作为全球BI 市场的头把交椅，没有人能在谈论BI 的时候绕过不谈。
所以没有人会想到风头正劲的会在2021年11月17日突然宣布停止中国的直销业务，他们在中国的原厂服务将停止运营，转而整合进与阿里的合作体系中（2019年被收购）。
看似毫无征兆的结束，实际上并不意外，中国区业务只占全球的3%左右，而可能只占营收的10%左右，在资本的视角来看，中国市场确实可有可无。
抛开视角，从2014年进入中国市场再到如今的黯然退潮，也算是一代外企产品的缩影。
观远数据创始人兼CEO苏春园持有相似意见，「退出中国，也算是国内 BI 市场的一个拐点」，他认为，外企 BI 在中国会越来越弱化，未来这一趋势会更加明显。
能够佐证这一观点的是，近年来的国产 BI （ ，商业智能，点击蓝字查看何为 BI ）替代事件越来越多，尤其在大型企业中间最为“流行”，例如华为替换（）、银联替换（IBM）、美的替换 BI EE（）、海尔替换了BO（SAP）等等。
被替换的理由除了与数据环境相关，还有「用不起来」，我们之前在 BI 一文中所提到过的华为替换也正是基于这一点。相比之下，国内BI 厂商更懂中国本土商业环境与中国企业的业务场景，能够设身处地解决业务问题从而支撑业务决策，让企业看到数据的价值。
企业 BI 选型趋向国产化。这也支撑了国内 BI 市场的增长。
图源： 中国、美国与全球分析平台市场预测
以观远数据为例，自2016年成立以来，围绕一站式数据分析与智能决策产品及解决方案深度投入，研发工程师与数据分析相关背景人员占比超过60%，发展增速明显。今年2月份，观远更宣布完成了2.8亿人民币C轮融资，由老虎环球基金领投，红杉中国、线性资本、襄禾资本、独秀资本等老股东全线跟投。
苏春园告诉我们，观远数据今年依然保持相对中高速的发展，最重要的一点来自于外部——可以很明显感觉到大家都有了新共识，更务实的进行数字化建设。
中国 BI 的崛起，离不开整体市场的数据意识的觉醒。而这份觉醒，最后也会为品牌企业与 BI 市场带来新的增量。
不过，此刻的我们更需要探索国内外BI 厂商的割据情况，BI 厂商们需要知道如何避免「式退出」，企业们也需要知道该如何选用/使用 BI ，不至于频繁替换。
关于这一点，我们与苏春园进行了一次长达两小时的深度对话，他从他在 BI 巨头的工作经历开始，带我们探索国内外 BI 近20年的发展。
观远数据创始人兼CEO 苏春园
01
BI生长的年代：止于业务，起于业务
在北美，与数据相关的技术一向是极具增长潜力的板块，据IDC测算，北美商业智能软件市场规模为100亿美元，而中国商业智能软件市场规模预计2025年才会达到16.0亿美元，差距虽大，但很明显可以感受到中国市场对于 BI 的认知与需求正在快步紧追。
大约在20年前，中国企业开始应用国外 BI 软件，例如、、BO等等头部厂商的产品也在差不多的时间段里进入国内，不过据弯弓研究院调研，当时应用这类型 BI 软件，或者说会使用 BI 软件的企业，一般属于大型~超大型企业，他们通常拥有较为完善的IT团队，甚至是 BI 团队，对 BI 的投入费用不低，如农夫山泉，他们早在2007年就开始使用SAP的 BI 产品。
根据苏春园回忆，当时采购了国外BI 的大企陆续在2010年前后替换国产BI ，或采取两者并存的态度。他告诉我们，国外BI 产品都比较像是「重型武器」，功能强大，但使用的门槛也特别高，大企们基本都在使用几年后，使用率大幅降低，而不是用得越来越顺手。
中国企业的数据量之大是一个问题，同时，大多数这些外企 BI 软件一般面向特定的人员使用，如IT、数据分析师等，这就导致本就还在数据应用初级阶段的中国企业们被「卡」。更现实的在于，对于这些全球性 BI 公司而言，中国地区的业绩可能只占其全球业绩的1%~5%之间，资源往钱流——所以，中国自然不会是产研优先级，也不会是产品的迭代投入多的地区。
如前文提到的「退出中国」的，在华近十年都只有技术支持团队，而非产研团队。这就会导致，国外厂商对于中国企业的需求并不会特别理解，或是不予重视，最终的结果肯定就是 BI 的使用效果无法真正体现。
是少数在中国有研发团队的全球性 BI 厂商之一，他们的研发团队超300人。在2016年创立观远数据之前，苏春园服务于接近10年，从2006年的一名工程师开始，离开前，他负责中国产品研发团队，任中国研发总裁。
他提到，当年在服务国内头部客户的时候，对方常会提出一些特别接地气的需求，例如需要跟国内移动端结合，现在看来这些需求是标配，但在当年，不少国外友商并不会重视。
