派可數據萬字解讀：2020年 Gartner 分析和商業智能平臺魔力象限

作者：呂品，14 年 IT 從業經驗，10 年商業智能 BI 行業經驗。派可數據聯合創始人，高級業務、技術諮詢顧問。天善智能（ 國內最大的商業智能 BI 技術社區、數據社區、在線教育社區之一 ）聯合創始人，深度瞭解商業智能 BI 行業發展與特點。

​

在本篇文章中，您將看到以下幾個部分：

Gartner 和魔力象限介紹

ABI 的戰略規劃和假設

ABI 的市場定義說明

魔力象限 ABI 產品優勢特點

派可數據對 Gartner 魔力象限的分析總結

Gartner ABI 發展趨勢下的國內 BI 市場

商業智能 BI 國內的市場空間規模

全文 14,000 字，閱讀可能需要 15 分鐘

Gartner Group，成立於 1979 年，全球最專業權威的 IT 研究諮詢公司，研究的範圍覆蓋全部 IT 產業。在全球範圍內差不多有 1000 多名 10-15 年 IT 技術工作背景的分析員，大多都有 CIO 背景，自身都有很強的專業技術能力，對 IT 行業的研究和解讀也很具專業性。

Gartner

Gartner 每年都會發布各個 IT 細分領域的分析報告，比如今年的 Magic Quadrant for Analytics and Business Intelligence Platforms （ ABI ），分析與商業智能 BI 平臺魔力象限。在這裡強調的是從業務角度的分析 Analytics 和工具角度的 BI 平臺，共同組成了 ABI 的概念。

Magic Quadrant 魔力象限以二維模型來闡述各個廠商、供應商的實力與差異，基於兩個分析指標方向：

橫軸，前瞻性（ Completeness of Vision ）— 包括廠商或供應商提供的產品底層技術基礎的能力、市場領導能力、創新能力和外部投資等等。

縱軸，執行能力（ Ability to Execute ）— 包括產品的使用難度、市場服務的完善程度和技術支持能力、管理團隊的經驗和能力等。

Gartner 魔力象限介紹

最後將這些分析指標綜合起來定位在四個不同的區域：

Niche Players 利基者，特定領域者象限

執行力和前瞻性都不足，但是可能在特定的某個市場做的不錯，同時也不會超過那些特別大型的成熟廠商或者供應商。通常是集中在某些特定領域、專業領域，或者是一些比較新的企業。

Challengers 挑戰者象限

執行力很強，但是前瞻性不足。通常情況下是指比較大型的成熟廠商，由於其本身特定市場比較成熟、市場執行能力很強，但是在新領域新市場的拓展上目前還沒有做出太多的發展計劃改變。作為挑戰者，在繼續保持強有力的執行能力的同時，如果在市場前瞻性上能夠調整和突破，是非常有希望進入領導者象限的。

Visionaries 遠見者象限

通常描述前瞻性很不錯、瞭解未來的市場發展動態和前景，有潛力進行創新。在執行力上分為有遠見但是短期內無法實現的早期創業者，和一些有遠見但是執行反應能力調整不及時的比較成熟的大型廠商、供應商們。所以對於在這個區域的廠商或者供應商，一般要麼就是早期市場中剛成長起來的中小企業，有創新能力有遠見，一旦在市場執行得到提升也是非常有希望進入到領導者象限。

Leaders 領導者象限

執行力和前瞻性得分均比較高的大型成熟公司、行業領袖。他們擁有大量的客戶群體，在全球市場上都有極高的知名度。這些行業領袖在市場中有很大的影響力，有能力有實力影響和引領整個行業的發展。

2020年 Gartner 分析與商業智能平臺魔力象限

在 2020 年分析與商業智能魔力象限中，Microsoft、Tableau、Qlik 和 ThoughtSpot 共同進入了領導者象限，Microsoft 和 Tableau 已經深入領導者象限的腹地，其中 Microsoft 更是遙遙領先。

兩個比較新的 BI 品牌 Dundas 和 Alibaba Cloud 阿里雲首次進入 ABI 魔力象限，阿里雲也是目前唯一進入到 ABI 領域的中國廠商。 同時，2019 年的 GoodData 由於在市場吸引力方面的不足被排除在今年的 Gartner 魔力象限之外。同時，Oracle 和 Yellowfin 進入遠見者象限。

