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（國內(nèi)似乎只有應(yīng)用上云，數(shù)據(jù)本地化的趨勢）正在逐步占據(jù)主流市場。隨著市場在易用性和增強(qiáng)分析（augmented analytics）方面的變革，數(shù)據(jù)與分析領(lǐng)導(dǎo)者正在逐步升級傳統(tǒng)解決方案或擴(kuò)展新的BI產(chǎn)品

發(fā)展趨勢

• 到2020年，增強(qiáng)分析（包括自然語言查詢、增強(qiáng)數(shù)據(jù)準(zhǔn)備、自動高級分析和基于視覺的數(shù)據(jù)發(fā)現(xiàn)能力）將成為新的商業(yè)智能、分析和數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)平臺以及嵌入式分析的主要推動力。
• 到2020年，現(xiàn)代商業(yè)智能和分析平臺將分化出增強(qiáng)數(shù)據(jù)（深度學(xué)習(xí)的常用手段）探索能力，且以2倍左右的速率增長并創(chuàng)造2倍于現(xiàn)在的商業(yè)價值。
• 到2020年，90%的現(xiàn)代商業(yè)智能平臺會把自然語言生成（NLG）和人工智能（AI）作為標(biāo)準(zhǔn)能力。
• 到2020年，50%的分析查詢將通過搜索、自然語言處理（NLP）或語音的方式生成，甚至將自動生成。
• 到2020年，一些平臺將為用戶提供內(nèi)部和外部的數(shù)據(jù)編目（curated catalog of internal and external data），與無法提供這些數(shù)據(jù)編目的企業(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，大眾型數(shù)據(jù)科學(xué)家（citizen data scientists）數(shù)量的增長速度將是專家型數(shù)據(jù)科學(xué)家（expert data scientists）的五倍。

市場現(xiàn)狀

以可視化為基礎(chǔ)的數(shù)據(jù)發(fā)現(xiàn)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。這一波沖擊從2004年開始，逐漸將市場和新的購買趨勢從以IT為中心的報告型轉(zhuǎn)變?yōu)橐允?用自助服務(wù)為主的業(yè)務(wù)驅(qū)動型敏捷分析。

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，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，平臺還會自動生成可復(fù)用的數(shù)據(jù)模型。

獨立的內(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。與此同時，部分企業(yè)開始使用現(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企業(yè)。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)分析平臺的功能相吻合，因為平臺可接受這些輕度模型數(shù)據(jù)源。

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。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，也促進(jìn)了自助服務(wù)分析的范圍不斷擴(kuò)張。

商業(yè)智能與數(shù)據(jù)分析的擁擠市場中，有著大型技術(shù)公司以及大量風(fēng)險投資支持的創(chuàng)業(yè)公司。傳統(tǒng)商業(yè)智能平臺的供應(yīng)商產(chǎn)品提供了新的功能，包括基于視覺的數(shù)據(jù)發(fā)現(xiàn)、數(shù)據(jù)治理等。與此同時，新的供應(yīng)商不斷發(fā)展其專注的敏捷型功能，將其擴(kuò)展、發(fā)布和共享到更高的管理平臺。

正如可視化數(shù)據(jù)分析對傳統(tǒng)商業(yè)智能造成的沖擊一樣，下一波BI將以基于機(jī)器學(xué)習(xí)的增強(qiáng)分析形式出現(xiàn)，可以為日益增多的海量數(shù)據(jù)提供新見解。

商業(yè)智能與分析平臺關(guān)鍵能力

Infrastructure 基礎(chǔ)設(shè)施

• BI平臺的管理、安全與架構(gòu)：平臺具有安全管理、用戶管理、平臺接入與使用審核、高可用性保障和容災(zāi)的能力。
• 云BI：具有平臺即服務(wù)（platform-as-a-service）和分析應(yīng)用即服務(wù)（analytic-application-as-a-service）的能力，并同時支持在云端和本地創(chuàng)建、部署和管理數(shù)據(jù)分析應(yīng)用。
• 數(shù)據(jù)源的連接和整合：平臺允許用戶連接本地和云端各種類型的存儲平臺（關(guān)系型和非關(guān)系型）中包含的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