用不起来，技术无法普及，中国市场始终不大，产研优先降低，最终导致这些国外的公司并不真正理解中国的需求，然后继续回到原点：用不起来——一个完美的死循环。
一环扣一环之下，在2000年-2010年之间，真正在中国发展起来的国外BI 厂商屈指可数，这也给了本土厂商生长的空间，属于中国的BI 1.0时代开始了。
报表工具可以说是 BI 1.0时代的代表产物，也是中国 BI 的「雏形」，很多人对于 BI 的认知都从这里开始（实际上报表与 BI 不能画等号）。
过去10年的厂商典型的是以报表为核心产品的企业。到了2022年，随着企业数字化进程按下加速键，似乎并不看好报表的未来，在其今年4月份发布的报告《中国分析平台市场指南 Guide for , China》里就预测，未来五年，报表类工具可能依然会拿到相对不错的企业预算，然而极有可能面临零增长。
什么意思？报表类的BI需求仍然存在，但不会有更大的增长。
在眼里，增量市场都在现代化 的BI身上。
在中国企业还未普及 BI 的年代，报表是救赎，在功能上而言，报表更加接地气，你可以从报表工具的产品架构发现，报表其实是相当于高级版本的Excel。
虽然报表的使用方式是业务人员提需求，IT和「表哥表姐」们（使用Excel做表做得很熟练的人群的自嘲）为业务实现，在实施中实际上不太利于业务人员操作，但相比起动不动就要专业分析人员操作的国外 BI ，报表工具还是更加适合国人的操作习惯，或者说，更适合那些刚开始有数据意识和数据分析需求的用户，是衔接Excel和BI 的好工具。
报表工具能够解决的问题确实非常有价值，但有限，在大家还没卷起来的年代是够用的。然而随着企业之间的竞争越来越卷，身为「商业智能」、强调「智能（）」的 BI ，在产品架构上决定了其会比报表工具的数据分析能力更为强大，这是报表工具所不能及的。
苏春园表示，「报表工具开始进入消亡」。
「消亡」所代表的的，并不是报表本身，而是「数据→IT→表哥表姐→业务」的长链路，在时间就是金钱生命的今天，业务需要更快。
现在是 BI 2.0进行时，真正的 BI 时代。
2016年，国内企业对于数据的渴求，让中国 BI 市场迅速发展起来，苏春园觉得机会来了，于是他与几位老伙伴，共同成立了观远数据。
他们认为，好的产品具备全球性——这也是观远成立之初的目标，「我们希望在国内做一个更好的 BI 产品，让更多人可以用起来的 BI 产品。」
图源：观远数据
观远把这一目标的实现放在「业务」上，他们深知原有报表工具、传统 BI 与业务人员之间的长链路，只有当人用起来，才真正能够让产品走出去。
所以，观远从第一行代码开始就是为了把 BI 数据分析的链条浓缩为——「数据→业务」，直接赋能业务。
苏春园跟我们分享了某头部鞋服品牌的真实案例。观远数据与他们合作现代化BI之后，当更多的业务人员开始自主使用BI，这家企业发现他们有几十位表哥表姐的工作其实不再需要，这是一个生产力的迭代，也是行业进化的缩影。
在原来，这一批专门做表格的人会在门店下班后进行工作，对数、取数、做报表等等，好让门店同事早上开晨会的时候可以进行分析，且不说数据具备一定滞后性，表哥表姐们所做的工作可以说是最为重复的工作，对于企业而言是一笔极大的支出但每个门店又都不能少。
采用观远数据 BI 之后，业务人员可以自行分析，起码80%想要分析的数据都可以自己完成，并不需要等到闭店之后由表哥表姐专门运作，门店督导们甚至可以根据数据反馈，实时推送预警给到门店进行调整优化。
图源：观远数据
根据这家客户的反馈，目前他们已经有几千人用BI了，使用率相当高。（具体案例可加文章底部研究院企业微信获取）
苏春园在与我们的对话中反复提到「活跃使用率」，即多少业务人员在用，这背后代表的是「真正让业务用起来」——这里面包含了他对现代化 BI 的理解：
易用性、场景化与企业级。
这三点也是未来十年 BI 最需要的关键能力，更是观远数据一直在不断构建的核心能力。
02
BI 的未来：易用性、场景化与企业级
首先我们需要明确，BI并不只是开发人员开发就能实现。
BI真正的价值需要长期立足于企业实际业务场景和趋势，企业业务是复杂且个性化的，开发人员或是表哥表姐很难体会到实际的业务场景，如果只是把BI当成一种应用系统去实现「想当然」的业务模式，而并非真正「驱动业务」， BI的价值将无从谈起。
BI厂商的难，也难在这里。