2019 年分析與商業智能平臺（ABI）魔力象限

二、Strategic Planning Assumptions

戰略規劃假設 （ 發展趨勢 ）

在這一部分 Gartner 按照一些分析的預測，給出了 ABI 在未來 3-5 年有關個人、企業、產品對 ABI 的使用程度、場景、發展趨勢的預判。

特別反覆提到了一個關鍵詞 Augmented Analytics Technology 增加分析技術，這也是 Gartner 在 2017 年首次提出的一個概念。

Gartner 設想認為：

到 2020 年，增強分析技術隨處可見，但只有 10% 的分析師真正有能力使用。

到 2020 年，40% 有關機器學習模型開發、評分任務的工作將被產品取代，這些產品可能本來不是以機器學習模型開發為主要目標。

到 2023 年，90% 的全球 500 強公司將把數據的分析治理作為重點。

到 2025年，數據故事將成為最普遍的分析方式，增加分析技術可以自動創建 75% 的數據故事。

三、Market Definition / Description

ABI 平臺的市場定義和說明

Modern analytics and business intelligence (ABI) platforms are characterized by easy-to-use functionality that supports a full analytic workflow — from data preparation to visual exploration and insight generation — with an emphasis on self-service and augmentation.

Gartner 對現代分析和商業智能 BI 平臺（ ABI ）的定義是：具備易於使用的、完整的從數據準備（ Data preparation ) 到可視化探索分析 ( Visual exploration ) 到見解洞察生成（ Insight generation ）到增強的自助分析（ Emphasis on selft-service and augmentation ) 等系列功能。

ABI platforms are no longer differentiated by their data visualization capabilities, which are becoming commodities. Instead, differentiation is shifting to：Integrated support for enterprise reporting capabilities，Augmented analytics

數據可視化功能在現代的 ABI 平臺中不再是很特別的亮點，更多的差異的地方應該突出在：企業報告功能的集成和增強分析技術方面。

Augmented analytics. Machine learning (ML) and artificial intelligence (AI)-assisted data preparation, insight generation and insight explanation

增強分析中主要凸顯的就是機器學習和人工智能相關的數據準備、見解洞察生成和解釋。

數據準備增強 ( Augmented data preparation ) -

洞察、解釋增強( Augmented insight generation and insight explanation ) - 期望讓更多的業務用戶不需要專業的統計學知識、算法知識就可以得到很多深入的分析成果，比如可視化分析頁面自動生成、引導性的可視化分析讓業務用戶自動的可以洞察到一些數據或者業務的規律，這些可能都是憑自身能力和經驗無法直接獲得的，甚至直接給出一些分析結果供用戶參考和判斷。

那麼在對於 ABI 平臺功能的定義，Gartner 列出了有 15 項關鍵功能，按照我對於 BI 各部分功能的劃分，大概分為這麼幾類：

部署、管理與安全

雲部署分析的能力 Cloud - 基於雲和本地數據、跨多雲部署，支持在雲中構建，部署和管理分析的能力。

管理能力 Manageability - 對平臺使用情況的追蹤，信息分享管理、影響分析、第三方程序一起使用的能力。

目錄 Catalog - 自動生成平臺管理中所使用到的所有元素（ 數據、模型、可視化頁面等相關內容 ） 的可以檢索的目錄。（The ability to automatically generate and curate a searchable catalog of the artefacts created and used by the platform and their dependencies，關於這部分沒有準確的理解，特別這裡所提到的 artefacts，按照我個人的理解，就是所有平臺用戶在平臺上所創建的所有內容都可以被有效管理和隨時搜索，比如找一個創建過的帶有某各關鍵字的報告、指標、原始數據等 ）。

安全性 Security - 平臺安全性管理，用戶管理、身份驗證等。

數據準備

數據源連接 Data source connectivity - 本地和雲端的各種存儲類型的數據，比如結構化和非結構化的數據訪問能力。

數據準備 Data preparation - 用戶自助的構建各類複雜的分析模型，數據來自於不同的數據源，組合各類分析模型，自定義的度量、維度和層次結構等。

模型複雜性 Model complexity - 複雜數據模型的處理，多事實表，與其它分析平臺的對接能力，支持知識圖譜（ Knowledge Graph ）。

可視化分析

數據可視化 Data visualization - 高度交互的儀表板 Dashboard 等，各類豐富的可視化圖表等，我認為目前市面上的 BI 可視化效果基本上都很豐富。

