商业智能的现状和发展趋势
励石创投是一家专注于初创期风险投资和扩展期成长投资的风险投资机构，重点投资于运作主体在中国及美国市场的初创型及成长型企业。励石创投以“成为一家有价值、受尊敬、并具有国际影响力的投资机构”为愿景，结合其自身LP及产业链资源，通过对资本和管理的帮助，促进企业创新与成长。励石创投重点关注人工智能、企业服务、消费升级等领域的投资。
摘要：根据艾瑞咨询统计，中国商业智能市场在2015-2018保持着年均20%的增长率，预计2018年中国商业智能服务整体规模将达到247亿元。而据Gartner的报告显示，2017年全球商业智能服务市场预计可以达到183亿美金，但未来的年均增速预计只有7.8%左右。近年来，人工智能领域的迅速发展已对传统商业智能市场格局造成一定的冲击。而在未来，商业智能分析技术大众化（自助化）、流程嵌入化、交互自然化、BI+人工智能这五大趋势日渐明确，不可阻挡。
商业智能市场现状
商业智能（BI,Business Intelligence）的说法可以追溯到1958年，当时IBM研究员Hans Peter Luhn在IBM内刊的一篇文章中首次提出了商业智能的概念。但是直到1980年代，决策支持系统（DSS）才开始流行，1990年代商业智能的说法开始流行，业界用商业智能来总称下述领域的软件创新：包括绩效管理、计划、报告、查询、分析、在线分析处理、运营系统集成、预测分析等。最新维基百科对BI的定义：Business intelligence (BI) is defined as the ability for an organization to take all its capabilities and convert them into knowledge。（商业智能定义为一个组织将所有资源转化为认知的能力)
目前主流的商业智能主要专注于ETL（Extract-Transform-Load，即数据抽取-转换-装载）、数据仓库、OLAP（数据挖掘）、分析结果可视化四个部分。这样的商业智能不能给出决策方案，也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步，而现代商业智能已能在特定场景中实现商业经营的智能化与自动化。未来商业智能可以定义为利用数据分析技术，以基础性数据资源到数据拓展应用为产业链，为企业提供全面数据和智能服务的产业。
- 根据发展阶段的不同，目前的商业智能市场可大致分为：
- 传统BI：企业数字化的基础，实现企业内部数据整合，为内部管理使用，通常只涉及数据整理，不涉及分析；
- 大数据BI：可实现企业与市场数据整合，应用范围拓展到外部市场，采用结构化数据清洗，数学模型和统计模型分析等新型工具进行分析；
- 智能BI：数据量进一步扩大，借助传感器、物联网技术将数据来源拓展到行业、环境、个人、物联网等，并使用机器学习、自然语言处理等人工智能相关技术进行分析应用
- 以下为目前国内BI市场规模：
- 根据艾瑞咨询统计，中国商业智能市场在2015-2018保持着年均20%的增长率，预计2018年中国商业智能服务整体规模将达到247亿元。可以看出智能BI的增速远超传统BI，但在市场占有率上则远低于传统BI，整体市场也将以传统BI+大数据BI为主。原因在于
- 1．目前仍有大量传统行业尚未实现信息化，传统、大数据BI仍有大量利润可期（未来可能通过并购直接实现智能BI的升级）。
- 2．分析技术的大众化趋势加深，智能BI服务容易直接被掌握着大量数据的平台服务商甚至互联网创业企业直接自助使用。
- 3．人工智能技术目前发展的重心仍然在机器视觉部分，擅长关联型分析而不是逻辑型分析，难以实现分析推理的自动化。
全球市场方面，Gartner的报告显示，到2010年的时候，BI的使用率达到30%，67%的领先企业运用了BI。2017年全球市场预计可以达到183亿美金。这已经是一个相当大的市场规模，完全可以认为BI取得了比较大的商业成就。但是增长已经非常乏力，预计未来几年只有7.6%的年化增长率。在其2017商业智能魔力象限（以及2016年商业智能魔力象限）中体现了这一趋势，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。而另一头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。