Data Management 數(shù)據(jù)管理

• 元數(shù)據(jù)管理：平臺能夠讓用戶利用通用的語義模型（semantic model）和元數(shù)據(jù)。實現(xiàn)這些功能需要提供一種強(qiáng)大且集中的方式方便管理者們?nèi)ニ阉鳌⒆ト　⒋鎯Α?fù)用和發(fā)布元數(shù)據(jù)對象（如維度、層級、度量、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。
• 自有的數(shù)據(jù)抽取、轉(zhuǎn)換、加載（ETL）以及數(shù)據(jù)存儲：該系統(tǒng)有能力連接、融合、轉(zhuǎn)換和加載數(shù)據(jù)至一個自有的功能引擎，并且有能力去索引數(shù)據(jù)、管理數(shù)據(jù)加載、更新計劃。
• 自助式數(shù)據(jù)準(zhǔn)備（Data Preparation）：用戶可直接通過拖拽的方式來組合不同來源的數(shù)據(jù)和生成分析模型，比如用戶可自定義度量、集合、組和層次結(jié)構(gòu)。高級功能包括基于機(jī)器學(xué)習(xí)的語義識別、智能連接、層次結(jié)構(gòu)生成、多數(shù)據(jù)源數(shù)據(jù)融合（包括多結(jié)構(gòu)化數(shù)據(jù)）。
• 可擴(kuò)展性和數(shù)據(jù)模型的復(fù)雜性：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、大量用戶部署和性能優(yōu)化等工作。

Analysis and Content Creation 分析與內(nèi)容創(chuàng)造

• 內(nèi)置的高級分析功能：通過本身的菜單選項或通過導(dǎo)入和集成外部開發(fā)的模型，使用戶能夠輕松使用平臺自有的高級分析功能。
• 分析儀表盤（Dashboard）：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。
• 交互式的視覺探索：通過一系列可視化選項來探索數(shù)據(jù)，包括但不限于基礎(chǔ)的圖表形式，比如餅圖、柱狀圖、折線圖等，也包括熱點圖、樹形圖、地圖、散點圖以及其他特殊主題的圖表形式。這些工具能讓用戶直觀了解數(shù)據(jù)的構(gòu)成、分布、趨勢、比較和聯(lián)系，從而用戶可有效的分析和操作數(shù)據(jù)。
• 增強(qiáng)數(shù)據(jù)發(fā)現(xiàn)：幫助用戶在不通過建模和編寫算法的情況下自動尋找、呈現(xiàn)和敘述重要的分析發(fā)現(xiàn)，比如數(shù)據(jù)間的關(guān)系、異常、群集、鏈接和預(yù)測等。用戶通過搜索、可視化、自然語言生成與查詢等技術(shù)來探索數(shù)據(jù)。
• 移動端的數(shù)據(jù)探索：通過利用移動設(shè)備的天然屬性，例如觸屏、攝像頭和GPS定位，使用戶能夠以發(fā)布或交互模式為移動設(shè)備開發(fā)和提供內(nèi)容。

Sharing of Findings 成果共享

• 嵌入分析內(nèi)容：供應(yīng)商提供軟件開發(fā)工具包（SDK）和API接口，支持用戶創(chuàng)建和修改分析內(nèi)容，可視化效果和應(yīng)用，可將其嵌入到客戶的業(yè)務(wù)流程、應(yīng)用程序或門戶網(wǎng)站中。這些功能必須能夠輕松無縫地從應(yīng)用程序內(nèi)部訪問，而不會強(qiáng)制用戶在系統(tǒng)之間切換。通過BI與其他數(shù)據(jù)分析應(yīng)用架構(gòu)可以結(jié)合的能力，用戶能夠選擇在哪個業(yè)務(wù)流程中嵌入分析模塊。
• 分析內(nèi)容的發(fā)布、分享和協(xié)作：允許用戶通過各種輸出格式（Excel、PDF、Email等）和推送方式來發(fā)布、配置和操作分析內(nèi)容，支持內(nèi)容的搜索、計劃和預(yù)警。這些功能使用戶能夠通過討論、聊天和注釋的方式來分享、商議和跟蹤相關(guān)的分析結(jié)果，從而做出有效的決策。

Overall platform capabilities 整體平臺能力

• 易用性和可視化：平臺易于操作、管理、部署和生成內(nèi)容，用戶可良好的與分析內(nèi)容進(jìn)行交互，同時平臺具備良好的可視化展現(xiàn)能力。

Qlik VS Tableau VS Microsoft VS IBM

Magic Quadrant for Analytics and Business Intelligence Platforms 分析與商業(yè)智能平臺魔力象限