數據故事 Data storytelling - 數據可視化演示的一種方式，簡單來說就是自動播放數據可視化的結果，類似於 PPT 的方式自動展現數據可視化頁面，邊看分析結果邊講解。

嵌入分析 Embedded analytics - 考慮的是按照一定平臺開放標準對外提供 API SDK，將分析的內容可以更好的嵌入到業務平臺、應用程序或者門戶。

增強分析

自動洞察 Automated insights- 增強分析中最核心的能力，利用機器學習自動為用戶生成可以洞察到業務細節、深度探索的能力。比如，分析一個部門中的費用關聯因素，可能涉及到職位級別、人數、培訓課程類型、供應商等很多相關因素，通過自動洞察在分析高費用支出的時候，哪一項因素屬性對高費用的影響最大。實際上，將以往的可視化分析之後的由需要專業分析人員才能分析判斷的過程交給了機器學習，最終由機器學習給出參考答案，相關度等等。

高級分析 Advanced Analytics- 用戶易於訪問，內置在 ABI 平臺中或者通過導入導出的方式將外部模型放進來分析。

自然語言查詢 Natural language query - 用戶直接在搜索框裡輸入或者通過對話的方式查詢數據，早在國內的 16-17 年微軟 Ignite 大會上的 BI 演示中也實現了這樣的功能，目前已經有一些國內的 BI 廠商基本上實現類似這樣的效果

自然語言生成 NLG - NLG 是 NLP 的重要組成部分，NLU 負責理解內容，NLG 負責生成內容。自動理解用戶在分析過程中、與數據交互的過程中大概判斷出用戶所期望找到的關鍵點，或者理解用戶的意圖，將用戶所關心的分析內容或者結果呈現出來。

四、Magic Quadrant 魔力象限解讀

2020 年分析與商業智能平臺（ABI）魔力象限

利基市場 NICHE PLAYERS

Alibaba Cloud 阿里雲

作為魔力象限的新進入者，首次抵達利基市場象限，主要原因是當前阿里雲主要的業務還是在大中華地區，但具備一定的全球化能力。入選的是阿里雲中 Quick BI 分析產品，特別是 3.4 版本中 Quick BI 擴展了企業分析報告的功能。

優勢：自助分析、數據洞察、類 Excel 報告和回寫功能，阿里雲平臺自帶產品。特別是阿里雲的用戶對阿里雲整體的體驗、服務支持等比較滿意。

注意：阿里雲目前只專注於中國市場，其它地方裝機量並不高，離全球化還有一定的距離，新的 BI 產品，在自動洞察、數據故事、數據源連接方面的很多功能需要加強。

筆者在 2月12日 晚收到 Quick BI 產品團隊一個朋友的信息，說他們的產品進 Gartner 了。當時還沒有特別注意，以為只是進入到 Gartner 的市場指南或者被 Gartner 所提及，但確實沒有意識到朋友所說的是進入到 2020 年的 ABI 魔力象限中。這也是第一次中國的 ABI 工具進入到 Gartner 魔力象限，在此向阿里雲 Quick BI 團隊表示恭喜。

Birst

利基魔力象限，Infor 旗下子公司 ( Infor，全球第三大企業級應用軟件及服務供應商 )，Birst 產品也主要服務於 Infor 的客戶群體，提供端到端的數據倉庫、分析報告和可視化平臺服務。

優勢：基於雲的元數據管理的 BI，可以提供數據準備、儀表板、可視化分析和預定格式的報告。支持本地數據源的實時連接，支持在 Microsoft SQL Server、SAP HANA、Exasol、Amazon Redshift 上構建數據倉庫模型。

Birst for CloudSuite 為 Infor ERP 客戶提供了預先構建的 ETL、數據模型和儀表板，並且已經完全集成到 Infor 業務應用程序中。對於非 Infor 數據源，提供了行業化的像理財管理、銷售、營銷等分析應用。全球化能力也比較突出，跟著 Infor 支持全球 40 多種語言。