对比同行业各个BI公司后我们发现，Atscale公司有望成为新一代企业级BI工具的挑战者之一。公司创始人Dave Mariani毕业加州大学洛杉矶分校，个人简历丰富，曾在雅虎公司担任与BI相关的Hadoop项目带头人，也曾为社交网络指数平台Klout效力。业务上，Atscale公司创新性地创建了BI工具可直接访问的预生成数据集，为企业用户部署的Hadoop数据库提供了高性能的BI分析平台，让基于Hadoop的操作更加便捷化，拥有广泛的用户群体和发展潜力。
商业智能发展的五大趋
1.敏捷BI & 大数据分析技术大众化趋势
自助式数据发现已经成为标准，但数据准备依然没有走出 IT 和数据专家群体。Gartner报告《Self-service data prep is the next big thing for BI》（自助式数据准备将成为商业智能领域的下一个重头戏）认为“已经颠覆商业智能和分析市场的易用性和敏捷性趋势同样会在大数据市场呈现”。数据解析、JSON 和HTML 导入以及数据整理之类的普通数据准备任务无需再分配给专家完成。不久之后，每个人都将能够在自己的分析流程中处理此类任务。这将在数据管理方面带来新的考量因素，但成功的 IT 团队已经在积极利用这一机会。IT 为这种以自助式服务为目标的过渡提供指导，从而确保整个组织都可以访问数据，并且人们可以在安全的数据环境中工作。
另一方面而言业务用户在数据方面变得更加精明。高级分析变得更加易于使用。伴随高级分析成为业务用户的标准，这两种现象将会合流。高级分析将不再被数据科学家和专家垄断。业务用户已经在利用功能强大的分析函数，例如K均值聚类和预测。在 2016 年，领英将商业智能列为有利于求职的最热门技能之一。2017 年，数据分析将成为各领域专业人员必不可少的核心能力。与熟练操作Word、Excel和PowerPoint 一样，掌握分析技能将成为职场的一项重要要求。为了满足这种需求，高等教育和 K - 12 教育机构将设置大量分析和数据课程。在工作场所，人们也将会使用直观的商业智能平台来驱动每个水平的决策。
2.BI流程嵌入化
BI流程嵌入化即“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。效果最好的分析是自然存在于工作流中的分析。企业越来越多地将分析放到人们的工作地点，并且常常将其嵌入其他业务应用程序（例如Salesforce），而不是使用专门的应用。店员、呼叫中心工作人员、驾驶员等以前从未探索分析过数据的人员常常会因此获得分析数据的能力。嵌入式商业智能会扩大分析的影响范围，以至于人们甚至会在毫无意识的情况下体验数据分析—类似于使用预测性分析。例如在优酷推荐的电视剧，在网易云音乐上提供的推荐音乐等。
3.BI云化
随着各种组织将自己的数据移至云端，“分析也应该在云端进行”也将成为主流意识。Amazon Redshift，阿里云之类的云数据仓库会是广受欢迎的数据目的地，云BI分析也会因此而变得更加普及。虽然很多组织仍然会部署云端和本地解决方案的混合架构，云BI分析将会日益成为速度更快、可扩展性更高的解决方案。而云上的BI将会难以避免地遇到高延时等问题，为此提供的云加速方案也愈发受到重视。下图为Dresner咨询统计各家公司各部门对BI云的重视程度。可以看到执行管理，营销和销售以及商业智能技术中心（BICC）对云BI应用程序及其提供的思路最为重视。近50％的执行管理团队认为云BI对他们的信息需求至关重要，而约45％的BICC认为云BI非常重要。研究&开发（R＆D）团队则认为云分析和商业智能的价值最低，然后是IT部门。
4.BI交互自然化（协同分析以及可视化)
与生活中的许多其他事情一样，在商业分析领域，集思广益强于依靠个人才智。由于受规管制的数据变得更加易于访问，而云技术可以实现便捷共享，Tableau所倡导协作分析则在近年确保了其在魔力象限的超前地位。这就意味着，信息单向流动的年代即将结束，依赖于静态 PDF 和 PowerPoint 幻灯片的数据共享方式已经成为过去。人们将通过共享实时交互式工作簿和数据源来为业务决策提供支持。他们将在共享彼此工作成果的基础上，通过BI工具来回答自己的问题。通过云和其他共享功能（例如电子邮件通知和订阅）来保持联系。他们会将自己的仪表板嵌入其他企业应用程序中，让人们随时随地可以对其进行使用。各种角色的人员都可以执行多种操作，例如使用仪表板上的数据，实施自己的临时分析，与他人共享自己的发现。