備注：

• 供應(yīng)商的執(zhí)行力（Ability To Execute），具體體現(xiàn)在魔力象限的縱軸，其中包含了產(chǎn)品及服務(wù)、可見度（指市場能力和用戶對該產(chǎn)品的反應(yīng)、評價）、銷售執(zhí)行能力（包含市場份額、增長率）、市場責(zé)任和記錄（指產(chǎn)品出現(xiàn)問題企業(yè)的處理態(tài)度，是否負(fù)責(zé)）、客戶體驗五大標(biāo)準(zhǔn)。
• 愿景的完整度（Completeness Vision）作為魔力象限評判的橫軸，也包括了對市場的理解、銷售策略、市場策略、產(chǎn)品策略和創(chuàng)新五項標(biāo)準(zhǔn)。需要對供應(yīng)商能否理解行業(yè)用戶的普遍需求，以及能否了解、把握市場的未來走向方面做出考量和評分。
• 處于同一象限的供應(yīng)商不會有絕對的差距（如Qlik、Tableau和Microsoft），只是各自擅長的方向有所區(qū)別；入選特定象限（NCHE PLAYERS/VISIONARIES）的供應(yīng)商并不意味著是落后的，往往這些企業(yè)在特定的領(lǐng)域內(nèi)處于領(lǐng)先地位。

Qlik

Qlik通過其主要產(chǎn)品Qlik Sense提供數(shù)據(jù)發(fā)現(xiàn)、敏捷分析和商業(yè)智能。Qlik Analytics Platform（QAP）支持開發(fā)人員創(chuàng)建自定義應(yīng)用和嵌入式用例。 QlikView繼續(xù)得到增強(qiáng)，與Qlik Sense兩條產(chǎn)品線并行發(fā)展，而Qlik近年有意的將重心放在Qlik Sense上，Sense也逐漸成為Qlik重要的商業(yè)智能與分析產(chǎn)品，其License營收逐年上升，達(dá)到Qlik全部License收入的50%以上。

Qlik可擴(kuò)展的內(nèi)存引擎允許客戶構(gòu)建強(qiáng)大的交互式可視化應(yīng)用，甚至一些客戶直接選擇該引擎作為數(shù)據(jù)集市（data mart），而非傳統(tǒng)的數(shù)據(jù)倉庫（data warehouse）。Qlik提供一個可選的服務(wù)器組件Qlik NPrinting，具備報告分發(fā)和調(diào)度功能。 2017年1月，Qlik收購Idevio，同樣將地理分析功能GeoAnalytics作為可選組件提供給用戶。NPrinting和GeoAnalytics都是最初由Qlik合作伙伴開發(fā)的。

Qlik能始終保持在行業(yè)領(lǐng)導(dǎo)者的行列中，得益于其在增強(qiáng)分析、營銷策略改進(jìn)以及易用性方面的不斷進(jìn)步。

優(yōu)勢

• 擴(kuò)展性： Qlik Analytics Platform（QAP）開發(fā)者平臺提供對Qlik內(nèi)存引擎的完整API訪問權(quán)限，允許組織和開發(fā)人員擴(kuò)展Qlik Sense可視化分析以構(gòu)建豐富而智能的以數(shù)據(jù)為驅(qū)動的分析應(yīng)用。Qlik Sense不僅支持自助式的分析和商業(yè)智能，其腳本引擎還支持來自多個數(shù)據(jù)源的復(fù)雜數(shù)據(jù)轉(zhuǎn)換，提供敏捷、集中式的BI配置，幫助用戶創(chuàng)建高交互性的儀表盤。Qlik本身提供點擊式的菜單選項來加載數(shù)據(jù)，其腳本引擎使得開發(fā)人員不僅限于菜單驅(qū)動選項，比如可通過編寫腳本跟蹤數(shù)據(jù)加載和轉(zhuǎn)換的過程。

• 內(nèi)存引擎：QlikView和Qlik Sense共享其關(guān)聯(lián)分析引擎Qlik Associative Engine，關(guān)聯(lián)分析引擎自誕生以來就體現(xiàn)了其差異化、獨特性，支持多種數(shù)據(jù)源、復(fù)雜的數(shù)據(jù)模型和復(fù)雜的計算，因此客戶通常都會將QlikView和Qlik Sense用作數(shù)據(jù)集市。有時候?qū)lik Associative Engine稱之為“灰色的力量”，客戶在部署產(chǎn)品后都能了解到這種獨特的功能，如下圖所示：