注意：在部署實施過程中的性能問題和客戶支持上是目前大多數客戶所反饋到的不足，希望有待改善，並且在自助分析部分客戶使用並不多。

BOARD International

BOARD International，利基魔力象限，主要服務於財務領域的 BI 分析，全球 1/4 的市場在美國。

優勢：在財務計劃與分析 FP&A（financial planning and analysis ）領域具有很強專業性的兩家 BI 供應商之一，在全球也具備比較完善的集成商合作伙伴渠道。

注意：切入點基本上都是財務部門，在財務領域非常知名，但作為獨立的 BI 平臺被客戶接受還需要一定的時間。

Domo

利基魔力象限，雲 ABI 平臺，1000 多個數據連接器，用戶友好的數據可視化和儀表板能力。主要面向業務部門，像銷售、運營等，平臺易用和快速部署比較吸引用戶注意。2019 年末，Domo 和知名雲數據平臺 Snowflake 建立戰略合作。

優勢：客戶在 Gartner 的調查反饋中評價比較高，無論是產品能力還是支持能力等。同時，Domo 的訂閱服務全球發展勢頭迅猛。

注意：Domo 主要面向業務部門用戶，非 IT 驅動，只是用於營銷、財務、供應鏈特定的分析領域，也可以認為是部門級、個人及的分析工具。同時，全球化程度支持不高，目前也僅在美國、日本、澳大利亞和英國有相關的直接業務。在增加分析方面的能力不足，目前還是的儀表板方面優勢較大。

Dundas

Dundas 和阿里雲一樣，都是魔力象限的新進入者，最初是為開發人員提供圖表引擎服務的，後來逐漸將功能平臺化，包括可視化分析、儀表板設計、內存引擎和內置數據倉庫等。目前主要還是以嵌入式 OEM BI 對外合作為主，將 Dundas BI 進行擴展開發和集成。

優勢：完全開放的 API，高度定製和嵌入式分析開發，支持本地和 SaaS 模式，全球合作伙伴計劃，客戶可以使用 Dundas 分析報告增強自己的 WEB 應用或者門戶等。個性化的客戶服務體驗在比較熱門的 BI 市場中還是有很高的支持力度和積極反饋。

注意：業務、數據的增長對 Dundas 會帶來一些挑戰，並且在增強分析部分投入有限，並且專注於北美、歐洲和澳大利亞市場，市場認可度有限。

IBM

利基魔力象限，主要產品是 IBM Cognos Analytics，關於 IBM Cognos Analytics 在幾年前天善智能的公眾號中就有過介紹，主要也是面向原有的 IBM Cognos 升級客戶。

優勢：Gartner 對其評價就是功能全面 Comprehensiveness of functionality，少有的在單個平臺上集成了企業報告（分析報表）、自助分析探索、增加分析等功能的產品。在產品願景上，包括增加社交想法交流、人工智能驅動的數據準備、數據源數據質量分析和基於統一門戶入口的 What-if 分析、預測等。

注意：Gartner 對 IBM 的評價是 Loss of momentum and perception as innovator，作為創新者的創新動力、洞察力有所缺失，面對很多 ABI 廠商的挑戰，IBM Cognos Analytics 也不再是企業 ABI 平臺唯一的選擇標準。

Information Builders

簡稱 IBI，利基者魔力象限，主要產品 WebFOCUS（ Designer ），2019 年產品重新設計，UI 變更並遷移到基於雲的微服務架構。

優勢：外部大規模部署的能力，各種預置的分析模型和分析應用，數據源連接性和集成、實時數據流都是其核心優勢。

注意：總體願景和產品策略沒有和競爭對手拉開差距，客戶對增強分析功能（ 自動洞察、自然語言查詢等 2020 年新規劃的產品路線圖）利用率比較低。

Logi Analytics

利基者魔力象限，嵌入式分析領域，和 Dundas 有些類似主要面向 OEM 軟件和服務提供商。2019年2月收購了老牌的報表廠商 Jinfonet Software 金峰軟件和它的 JReport 報表產品（ 之前在天善智能的相關文章中也做過相關的介紹 ）；2019年6月收購 Zoomdata 解決了流式數據問題。