有一群技术大神并不意味着无敌，技术壁垒只是一个 BI 产品的入门级要求。让企业接受，还需要让一群不懂技术的业务人员都用好这项技术，只有当 BI 嵌入每个业务人员的工作流程，为他们的日常工作提供决策指导，BI才有意义。
观远数据的第一条产品线名为「」，里面包含很多的产品，但都对业务人员十分友好，例如提供自由灵活的报表构建与即席查询功能，用户只需要通过观远的无代码平台进行拖拉拽就能够直接构建特定的、自定义的数据查询请求，再利用各种可视化组件就能够生成看板，非常易用。
图源：观远数据
但简单的拖拉拽还不是易用的极致体现。
苏春园说，观远正在根据自己过往服务企业的经验不断提炼不同行业的数据分析看板的「最佳实践」，最佳实践（best ）是一个管理学概念，认为存在某种技术、方法、过程、活动或机制可以使生产或管理实践的结果达到最优，并减少出错的可能性。最佳实践还常常被咨询公司定义为：为持续有效地达到企业目标而采取的最成功的解决方案或解决问题的方法。
观远数据通过将不同行业的最佳实践经验沉淀为预置的模板、内容、解决方案等等标准化云应用并上传至Atlas智能应用的云应用市场，让用户能够在线挑选贴合行业实际场景的数据应用，从数据连接到分析指标的逻辑，再到可视化分析看板，都可以通过下载一个应用，快速开启深度挖掘商业数据价值。
也就是说，业务人员只需在观远的应用市场中挑选适合自身应用场景的最佳实践进行直接应用，或是在观远提供的最佳实践上进行简单修改，能够极大程度地省去自己摸索搭建数据模型的烧脑过程。
图源：观远数据
我们前面也提到应用「场景」对于企业的重要性，「场景」一般是业内对于数据模型的称呼，比如，苏春园提到了快乐蜂案例，快乐蜂（永和大王母公司）的一个外卖运营经理自己搭建了一个叫做「菜单优化组合」的分析场景，他想要知道在午餐时段中如何搭配才会更容易卖掉，那么这个分析场景中的数据就是各种的菜品组合，例如鱼香肉丝+上海青、鱼香肉丝+迟菜心…
要得出这样的「场景」，需要的是对业务绝对的熟悉与洞察，在传统时代，挖掘「场景」是咨询公司的事情，非常依赖人，而且这个「人」，必须是咨询顾问，还得是行业专家。
苏春园强调，数据分析方面的工具解决问题的时候，永远需要在一个具体的业务问题和业务场景里面，所有业务问题最后都是以场景为最小单元。对企业有价值的，是基于那一个「场景」所组装的对应数据分析的各种能力，而并非数据分析本身。
场景是数据分析的眼睛。
Btw，如果你有关注今年3月份发布的《2022 Magic for s (ABI )》（简称：ABI 魔力象限报告），你会发现，今年特别强调了这些技术应用/平台的的理想消费者是「数据驱动的决策者」，而不是分析师或数据科学家。
认为 ABI 未来的趋势——或者说，是发展的重点应该在于「为用户增加功能，以方便地组成低代码或无代码的自动化工作流程和应用程序，这种能力的融合有助于扩大分析的视野，不仅仅是提供数据集和展示仪表盘，而是提供丰富的上下文洞察力。」
让业务用起来。
图源： ABI 魔力象限2022
易用性和场景化其实并不能完全满足企业的需求，正如国外 BI 很多都折戟于国内的巨量数据中（国内外数据量不同且受法规限制），要拿下大客户，能够处理多少并发量是关键考验。
举个例子，如招商银行这样的企业，用户数据量极大，这也意味着如果内部的几万名业务人员需要同时使用 BI ，需要调动的数据是百倍千倍地叠加，万一决策层在这个时候需要对外展示某个数据的分析，加载时间的长短与决策层是否决定换掉供应商成正比。
对此，观远的解决方案是「企业级」，他们给招行提供的高性能、高稳定、高管控、高扩展很好地保障了招行几万个业务人员同时顺畅使用系统。
不过，企业级也是后话了，对于现阶段的中国企业们而言，把 BI 用起来并用得好才是最迫切需要解决的问题。
我们可以在观远数据的官网上看到，目前观远已经服务了超过500家企业，尤其在零售消费领域占有绝对优势，如联合利华、宝洁、元气森林、安踏、珀莱雅、汉堡王、蜜雪冰城、王老吉等等行业先进企业都选用了观远数据，而观远也针对各行业输出了相应的最佳实践以供参考，例如，快餐行业有汉堡王，饮料行业有元气森林。
在弯弓研究院对各类厂商的研究观察来看，观远数据的「用起来」是最大的成功因素。
图源：观远数据
苏春园提到，针对「用起来」的问题，观远数据今年还对客户成功体系进行了升级，目前，客户成功部门是观远数据的一级部门，每个月第3个周五都是雷打不动的「客户成功日」，包括CEO在内的各业务线的和客户的对接人等等，都需要在客户成功日针对客户反馈的情况进行复盘，另外，他们的客户成功团队还基于内部顾问资源及联合外部行业专家推出了系列课程，帮助不同企业培养业务团队的数据分析能力。
