判断，交互体验的能力主要通过易学性、易用性、UI友好性、使用效率来评价。

（10）智能数据挖掘分析

“自动查找、可视化展现和文字表述关进信息，例如平台可以自动处理与用户相关的数据中的相关性、异常、集群、关联和预测，而无需用户自己构建模型或编写算法。用户通过可视化、自然语言生成的文字、搜索和NLQ技术探索数据、挖掘数据、分析数据、展示数据。”可以说，数据挖掘分析是国内BI软件共同的软肋，没有哪家能够能够提供真正有用的数据挖掘功能。笔者也曾跟数据挖掘公司接触过，他们过的并不好，一方面是确实没有真正产生数据挖掘价值的案例，另一方面是国内IT精英们在多年概念洗脑下的幡然醒悟：“忽悠，接着忽悠”，现在越是北上广深信息化领先的地区的IT人，越是不盲目，越是不相信概念忽悠，越是能问清楚信息化真正的目的和价值。

（11）支持移动端展现

“使组织能够以发布和/或交互模式开发内容并将内容传送到移动设备,并 利用移动设备的本机功能，如触摸、照相机等”。移动BI是老生常谈的问题，也是任何BI产品必须支持的，Gartner给的移动端功能定义比较简单，笔者认为，移动BI真正要发挥作用和价值，必须考虑业务场景和安全。场景上，要结合企业实际业务需求，比如扫码、语音查询、数据填报、支持集成微信企业号或阿里钉钉等，安全上要考虑指纹加密、移动设备绑定mac地址、应用VPN加密信道等。

4）分享结果

（12）嵌入式分析内容

“功能包括具有API的软件开发人员工具包， 有着用于创建和修改分析内容、可视化和应用程序并将其嵌入到业务流程、应用程序或门户中的开放标准。这些功能可以驻留在应用程序之外，重用分析基础结构，但必须从应用程序内部轻松无缝地访问，不必强制用户在系统之间切换。将BI和分析与应用程序架构集成的功能将使用户能够选择在业务流程中嵌入分析的位置。”这一功能，是对用例中“嵌入式BI”的扩展，企业在考察BI产品的可嵌入部署能力时，别忘了考虑单点登录的方案。

（13）发布、共享和协作分析内容

“允许用户通过各种输出类型和分发方法发布、部署和操作分析内容，支持内容搜索、计划和警报的功能。使用户能够通过讨论主题、聊天和注释来共享, 讨论和跟踪信息、分析，共同完成内容分析和决策。”现在国内主流的BI产品， 对于挂载或者分享出去的BI分析，只能阅读报表数据，不可以再分析，对Gartner所倡导的这一共享功能响应并不好，但帆软不然，帆软非常认可共享的价值，非常认可“参与感”理念，所以帆软从很早就搭建了生态圈，产品早已模块化（插件化），围绕产品形成了帆软互助团，帆软顾问团，帆软讲师团，帆软插件开发者联盟，帆软VIP共创客户等在内的互惠共同体。当然对于帆软的BI产品，也是开创业内先河，进行了功能创新，开发了即席分析操作，被分享者享有与原作者一样的分析功能，比如维度切换、指标切换、过滤分析和数据钻取分析等 。

5）平台综合能力

（14）平台功能和工作流

“此功能考虑了在单个无缝产品中或在几乎没有集成的多个产品中提供功能的程度。”所谓提供功能的程度，既是功能的丰富程度，强大与否，比如数据管理的策略、可视化自助分析能力、企业级管控能力等。

（15）易于使用和可视化

“易于管理和部署平台，易于创建、使用、分享BI分析，容易实现数据可视化。“关于易用性，笔者不多评价，毕竟仁者见仁智者见智。

附：2016年／2017年魔力象限图