• 產(chǎn)品愿景：Qlik始終鼓勵合作伙伴開發(fā)更多的內(nèi)容，以進(jìn)一步擴(kuò)展其平臺或通過預(yù)構(gòu)建的行業(yè)垂直應(yīng)用獲利。得益于在市場上的成功，Qlik順利的將NPrinting和Idevio整合到旗下。Qlik DataMarket還能以即用型（ready-to-consume）的方式呈現(xiàn)策展公共數(shù)據(jù)集（curated public datasets）。Qlik進(jìn)一步執(zhí)行了其增強(qiáng)分析的路線，能夠分析靜態(tài)數(shù)據(jù)和流數(shù)據(jù)、多云（multicloud），大數(shù)據(jù)。
• 合作伙伴網(wǎng)絡(luò)：Qlik在全球有超過500個系統(tǒng)集成商和1,700個合作伙伴，超過70％的Qlik項目實施都是由其合作伙伴主導(dǎo)的。這些合作伙伴通常與客戶保持緊密的聯(lián)系，并了解他們的實際需求。Qlik合作伙伴還通過市場或Community社區(qū)提供產(chǎn)品擴(kuò)展、預(yù)構(gòu)建的內(nèi)容以及培訓(xùn)。Qlik以高于市場平均水平的技術(shù)資源可用性獲得了更高的客戶滿意度。

持續(xù)改進(jìn)

• 自助式服務(wù)：Qlik Sense正在努力實現(xiàn)界面的現(xiàn)代化、增強(qiáng)平臺的開放性和擴(kuò)展性，也打算帶來更多的自助式分析功能。不過迄今為止，離預(yù)期還有一定差距。比如復(fù)雜的數(shù)據(jù)連接需要編寫腳本，平臺目前還是缺少點擊式的公式編輯器，在探索和可視化分析的同時欠缺創(chuàng)建計算的能力。
• 軟件成本： Qlik Sense主要是基于用戶的定價模式（盡管一個Token可以由不頻繁登錄的多個用戶共享），而QlikView具有更靈活的定價選項，通常是基于服務(wù)器的。Qlik正在嘗試推出涵蓋兩種產(chǎn)品的購買選項。有17％的Qlik客戶認(rèn)為軟件的成本是對更廣泛部署的限制。在同類產(chǎn)品價格持續(xù)下行的市場壓力下，除非Qlik能更清楚地表達(dá)其增值差異化因素，否則使用成本將始終是Qlik擴(kuò)大市場的阻礙。與其他幾家著名BI供應(yīng)商一樣，Qlik正在過渡到基于訂閱（subscription-based）的定價模式。
• 遷移：Qlik對于用戶的支持一直領(lǐng)先于市場上大部分供應(yīng)商。然而，由于Qlik的主要市場策略是讓Qlik Sense和QlikView兩條產(chǎn)品線共存，所以在2017年6月之前，Qlik官方基本沒有發(fā)布過從QlikView升級到Qlik Sense的遷移工具。此前，難以進(jìn)行平臺遷移一直是用戶所詬病的，用戶滿意度也因此受到影響。

Tableau

Tableau提供了一種基于視覺的直觀交互式探索體驗，用戶可在不具備技術(shù)技能或編程技能的前提下，輕松訪問、準(zhǔn)備、分析和展示他們的數(shù)據(jù)。 Tableau提供三種主要產(chǎn)品：Tableau Desktop，Tableau Server和Tableau Online（其云產(chǎn)品）。 Tableau一直致力于為整個企業(yè)的每個人提供探索和發(fā)現(xiàn)數(shù)據(jù)見解的能力。

在過去的一年中，Tableau交付了許多對IT買家有吸引力的企業(yè)級功能，這是Tableau戰(zhàn)略轉(zhuǎn)變的一部分，即向大型企業(yè)部署和銷售。它發(fā)布了經(jīng)過認(rèn)證和推薦的數(shù)據(jù)源，以達(dá)成以下的目標(biāo)：大型部署的管理能力提升、來自云的混合數(shù)據(jù)支持、調(diào)度和警報、增強(qiáng)的SDK和API、合作機(jī)會的增加等。2017年8月，Tableau收購了ClearGraph，以提供自然語言接口，并致力于將其整合到2018年后續(xù)的版本中。

Tableau努力在全球建立產(chǎn)品意識，其產(chǎn)品路線包括了自然語言處理（NLP）、增強(qiáng)的數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)發(fā)現(xiàn)、敏捷的數(shù)據(jù)編目等，持續(xù)的產(chǎn)品改進(jìn)，良好的客戶體驗都促成了其優(yōu)勢地位。