優勢：嵌入式 BI 和 OEM 合作，有專門的 OEM 團隊來運營，平臺開放性比較強，在預測分析方面也有建樹。

注意：使用範圍有限，少有用戶用 Logi Analytics 做臨時自助分析，一般用來看靜態的數據報告，在自然語言功能方面的轉變也比較慢。

Pyramid Analytics

利基者魔力象限，目前還是以私有化部署、私有云部署或混合架構部署方式，而不是以純雲架構的方式提供服務。具備一套完整的現代 ABI 功能能力，包括數據整理、即席分析、可視化交互、儀表板、移動分析協作等。

優勢：在單一部署平臺中支持敏捷的工作流和管理報告中心，包括報表水印、數據集的複用性和共享能力、元數據管理和血緣關係等。在增強的功能中也包括了智能探索發現、智能報告、NLQ 能力的 Ask Pyramid （ 自問金字塔 ）、人工智能驅動的建模、自動可視化、用戶見解等等。

注意：產品的願景和創新目前還處於一個追趕者的角色，在集成商和服務提供商第三方資源的可用性和支持能力還有待提升，市場增長也需要加速。

挑戰者象限

Looker

Looker 在去年 2019 年的時候受到了極大關注，主要是因為 Google 宣佈了以 26 億美元收購 Looker 的計劃，但是到目前為止收購還未完成。Looker 在這次的魔力想象中首次從利基者成為了挑戰者，從產品形態上來看主要競爭隊手是微軟的 Power BI、Domo、Tableau。比較有意思的是，在谷歌收購這家公司的消息宣佈之後，競爭對手中，Tableau 股價下跌 3.7%，Domo下跌 0.4%。微軟股價上漲 1.6%，谷歌母公司 Alphabet 股價上漲 0.3%。

Looker 提供現代的 ABI 可視化分析報告和儀表板展示能力，集中的數據模型管理和對各種雲數據庫進行優化的數據庫架構。在產品增強功能方面，與 Slack 的集成，自動模型生成等，嵌入式開發等都值得關注。

優勢：In-database design: Unlike most competing solutions, Looker’s offering does not require in-memory storage optimizations. Rather, it leaves data in the underlying database and uses its LookML modeling layer to apply business rules. This enables power users and data engineers to model data and then reuse data and calculations in other applications in a trusted and consistent way.

Looker 和大多數競品不同，Looker 不需要進行內存存儲優化，而是將數據仍然保留在基礎的數據庫中，並通過它的 LookML 模型來適應業務模型。這種方式讓專業的高級用戶和數據工程師可以對數據進行建模，並在在其它的應用場景中重複使用這些數據和計算規則。

嵌入式開發、OEM API 接口等面向開發人員友好，用戶社區和培訓等都評價較高。

注意：高級用戶需要具備建模能力，通過編程的方式實現建模，欠缺相應的可視化數據準備方面的產品能力。

MicroStrategy

微策略，挑戰者象限，功能強大，有一定的創新型，但市場動力不足。

優勢：Gartner 認為 MicroStrategy 在 2019 年推出的語義圖像（分析）semantic graph - HyperIntelligence （ 超智能、沉浸智能）是 ABI 平臺領域最具創新型的產品功能之一，零點擊模式下動態顯示用戶所需要的分析，包括：Hyper Card、Hyper Voice、Hyper Wall 等等場景化的 BI 分析。

注意：軟件成本在客戶印象中較高，對新客戶的吸引有限，需要改善，在雲部署和業務應用的解決方案競爭優勢需要加強。

TIBCO Software

首頁進入到挑戰者象限，TIBCO Spotfire 在儀表盤、可視化分析、數據準備和工作流分析等都具備強大的功能，包括實時流數據處理，自動推薦的可視化分析結果等，最新的 Sportfire 也增加了對 Python 的支持。

2018年 TIBCO 已經把 TIBCO Sporfire Analytics 中文版投入到中國市場，主要面向的用戶還是面向部門的一線業務人員和決策者。

優勢：整體產品功能相對完整，基於機器學習 ML 的數據準備、構建複雜的數據分析模型、端到端的工作流程在統一的開發設計平臺完成，最終通過可視化分析構建儀表板，業務用戶也可以做些高級分析和分析自動洞察工作。

注意：早期連同 Tableau、Qlik 被認為是顛覆傳統 BI 領域的產品之一，但現在發展的勢頭不如 Tableau 和 Qlik，還有軟件成本也是產品規劃化擴張的主要障礙。

