AI及自助式BI的中国困境

很多人相信AI与BI的融合是未来，增强分析和智能预测是当下企业的一个关注点。在AI比较火热的时候帆软没有为之所动，继续聚焦BI。帆软认为随着BI智能化的发展，未来企业产品选型的参考重点还是以数据管理和数据分析为主。预计在2025年左右，中国的BI将迈入智能化阶段，而当下国内AI在BI的应用还是泡沫。

AI＋BI的发展现状和趋势

杨扬指出，AI落地核心点是和企业组织机构的实际业务结合，目前AI上手难度大，技术思维重，同时企业实际业务标签、模型沉淀比较少，对于企事业单位的业务帮助不高，很容易变成一个空心球。当前BI的应用主要还是在内部经营层面，开始注重场景的闭环，比如零售企业做到库存周转率的提高、制造业高效设备巡检提升效率等，不足之处是很多经验还伴随着比较强的企业特性，比如零售里面在A客户的配货算法，到了B那边就不一定试用，同时很多企业也不愿意针对这些方法进行深度沟通，在整个交流范围上，还欠缺一些，需要不断去梳理标准。

现在最适合企业的是从经营目标出发，找到降本增效的方法，不管通过传统中间库＋报表的方式还是通过模型＋自助分析的模式，而企业最迫切需要的应该是两块：

1：BI结合实际业务场景提供对应的分析思路；

2：BI项目落地的同时，能够培养员工数据分析思维的学习途径，短期看项目，长期还是看人才。

除了AI和数据挖掘，自助式分析是当下BI的最主要趋势。无论是国外的Tableau还是国内的帆软等BI厂商都在强调自助式分析的重要性和价值，一方面可拖拉拽的灵活定制降低了使用门槛，业务人员可以直接上手释放更多数据价值，另一方面也减轻了IT人员的压力。

多位BI从业人员指出国内自助式分析还处于非常初级阶段，面临着很多困境，无法实现数据分析的自助。造成这种局面的因素有很多，数据文化和人才缺失是比较重要的原因。

杨扬认为造成自助式分析难以推动的主要原因是数据分析项目发起人和使用者间的冲突。企业引入数据分析有两个渠道，一是通过科技部门或者IT部门，二是通过业务部门。

IT部门以前做数据跟踪报表，每次业务提需求基本是上午提下午要，给IT部门很大压力，而IT部门引入数据分析的目的是减轻部门压力，可能会准备些基础数据，有些企业甚至会把明细表全部开放，让业务部门自己在前面去拖拽选取，如此压力就传导到业务部门。

如果业务部门引入自助分析，期望会很高。希望找某个数据的时候，调出来的数据就是所需的数据口径，而且数据准确的无误。但实际过程中业务部门要的不是基础数据，都是需要做进一步加工萃取汇算的派生数据，所以业务部门经常会说调取的数据和业务系统对不上。

IT部门与业务部门各自为战的情况并不少见，杨扬建议IT部门向前迈一步，在项目前期与业务交流，根据不同业务部门对接不同数据口径，业务部门再请IT人员做一些自定义的工具，业务部门要思考如何把这些数据应用到自己想要的场景里面去。他认为比较有效的破局之道是在IT和业务部门之间建立一个角色作为桥梁沟通协调，比如有的企业会设立首席数据官、数据运营官的职位，使各部门之间不再各自为战，形成合力。

企业未来3～5年BI功能需求

“不管做BI还是什么，切记的是搞个大工程。所有部门一起上，那像这样一种情况，其实成功率特别低，但是这个原因有很多种，不管是从业务的内心排斥角度，还是从企业的数据准备角度，以及他企业对这个事情的一个思想准备角度，都没有到位。”杨扬强调，国内BI有广阔的前景，如果追求一步到位往往适得其反，结合企业自身情况选用合适的BI产品和服务，才能不断向着数据驱动迈进。