崛起·预见

发布时间：2019-07-09      游览量：2171

• tableau和smartbi哪个好smartbi报表集成tableau和smartbi的对比

5、BI+商店

在刚刚过去的Smartbi V9新品发布会上，多位嘉宾为我们带来的精彩演讲在现场引起了热烈反响，小麦从本周开始选取一些整理成文，与未能到场的麦粉们一起分享。首先分享的是Smartbi CEO吴华夫做的《崛起·预见》开场演讲。

【背景】

按照麦肯锡的定义，数据规模大于10TB即为大数据。按照这个定义，目前中国有超过90%的企业拥有大数据。中国许多的企业正处在数字化转型的浪潮中，逐步从粗放式管理向精细化运营转型，而BI是释放企业数据价值的重要手段。据Gartner一项调研显示，BI和数据分析是企业CIO预算增加最多的领域，其次才是网络信息安全、云服务等。而BI的发展分为三阶段：传统BI、自助BI和智能BI，后两者合在一起叫现代化BI。现在我分别展开为大家做一些简单的介绍，尽量给大家带来一个完整的BI视图。

一、传统BI

传统BI以IT为中心，面向的数据源主要是企业的内部数据，可能也有少部分的外部数据。数据仓库、数据集市、OLAP等数据建模工作统统由IT人员负责做好。业务人员可以做一些简单的加工处理，能看一些报表、报告，比如银行里面看一些监管报表。另外，也能基于已有的数据模型做一些数据的摸索分析，做一些仪表盘。传统BI的核心是业务人员所有的分析路径都是IT帮你建好的，分析维度无法脱离IT设定好的框架。

二、现代化BI

现代化BI与传统BI比较，第一，是面向的数据源不一样。现代化BI面向的数据源除了企业内部数据以外，还有外部数据，可能还有互联网的数据，有物联网的数据，还有流数据等等；第二，是数据处理方式不一样。现代化BI不再需要IT人员预先建好模型，模型不再是必备的，源数据抽取过来以后更多是以未建模的数据湖形式存在。业务人员能自己进行敏捷建模，还有自动推理。比如说位置这个字段，建模的时候能自动生成地理维度分析，还有数据混合，可以把结构化、非结构化、内部的、外部的、数据仓库以及数据湖所有的数据做混合的分析。所以在现代化BI里面，有一个重要的概念叫逻辑数据仓库，或者叫做语义虚拟层；第三，处理完的结果也不一样。现代化BI的处理结果通常会以分布式列存储的形式进行存储，然后可以做分析。比如可以做增强的数据发现，会告诉你数据的规律；第四，交互方式也会改变。比如看一张报表，或者生成一个可视化图形，现代化BI更多会通过自然语言去创建。也有可能是自动创建图形，不需要业务人员再去操作，直接就把结果告诉你了。另外，也可能不再是以报表的形式，而是以故事化、场景化的形式展示结果。

【崛起】

1、Smartbi解决方案总体架构

Smartbi的总体架构分成三块，中间是BI产品，我们的企业报表软件、自助分析平台和数据挖掘平台对应的就是BI发展的三个阶段：传统BI、自助BI和智能BI。底下是我们的核心功能层，包括数据的加工处理和分析展现。最上面的应用层是BI+商店，除了基础的技术平台之外，我们还会面向各个行业提供场景化的解决方案，让客户能够“开箱即用“，或者做一些简单的加工就可以使用。

2、传统BI产品

传统BI我们是提供报表产品，最大的特点是以WPS或Excel作为报表设计器，使报表的开发工作变得异常简单。其次，功能又非常强大，可以继承WPS或Excel全部的函数和图表功能。同时，我们又可以解决Excel的一些问题。比如说数据量不能超过100万行、权限无法处理、发布和共享不方便等等。实际上我们是结合了后台数据能力和WPS或Excel易于学习的能力，一起构建我们的报表产品。还有分析报告，我们可以把Office和后台数据做一个很完美的结合。很多企业的周期性会议，都是通过秘书去复制、粘贴生成一个分析报告，利用我们的产品就可以自动生成报告了。

3、自助BI产品

我们的自助分析平台是希望业务用户可以自助去分析数据，那我们的产品跟其它友商有什么不一样呢？大部分功能是大同小异的，但我们在企业级的数据安全、数据分析和共享、权限控制等几方面有独到之处，详细的内容稍后我们的同事会给大家介绍。

4、智能BI产品

最后一个是我们的智能BI产品，这是我们今年V9版本最重要的产品线。我们有一个分布式的机器学习平台，通过这个平台去完成智能BI的任务，包括分类、聚类、回归还有深度学习等等。另外，智能BI也体现在我们交互方式的改变，Smartbi会提供一个自然语言处理的接口，这一块我们还会持续地增强。我们希望通过对话的方式，让管理人员对着手机说话就能得到他想要的数据。

5、BI+商店

刚才介绍的是技术平台，我们还希望给每个行业提供一体化的解决方案，就是通过一套BI+应用模板来实现的，BI+是我们接下来一个很重要的战略。所谓的BI+应用模板，我举个例子，比如说给某个餐饮企业做了一个项目，我们可以把整套数据应用打个包，以后有了同行业的餐饮客户，这些数据应用就可以直接复用。通过BI+，可以从两个方面去改善客户体验。从需求端来说，因为我们提供了分析展现的模板，项目的咨询顾问就不是从零开始了，可以基于已有的模板提供给客户选择，咨询门槛会降低很多。从实施端来说，整个数据实施的工作会变得非常简单。有了数据应用，后台的数据该怎么去支持？只需要干一件事情，ETL工程师从源系统里面把数据抽取到数据模型里面来，可以做到实施的标准化。总的来说，BI+包含了分析展现模板和数据模板，最终就是要打造一个BI+应用模板超市。

【预见】

下面我引用一个比较流行的概念“中台”，说一下我们对中台的理解。企业的需求是不断变化的，不可能每一个需求都从头去做，应该是把通用性的东西加工后抽象出来做成企业的中台，企业中台又包含技术中台、数据中台和业务中台。我们的BI产品实际上就是技术中台，和企业本身的数据中台一起为业务中台提供支撑。BI+应用就是业务中台，通过模板化的方式让需求的交付变得更加简单，并且支撑各种行业化、场景化的数据应用。

最后看下我们做的一家银行的案例。我们把源数据采集过来放到数据仓库和数据湖，包括银行的主题模型、指标体系等，这就是数据中台。然后又搭建了技术中台，技术中台除了传统的数据分析与可视化，还包括了ETL、MPP数据存储，以及机器学习和数据挖掘。技术中台结合银行数据中台，就可以产生各种应用场景，有管理驾驶舱，有各种主题分析，比如银行ATM选址分析、客户资金流分析等等。我们还通过自助分析平台做到业务赋能，我们搭个台，让用户自己唱戏。接下来我们会把应用场景模板化形成业务中台，也即BI+应用模板，为其它的银行客户提供经验。