遠見者象限

Oracle 甲骨文

2017年重新進入，遠見者象限，之前一直專注於增強分析，並且同時可以在 Oracle Cloud 和本地使用。

優勢：Oracle 比一般的供應商更早的實現了增強分析功能，Oracle Cloud 還具備 NLG 能力，也是市面上唯一支持 28 中語言的 NLQ 平臺。提供了一個端到端的雲解決方案，包括基礎設施、數據管理、分析和可視化分析和全球各地的雲數據中心。

注意：OAC ( Oracle Analytics Cloud ) 有各種數據源對接能力，但目前只在 Oracle Cloud 中運行，目前最新的架構是否有所調整，需要進一步觀察。

Salesforce

遠見者象限，在增強分析功能方面非常強大，很多供應商都在追趕，目前 Salesforce 的 Einstein Analytics （ 愛因斯坦分析，三個軟件產品報包 ）和 Tableau 在 Salesforce 的定位和未來走向目前還不是非常清晰。

2019年6月，Salesforce 花費 157 億美元收購 Tableau，8月收購完成，這是2019年BI領域最大的一個市場變化。Tableau 為 Salesforce 帶來了巨大的客戶、產品和渠道能力，但同時 Salesforce 本已有的強大的產品線和 Tableau 產品線也嚴重重疊。目前 Salesforce 和 Tableau 還沒有制定產品和公司整合計劃，所以在 Gartner 中 Salesfoce 和 Tableau 還是單獨展現。

優勢：Salesfoce 最大的優勢就是 Einstein Analytics 可以直接嵌入業務應用程序，完整一體的業務流程和分析流程優勢非常明顯。並且超過 36000 個的 Einstein Analytics 的社區成員對於推動市場開發發展有很強的動力。

注意：Salesforce 競爭對手在增強分析領域都在追趕，同時 Salesforce Einstein Analytics 用戶使用成本相對其它平臺而言也略高，並且對於大部分用戶而言 Einstein Analytics 只是作為和 Salesforce CRM 一起使用的部門或個人級的分析工具，而非企業級的 BI 標準。

SAP

遠見者象限，產品功能在不斷的改變也富有遠見力，SAP Analytics Cloud 具備多分析功能、多租戶的雲平臺能力，但使用者大部分還是以企業中使用了 SAP 產品的客戶為主。

優勢：SAP Analytics Cloud 閉環的單一平臺具備了計劃、分析、預測的能力，這一點是其它平臺所不具備的，關聯的 SAP Digital Boardroom 對管理層有很強的吸引力，支持 What-if 分析和數據模擬能力。同時，SAP Analytics Cloud 為 NLG、NLP 和自動洞察提供了強大的支撐。

注意：SAP 品牌在很多客戶眼中默認就是傳統的 BI 代名詞，無法讓用戶感知到 SAP Analytics Cloud 的不同，需要花時間去改變。同時，SAP Analytics Cloud 運行在 SAP 數據中心或公有云（ AWS 基礎設施 ）中。

SAS

遠見者象限，強大的產品和全球影響力。SAS 基於雲和微服務平臺 SAS Viya 上提供了 Visual Analytics，具備了端到端的視覺、數據準備增強、ABI、數據科學、機器學習和 AI 解決能力。

優勢：端到端的平臺願景，讓客戶在單一的集成、可視化和增強設計平臺中，進行可視化分析、數據科學、ML和 AI模型等操作，SAS 也是該魔力象限中唯一本地支持文本分析的廠商。在增強分析部分，SAS 在自動化方面投入巨大，包括個人數字助理的語音集成、聊天機器人集成和本地 NLG 能力等。

注意：SAS 支持開源數據科學和 ML 生態系統，並在 SAS Visual Analytics 引入了新的 SDK，但對於開源趨勢反應較慢，導致市場默認 SAS 的成本較高，對於市場開拓有一定的影響。

Sisense

遠見者象限，嵌入式開發合作比較知名。Sisense 提供了數據準備、分析和視覺探索的功能，提供了一個可支撐複雜數據的 ABI 平臺，差不多一半的平臺客戶都是通過 OEM 形式使用 Sisense 產品。2019 年發佈的 Sisense 8.0.1 具備了新的 ML 功能，具備探索隱藏的見解、洞察和推薦可視化成果的能力。2019年5月，Sisense 收購了 Periscope Data 增強了高級分析功能。