優(yōu)勢

• 用于交互式視覺探索的“黃金標(biāo)準(zhǔn)”：Tableau的核心產(chǎn)品優(yōu)勢依然是其直觀的交互式可視化和探索功能，以及針對幾乎任何數(shù)據(jù)源的分析儀表盤功能 – 充分利用其廣泛的數(shù)據(jù)連接器集合，針對較大數(shù)據(jù)集進(jìn)行內(nèi)存和直接查詢訪問。用戶通過簡單的拖拽就可完成如預(yù)測、聚類、自動地理編碼和輔助公式編輯等功能。Tableau能夠讓用戶更容易快速的深入探索數(shù)據(jù)、操縱數(shù)據(jù)。參考持續(xù)購買該產(chǎn)品的客戶的經(jīng)驗，Tableau帶來的用戶體驗、易用性和功能性，在所有廠商中處于領(lǐng)先水平。
• 聚焦客戶體驗：為了幫助用戶熟練的使用產(chǎn)品進(jìn)行數(shù)據(jù)分析，Tableau與Tableau Public（其在線社區(qū)）以及其廣泛的Alliance Partner網(wǎng)絡(luò)一起提供了大量的學(xué)習(xí)選項。Tableau每年的用戶大會都會吸引成千上萬的用戶參加，如2017年參會人數(shù)達(dá)到了14,000人次，從此也可以看出Tableau多年以來在客戶群體中打下的良好基礎(chǔ)。
• 擴(kuò)大部署和標(biāo)準(zhǔn)化：越來越多的Tableau客戶正在使用它來使集中的團(tuán)隊能夠以靈活和迭代的方式為分析決策者提供內(nèi)容。此外，Tableau還可以幫助來商業(yè)用戶實現(xiàn)完全分散的分析。Tableau平均每年的部署規(guī)模在持續(xù)增長，因為很多企業(yè)選擇依托于Tableau進(jìn)行標(biāo)準(zhǔn)化改造，并在整個企業(yè)范圍內(nèi)更廣泛的部署產(chǎn)品。
• 靈活的部署選項：Tableau可以通過Tableau Online在云中部署，也支持本地部署。Tableau最初只提供云服務(wù)，部署在它自己的數(shù)據(jù)中心。其云部署選項現(xiàn)已發(fā)展到直接提供在AWS和Microsoft Azure預(yù)先打包好的虛擬機(jī)，以簡化部署流程。在過去的一年中，它增加了對Google Cloud平臺的支持以及來自云端的混合數(shù)據(jù)的支持。

持續(xù)改進(jìn)

• 價格：低成本工具對Tableau的沖擊越來越大。價格較低的市場進(jìn)入者正越來越多地吸引那些缺乏分析性的成熟買家，尤其是那些需要大量用戶部署的大型企業(yè)。在各供應(yīng)商產(chǎn)品能力逐漸縮小的情況下，價格因素在企業(yè)購買決策中的影響比以前更大，首次購買商業(yè)智能與分析產(chǎn)品的客戶會權(quán)衡選擇對他們來說性價比更高的產(chǎn)品。盡管Tableau繼續(xù)通過其基于視覺的數(shù)據(jù)探索能力不斷吸引新老客戶并擴(kuò)大部署規(guī)模，但這種激烈的競爭環(huán)境促成了Tableau近年來收入增長放緩，并迫使Tableau推出價格門檻更低的訂閱授權(quán)模式和更靈活的企業(yè)折扣價來吸引客戶。
• 缺乏對復(fù)雜數(shù)據(jù)模型的支持：企業(yè)正在從更大的、更多樣化的數(shù)據(jù)組合中尋找見解，需要更復(fù)雜的數(shù)據(jù)模型。盡管Tableau支持廣泛的數(shù)據(jù)源連接選項，但復(fù)雜數(shù)據(jù)建模（如multifact table models）必須在Tableau之外的數(shù)據(jù)倉庫中創(chuàng)建，或者通過其他自助數(shù)據(jù)準(zhǔn)備的合作伙伴來創(chuàng)建，而這兩個選項都會增加TCO（總擁有成本）。并且，由于從大容量內(nèi)存中抽取數(shù)據(jù)的性能不佳，用戶通常需要在單獨的數(shù)據(jù)存儲庫中進(jìn)行建模來改善這種情況。
• 產(chǎn)品前景： Tableau正在投資而不是引領(lǐng)下一波顛覆性創(chuàng)新。其絕大多部分針對產(chǎn)品本身的投資都集中在增強(qiáng)對企業(yè)特征的適應(yīng)、提高擴(kuò)展性、更靈活的部署，支持更大和更復(fù)雜的數(shù)據(jù)集，以及更簡易的視覺探索。Tableau增加了對NLQ的投資，增強(qiáng)分析也在其產(chǎn)品路線圖上。但是這些投入仍然比創(chuàng)新型的初創(chuàng)公司和大型供應(yīng)商顯得要晚，而這些功能卻是現(xiàn)代分析和BI市場未來的基石。