「敏捷」，是我们与苏春园对话的过程中继「用起来」之后出现最频繁的字眼，他表示， BI 最重要的就是辅助企业快速地去做决策，看到机会抓住。
基于易用性、场景化、企业级与客户成功，观远数据确实非常敏捷。发展至今日，观远数据已基于 BI 能力发展出AI的触手（AI模型实验室 -Lab），为已经更深入的 BI 用户提供机器学习与数据挖掘解决方案与技术服务，帮助数据科学家快速创建准确的AI模型，并成功实现AI模型从训练实验到应用决策的落地。
前面提到的的A BI 魔力象限报告，对比2021年与2022年魔力象限，首先是传统的「 BI 魔力象限」变成了「ABI （分析与商业智能）魔力象限」，其次是厂商选取指标，2022年机器学习和人工智能的相关指标占一半以上。
这也意味着，数据分析与商业智能的业务之间的界限越来越模糊，而且，在看来，代表「A」的很大程度上也意味着AI赋能，这也逐渐成为为衡量 BI 厂商竞争力的核心标准。
回到「如何避免『式退出』」这一问题上，观远数据给出了答案。
但企业该注意什么呢？
苏春园提到一个关键数据：数据驱动率（计算公式为 f(数据驱动率) =活跃用户数 { 频率，时长，深度 } / 组织有效人数）。也即用 BI 进行数据分析做决策这件事情在整个企业里有多少人在使用，30%的人在使用，就是30%的数据驱动率，如果有超过50%，可以算得上是先进组织。而在这其中，CEO是都使用，是否重视，非常重要——
执行可以灰度，认知不能外包。
结语
在 BI 选型的过程中，除了关注是否能用起来、能否解决业务问题之外，大部分企业可能还会思考该如何选择 BI 厂商。在中台概念非常火热的几年前，各式各样的「中台厂商」突然从各个角落冒出来争吃红利，结果根本无法完成客户期待，导致出现了许多闹剧。
关于这一点， BI 也同样，按理说，市面上声称自己是 BI 的厂商有非常多，然而实际上，他们可能只是一个报表工具，只是产品中有可视化功能等等，就打着 BI 的旗号招摇，理论上而言，报表与可视化都是 BI 的表现方式之一，说是 BI 也没错，但企业需要考虑更深层次的问题，例如，数据清晰、场景应用，也即需要同时考核厂商的产品架构与客户成功，这是我们能够提供的建议，也非常欢迎大家加文章底部研究员企业微信咨询相关选型问题。
目前国内对于 BI 并没有确定的分类，弯弓研究院综合多方考量之后将 BI 分为场景型BI与 综合产品型 BI，场景型以数数科技、船长 BI 为例，他们同样是 BI ，但会更聚焦于一个细分场景，如数数科技是游戏领域的专家，船长 BI 则专注于亚马逊电商。
观远数据是典型的综合产品型 BI ，特点是以BI 为核心产品，能够直接为企业提供从数据源接入、数据清洗、数据展现到数据挖掘的商业智能全过程，观远数据的更优之处在于他们在零售消费和金融、泛互联网等行业的最佳实践（解决方案）——在现阶段，中国企业还不只是需要工具本身，更需要的是这个工具有什么好的分析的场景，这是刚性需求。
不过，类型上还有另外一种——如神策数据，有人也认为神策是 BI ，也没错，他们确实也具备数据分析属性，但实际上他们更偏向于用户行为分析，解决更多的是直接作用于营销上的问题，例如，消费者从哪儿来准备到哪儿去，与 BI 的综合分析方向有所差异。
具体选型，还是要根据企业需要解决的问题进行考虑。
但有一个可以确定的，苏春园最后补充——数据分析不应该只是解决某个点的问题，而是应该通过数据分析的广泛应用建立企业的竞争优势。
「弯弓品牌私域12课」系弯弓研究院首发线上课程，专门为品牌企业私域打造，旨在帮助企业从数字化转型入手，建立企业私域全局观及落地纲要。从私域战略布局到私域技术引用、用户运营等一一深度剖析，帮助企业私域/用户部门全面提升用户运营能力，打造企业的第二增长曲线。
点击图片扫码加弯弓研究院私域12课班主任企业微信，可获取企业私域基础咨询服务（免费）。
「品牌案例拆解」|||||||||||｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜||s
「观察」|||||||||||｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜｜|||