優勢：原生雲 BI 平臺，支持 Docker 和 Kubernetes ，可以在 Sisense 的託管雲產品或客戶端部署中靈活擴展基礎組件。支持複雜的數據聚合，通過 ElastiCube 來實現超快的數據存儲，實時分析而調整的高性能分析數據庫。

注意：在客戶深度的、複雜的數據項目中，只有少部分的 Sisense 用戶進行了一些適當的、高度複雜的即席分析 ad-hoc analysis 和數據探索。另外 Sisense 面向高級用戶 Power users 和開發人員友好的，對於一些普通的業務用戶使用可能會遇到一定的挑戰。

Yellowfin

首次進入到遠見者象限，規模較小，地域性限制也比較大，但產品創新較強。Yellowfin 最初是用於分析報告和可視化分析的 WEB 形態的 BI 平臺，後來逐步擴展到數據準備包括 2018 年之後的增強分析。

2019年 Yellowfin 增強了增強功能中的時間序列，推出了新的移動應用程序，增加了嵌入式工作流程的支持。

優勢：產品功能得分較高，功能涵蓋數據準備、可視化探索分析和增強分析，基於瀏覽器界面進行訪問。具備廣闊和創新的產品願景，包括提供了 基於 ML 算法的自動報警等。另外，在 Stories 模塊支持數據新聞 data journalism ，並且可以嵌入 Tableau、Qlik Sense、Microsoft Power BI 的內容。客戶體驗得分較高，對服務支持滿意度也很高，運營較為成熟。

注意：Yellowfin 平臺提供的數據鏈接選擇比其它廠商要少，在需要支持更加複雜、非結構化或者半結構化數據時，需要一定的技術技能使用 Freehand SQL 來實現。技術社區力量較小，市場吸引力還比較薄弱。

領導者象限

微軟 Microsoft

擁有全面和富有遠見的產品路線圖，並通過 Microsoft Office 渠道贏得了全球廣泛的市場。

主要核心產品 Power BI 具備數據準備、可視化的數據發現、交互自助式分析、增強分析等能力，並且支持 Azure 雲 SaaS 模式和 Power BI Report Server 本地模式，Power BI Desktop 也可以作為個人的分析工具獨立使用。

優勢：病毒式傳播 Viral-Spread，Office 365、Excel 提示用戶在 Power BI 中進行可視化分析等，影響廣泛，拉新成本低。2019 年發佈的 Power BI Pro 雲服務在功能方面也已經超過了大多數競爭隊手，比如在增強分析、自動化 ML 的創新等，包括 Power BI 還提供了基於 AI 的文本、情感、圖像分析等。

注意：本地版本 Power BI Report Server 對比 Power BI Pro 雲服務存在很大的功能性差異，包括儀表板、流分析、預置分析、自然語言問答、增強和警報等。同時，雲平臺僅限 Azure 環境。

Tableau

多年領導者象限，通過基於可視化的探索能力，讓用戶可以進行數據訪問、數據準備、數據分析和數據展現等操作，具備強大的市場營銷影響力和產品功能的擴展能力。但是作為 Salesforce 的一部分，目前發展方向不是非常的明確。

在 2019 年，Tableau 通過引入 Ask Data 和 Explain Data 來提供自然語言查詢和自動見解，增強分析能力得到很大提升。同時，在數據治理方面，改進了 Tableau Pre Builder 並引入了 Tableau Prep Conductor 來進行數據管理的計劃和監控。將 Tableau Prep Conductor 和 Tableau Catalog 打包成為 Data Management 加載項的一部分，還通過 Tableau Online 將大部分的用戶遷移到了雲中。

Salesforce 在 2019 年 8 月對 Tableau 進行了收購，是機遇也是挑戰，因為 Salesforce 自身在 ABI 平臺已經具備了人工智能、雲計算和嵌入式分析的能力，Tableau 在這些領域也已經有很大的進步，整個產品路線重疊面臨調整。

優勢：Tableau 的用戶都是深度使用用戶，高粘度、熱情度極高，每年的年度用戶大會深度和影響力就是最好的證明。操作簡單，易上手，通過用戶自己對產品的理解就可以很好的完成數據源數據的提取、數據合併、可視化分析和呈現的全過程。