Microsoft

Microsoft Power BI作為一個獨立的產(chǎn)品，提供了從數(shù)據(jù)準(zhǔn)備到數(shù)據(jù)發(fā)現(xiàn)，交互式儀表盤和增強(qiáng)分析等一系列的BI平臺功能。它可作為在Azure云中運行的SaaS服務(wù)提供，也可以在本地部署Power BI Report Server。Server允許用戶共享報告（但不包括儀表盤），缺少了一些SaaS中的機(jī)器學(xué)習(xí)功能。而Power BI Desktop既可以作為基本的分析工具供個人用戶免費使用，也可以滿足高級用戶在本地數(shù)據(jù)源中創(chuàng)建復(fù)雜數(shù)據(jù)混搭。

Power BI作為當(dāng)今市場上價格較低的BI解決方案之一，近幾年的市場占有率實現(xiàn)了持續(xù)增長。伴隨著Microsoft清晰且富有遠(yuǎn)見的產(chǎn)品路線以及對垂直行業(yè)的延伸，客戶對Power BI的關(guān)注度及接受度均有所提高。

優(yōu)勢

• 低價格：在企業(yè)還沒有部署任何BI產(chǎn)品或需要更換現(xiàn)有產(chǎn)品時，很多客戶最終因為成本的考慮而選擇了Power BI。得益于此，2017年P(guān)ower BI的客戶群體逐漸擴(kuò)大。購買Power BI的群體中有12%的客戶是因為License的價格而選擇了此產(chǎn)品，這也成為了Power BI的第二大賣點。
• 易用性和可視化：無論是易用性或是可視化效果，Power BI一直處于行業(yè)中較高的水準(zhǔn)。14%的客戶最終因此而購買了Power BI，這也是Power BI目前吸引客戶的優(yōu)勢。Microsoft通過他們的“five by five”策略在客戶首次短時間體驗產(chǎn)品時，便迅速得到客戶的認(rèn)可，即：5秒鐘注冊，5分鐘驚艷客戶。產(chǎn)品擁有一系列的特性使得產(chǎn)品本身簡單易用，包括其主要的云部署模式。此外，Microsoft將自然語言處理（NLP）和查詢技術(shù)（NLQ）融入到產(chǎn)品的Q&A模塊，使用戶僅僅通過自然語言（暫不支持中文）就可輕松創(chuàng)建可視化圖表，如下圖所示：

• 產(chǎn)品愿景：Microsoft一直在努力的執(zhí)行其產(chǎn)品路線。Microsoft Quick Insights（Power BI中的一個功能模塊）是一個基本的增強(qiáng)數(shù)據(jù)發(fā)現(xiàn)（augmented data discovery）工具，最初只在云服務(wù)中提供。到2017年第四季度，Microsoft將此功能集成到桌面客戶端中，Microsoft Quick Insights能夠幫助用戶實現(xiàn)差異化的分析，比如發(fā)現(xiàn)從上季度到本季度對銷售額變化影響最大的因素。并且Power BI可在分析過程中激活人工智能助理Cortana，還可通過Surface的觸碰功能直接做大屏的匯報演示。Power BI和Microsoft Flow、Microsoft Dynamics 365的集成提供了一個從數(shù)據(jù)洞察到行動實施的閉環(huán)流程。目前，將虛擬現(xiàn)實技術(shù)應(yīng)用于Power BI的計劃也已經(jīng)提上了日程。
• ?用戶體驗：Power BI始終致力于向更多的用戶提供完善的信息和見解，且價格合理。良好的用戶支持和豐富的技術(shù)資源使得Microsoft的用戶體驗水平高于市場平均水平。Microsoft擁有強(qiáng)大的合作伙伴、分銷商和眾多個人用戶，除了Microsoft自身提供的內(nèi)容，合作伙伴們幫助提供預(yù)先構(gòu)建的應(yīng)用、更多的可視化以及產(chǎn)品的視頻教程等。

持續(xù)改進(jìn)

• 部署：Power BI一直更多的聚焦在敏捷、自助式分析的BI需求上，而這種模式目前只能部署到微軟自己的云Azure上。而本地部署的產(chǎn)品SQL Server Reporting Services更多的滿足的是用戶訂閱、發(fā)布報告的需求，缺少了很多高級功能。對于客戶而言，這就導(dǎo)致了具有不同功能和不同部署方式的雙產(chǎn)品部署。除此之外，產(chǎn)品更新頻率較高導(dǎo)致相關(guān)文檔和產(chǎn)品版本的不一致同樣給客戶帶來了一定困擾。
• 局限性：59%的用戶表示他們僅僅使用Power BI創(chuàng)建參數(shù)化的報告和儀表盤，而不是去完成一些更復(fù)雜的任務(wù)。比如更高級的數(shù)據(jù)準(zhǔn)備等工作都是在Power BI之外執(zhí)行的。用Microsoft Power BI制作自己的內(nèi)容的商業(yè)用戶平均比例是20％，處于眾多BI產(chǎn)品中較低的水平。
• 產(chǎn)品眾多：許多功能都需要Microsoft體系中其他產(chǎn)品的輔助，比如Microsoft Flow、SharePoint、Microsoft Teams、Cortana等。這就涉及到Power BI需要與其他眾多的產(chǎn)品進(jìn)行集成、整合，給客戶帶來了困擾。