另一方面数据查看方式已经取得了长足的进步。我们已经有了用直观的拖放界面来取代脚本和数据透视表的技术。在未来，数据界面将开始变得更加自然，这在一定程度上是得益于自然语言处理和生成等方面的进步。自然语言界面是商业智能工具箱中新增的一款利器。这些界面让人们可以使用自然文字和语言与数据交互，让数据、图表和仪表板更加易于操作。Gartner认为，“在从标准报告到数据故事讲述的进化过程中，这就是下一个阶段”。虽然有人对其持有合理的怀疑态度，但这个新领域仍然值得关注。
- 5.BI+人工智能）
- 类比人类智能，人工智能可分为赋予机器语音、图像等感知能力的感知智能和赋予机器思考能力的认知、决策智能。认知能提升感知（如对语义的理解判断将提升机器的语音识别率），感知也会辅助决策（如智慧商超中机器视觉对客流属性、消费行为的观察、记录可辅助商超做出营销决策）。目前而言，决策智能受限于当前主要人工智能逻辑推理能力的缺失和神经网络等最新算法的黑盒化，还停留在原本的机器学习阶段。但是这一领域一旦有所突破，对于行业来说则会是革命性的进步。
- 仔细回想，二十年前IBM深蓝就战胜了国际象棋大师卡斯帕罗夫，大家在震惊之余，并没有觉得很可怕，可是为什么今年AlphaGo战胜围棋棋手就很可怕呢？因为国际象棋只有8X8=64个格子，利用超级计算机可以用穷举法精确求解，这种情况按现在的标准不叫AI。但是围棋有19X19=361个节点，其计算复杂度远远超过国际象棋，目前最高级的超级计算机也远远无法通过穷尽法精确求解。人类大脑的数值运算是很差的，但是在处理很多问题上通过直觉而不是运算的能力可以达到相当高的水准。在围棋这件事情上，19×19格已经远远超出人类大脑的计算力，在这种情况下人要靠直觉、经验和想象力下围棋，这是围棋的魅力所在。现在的AI可以模拟人类处理类似问题的方式近似地求解，但是比人类更精确，速度更快，这才是人们觉得可怕的地方。
- 所以我们在商业智能领域，可以尝试定义这样一类问题：客观上它的正确解是存在的而且理论上是可以通过数值计算精确求解的，但是它的计算复杂度已经远远超越了计算机的算力，无论是人还是计算机，都是要用近似方法求解，只不过计算机可以比人做得更精确。可以说只要正确地定义问题，目前AI的发展程度已经可以在商业决策支持领域发挥重要的作用。
- 如果我们在商业决策领域能够找到符合这个条件的一些问题，AI在帮助用户更好地解决这类问题上是可以发挥重要作用的。励石认为，在以下商业领域，AI将带来革命性的变化。但由于各行业的应用差别巨大，BI+商业智能行业的创新应是从下至上，首先采用新一代商业智能技术的应用方将会获得巨大的收益，未来自助式智能BI工具将替代传统定制BI成为主流。
- 这样的智能BI事实上其实是AI增强的决策支持系统，需要服务于企业中需要决策的各级人员，应该具备实时、闭环、自动进化、全局优化的特征，以及自动识别问题的能力，目的在于提高企业决策的效率和质量，增强企业在数字经济时代的竞争力。最终，一个理想的智能BI系统将会有以下的特点：
- 1．传统BI中最终决策者是人；在智能BI决策支持系统更多的是人机交互，而部分达到自动化决策。
- 2. 分析的主题以前是人提出明确主题，由机器帮助分析；将来机器会发现你还没意识到的问题。
- 3. 从数据上，原来是非实时的，来源封闭的；将来的数据应该是实时的、来源开放的、云上的。
- 4. 从模型上以前是固定的，没有自动优化的机制；将来的模型应该是自动优化的。
- 总结：励石创投认为，人工智能的发展给商业智能这一“传统”互联网行业注入了新的活力。而未来商业智能分析技术大众化（自助化）、流程嵌入化、交互自然化的趋势也将极大地影响整个行业的发展。随着国内互联网对于传统行业的逐步渗透，国内的传统BI百亿级市场仍有着可观的成长空间。对于致力于商业智能的创业公司而言，顺势而为是关键。技术上来说，不建议将大量精力投入在移动BI、位置智能、开放数据等非关键型应用上。战略上来说，在人工智能行业成本偏高、人才紧张的时候有耐心，跟紧前四个趋势，等待时机成熟。商业模式上来说，不建议采用传统定制的模式进行开发销售，自助式、嵌入式BI工具的开发更容易获得广泛的用户基础。
- 励石创投于2017年9月联合Atlantic Bridge, Comcast Ventures, UMC Capital Corporations, Wells Fargo Central Pacific Holdings, Inc.等机构对Atscale进行了数千万美元级投资