IBM

IBM在商業(yè)智能與分析方向有兩款產(chǎn)品，分別為IBM Cognos Analytics和IBM Watson Analytics。Cognos Analytics version 11及更高版本代表了Cognos Business Intelligence產(chǎn)品（version 10.2.2及更早版本）的品牌重塑，旨在將傳統(tǒng)報告功能、自助式儀表盤和即席分析（ad hoc analysis）結(jié)合在一個現(xiàn)代的BI和分析平臺中。Cognos Analytics中改善的用戶體驗以及原本具備的增強(qiáng)功能（特別是搜索功能）使其成為更易于使用且更具視覺吸引力的平臺。它既可以部署在本地也可以作為IBM云上的托管解決方案提供。Watson Analytics同樣提供增強(qiáng)分析的功能，包括自動模式識別（automated pattern detection）、支持自然語言查詢（NLQ）以及嵌入高級分析，但Watson目前只能部署在云端。

IBM在行業(yè)中已經(jīng)失去了當(dāng)初領(lǐng)導(dǎo)者的地位，受到產(chǎn)品整體較低的評分、銷售執(zhí)行、客戶體驗等方面的影響，相對于市場上的其他供應(yīng)商IBM逐漸失去了原本的吸引力。作為一個歷史悠久的IT供應(yīng)商，IBM的產(chǎn)品路線圖從不缺乏前瞻性的元素，但它卻低估了市場對于復(fù)雜性分析的需求，使其在競爭中處于被動。

優(yōu)勢

• 增強(qiáng)且易于使用：IBM在增強(qiáng)分析或“智能”功能（首先整合到Watson Analytics，后續(xù)進(jìn)一步整合到Cognos Analytics）方面一直處于領(lǐng)先的地位，以簡化數(shù)據(jù)準(zhǔn)備、創(chuàng)建基本可視化和執(zhí)行更高級的預(yù)測分析。這些功能使得產(chǎn)品更易用，并幫助商業(yè)用戶和大眾型數(shù)據(jù)科學(xué)家更好地應(yīng)用分析功能。
• 一體化平臺：在Cognos Analytics平臺上既可創(chuàng)建標(biāo)準(zhǔn)的報告也可對數(shù)據(jù)進(jìn)行更多可視化/探索性分析，這是Cognos Analytics得天獨厚的優(yōu)勢，也是IBM的客戶選擇它的主要原因。Cognos Analytics平臺包括調(diào)度和預(yù)警功能，這些功能在現(xiàn)代平臺中歷來是缺乏的。
• 全球性的，具有社會責(zé)任感的供應(yīng)商：IBM在全球范圍內(nèi)擁有廣泛的影響力，并有能力為所有地區(qū)的客戶提供支持，行業(yè)中超過一半的供應(yīng)商都無法做到。同樣，IBM也展現(xiàn)出了其對社會行動的關(guān)注和積極參與，例如向?qū)W術(shù)機(jī)構(gòu)提供免費或降低成本的軟件。此外， IBM Research科學(xué)家和工程師聯(lián)合學(xué)術(shù)界和學(xué)科專家提出了 “科學(xué)促進(jìn)社會良好”（Science for Social Good）計劃以應(yīng)對復(fù)雜的社會挑戰(zhàn)。
• 用戶基礎(chǔ)：IBM擁有強(qiáng)大的傳統(tǒng)商業(yè)智能用戶群，其中許多人正在考慮更換更現(xiàn)代化的商業(yè)智能平臺，并且也有意愿繼續(xù)使用IBM提供的產(chǎn)品，前提是產(chǎn)品易用且價格合理。現(xiàn)有的Cognos BI客戶可以直接選擇將產(chǎn)品升級到Cognos Analytics。另一方面，Watson Analytics是按用戶進(jìn)行授權(quán)，其Plus或Professional用戶授權(quán)的價格低于同類型擁有強(qiáng)大增強(qiáng)分析功能的產(chǎn)品，并且用戶可以方便地對Watson Analytics進(jìn)行調(diào)研和試用。IBM的客戶認(rèn)為低許可成本是購買Watson Analytics的首要原因。

持續(xù)改進(jìn)

• 努力改進(jìn)但仍缺乏吸引力：Cognos Analytics提供了有趣和創(chuàng)新的主張，但根據(jù)對客戶的調(diào)查，新客戶購買和現(xiàn)有客戶升級方面的意愿都不夠強(qiáng)烈。許多Cognos Analytics客戶尚未升級到重新設(shè)計的最新版本，且已經(jīng)開始在調(diào)研和評估IBM之外的產(chǎn)品以實現(xiàn)現(xiàn)代化商業(yè)智能。IBM眾多的分支產(chǎn)品戰(zhàn)略繼續(xù)引起客戶的混淆和顧慮，盡管IBM致力于提供一個全面而緊密的商業(yè)智能和分析平臺。
• 分析的復(fù)雜性有限：雖然IBM提供了高于市場平均水平的易用性，但分析的復(fù)雜性一直是IBM所缺乏的。54％的IBM客戶表示他們主要將分析平臺用于參數(shù)化儀表盤（parameterized dashboards），而基本不會用它去完成更復(fù)雜的任務(wù)，如自助式數(shù)據(jù)準(zhǔn)備或交互式可視化探索。
• 產(chǎn)品功能差距：相較于其主要競爭對手，客戶給出的IBM產(chǎn)品總體得分（包括Cognos Analytics和Watson Analytics）是偏低的。超過20％的用戶表示，該平臺的主要問題在于產(chǎn)品功能缺乏或者說相對較弱，而反映其他供應(yīng)商存在類似問題的用戶比例平均不到10％。IBM的兩種產(chǎn)品在移動功能、可擴(kuò)展性和模型復(fù)雜性方面都有局限性。每種產(chǎn)品都有自身的缺陷。例如，Watson Analytics與Cognos Analytics相比，在管理和安全性方面不太成熟，但勝在其擁有高級模式識別（advanced pattern detection）從而進(jìn)行更復(fù)雜分析的能力。而相比之下，Cognos Analytics比Watson Analytics能更好地進(jìn)行元數(shù)據(jù)管理。
• 客戶體驗、銷售經(jīng)驗欠缺：通過大量用戶的反饋，IBM的客戶體驗仍落后于其他主流供應(yīng)商，主要受其低于市場平均水平的技術(shù)資源可用性的影響。盡管有58％的IBM客戶將他們的客戶體驗評價為“優(yōu)秀”，但I(xiàn)BM在該環(huán)節(jié)仍只能處于中下游水平。IBM對于用戶整體的支持程度以及產(chǎn)品質(zhì)量也是較為遜色的，這歸結(jié)于其解決方案涉及范圍太廣且升級過程相對繁瑣。

Qlik VS Tableau VS Microsoft VS IBM評分對比

評價指標(biāo)供應(yīng)商	Qlik	Tableau	Microsoft	IBM
總體評分	4.5	4.3	4.2	3.9
產(chǎn)品功能評分	4.4	4.4	4.3	4.1
協(xié)作能力	3.7	3.9	4	3.6
移動端數(shù)據(jù)探索	4.1	3.8	4	3.7
交互式可視化探索	4.5	4.6	4.4	4.1
分析儀表盤	4.5	4.6	4.4	4.2
自帶的ETL和數(shù)據(jù)存儲	4.1	3.6	3.9	3.8
部署和管理	4.3	4.3	4.2	3.9
對于內(nèi)容創(chuàng)作者的易用性	4.4	4.3	4.2	4
對于內(nèi)容使用者的易用性	4.3	4.4	4.3	4.2
分析內(nèi)容發(fā)布	4.4	4.3	4.2	4.1
分析內(nèi)容嵌入	4	4.1	4	4
高級分析嵌入	4	3.9	3.9	3.9
自助式數(shù)據(jù)準(zhǔn)備	3.9	3.8	4	4
元數(shù)據(jù)管理	3.7	3.6	3.6	4
數(shù)據(jù)源連接	4.3	4.3	4.2	4.2
安全和使用管理	4.1	4	4	4.2
云BI	3.9	4	4.3	4
BI平臺管理	4	4.1	4	4.1
產(chǎn)品評估與合同談判	4.3	4.1	4.1	4.1
定價的靈活性	3.9	3.6	4	3.8
集成和部署	4.2	4.2	4.2	4.1
部署的靈活性	4.4	4.3	4.3	3.9
服務(wù)和支持	4.2	4.2	4.1	3.9
反饋及時性	4.2	4.2	4	4
技術(shù)支持質(zhì)量	4.1	4.2	4.1	3.9
備注：每項評價指標(biāo)滿分為5分