2019年第一季度，Tableau 的市場總收入在 9 億美金左右。

注意：Tableau 雖然在數據分析領域有很強的優勢，包括在 2019 年 Tableau 加強了數據治理、管理等功能，但是客戶的總體反映 Tableau 在數據治理和管理上面仍然需要改善。

Qlik

多年位於領導者象限，在機器學習和人工智能方面有很強的產品願景並有所增強，但對比於其它競爭隊手，在市場動力方面有所不足。Gartner 在產品層面提到的是Qlik 的重點 ABI 解決方案產品 - Qlik Sense，基本上可以滿足任何技能水平的操作用戶，快捷的進行組合數據分析和數據探索。在 Qlik 的認知引擎（ cognitive engine ）中已經加入了 AI / ML 功能，並和關聯引擎（ Associative Engine ）一起提供了具備上下文感知的洞察分析能力。2019年6月推出的關聯見解 associative insights，作為增強的分析功能，通過認知引擎發掘更加隱藏的數據價值。

優勢：靈活部署，最早提供不影響用戶體驗和管理的跨多雲部署架構模式的廠商之一。同時 Qlik 的產品矩陣也覆蓋了分析生命週期的多個階段，例如 Qlik Sense 為分析師和業務人員提供自助式的分析能力，Qlik Data Catalyst （ QDC ）可以助力企業加速向夏代話數據管理模式過度，將原始數據轉換為受治理的、可分析的信息資源。數據分析增強、關聯洞察能力、數據自動揭示（ 業務 ）可以幫助到基本所有級別的用戶。

注意：Qlik 在 2019 年經過了一些調整，採取了一些具有遠見的措施，例如技術收購、主要產品的發佈和產品更新，但對比其它領導者象限產品，市場方面需要加強。同時，在自助服務方面，用戶還是更加偏向於參數化的報表分析，對於自助服務、自動發現和產生見解的能力如何體現到業務場景中還需要繼續引導市場用戶。

ThoughtSpot

領導者魔力象限，非常特別的創新，通過 Search-First 搜索優先的分析方法非常有吸引力，但是也比較容易被模仿, 將來這種產品區別將越來越小。

2019年 ThoughtSpot E輪融資 2.48億美元，深化了增強的分析功能，引入了新的 AI 驅動並增加了業務指標自動監控的功能，以及數據庫內查詢的能力。

優勢：大規模的搜索和 AI 能力，通過使用 NLP 能力，用戶通過鍵入或者講話的方式提出問題進行分析的交互。同時，支持大量數據進行復雜分析查詢，超過三分之一的客戶分析了超過 1 TB 的數據。目前 ThoughtSpot 的市場規模仍然還很小，但是基於搜索的分析方向認知度比較高，在優先考慮 NLP 和增強分析功能的時候，很多 Gartner 的用戶推薦 ThoughtSpot 入圍。

注意：ThoughtSpot 並不能完全滿足 ABI 的定義要求，更多的是其它 ABI 產品的補充，比如通過第三方工具來準備和清理數據，將數據加載到 ThoughtSpot 進行大規模的處理，只有少量的用戶將 ThoughtSpot 視為企業級 ABI 的標準。全球影響力有限，生態系統和社區用戶影響力有限。ThoughtSpot 需要較強的 IT 能力來完成數據準備工作，包括特定的內容分析準備等。

五、派可數據，對 Gartner 魔力象限的分析總結

Gartner 差不多在每年 2 月份的時候都會發布一份有關分析和商業智能 BI 平臺的分析報告，這份報告從全球的視角出發，對 BI 未來的發展趨勢，各象限的廠商都有非常好的總結和分析，是一份很專業的分析報告，值得關注。

從這份分析報告中，我們可以看到以下幾個特點：

更加突出分析 Analytics - 所以魔力象限的名稱是 Analytics and Business Intelligence，特別反覆的提及增強分析，不再單純的只提 BI，所以整篇報告一直在描述的是 ABI。

更加強調端到端的能力 end to end - 不僅僅在分析端需要加強，同時更加關注從數據源開始、到數據治理、數據管理、複雜分析模型、前端可視化分析、分析報告和增強分析整個過程。

機器學習和人工智能 ML and AI - 通過 ML 和 AI 賦能實現增強分析，更加希望在數據準備 Data preparation 到數據管理 Data Management 到數據探索 Data Discovery 等各個階段都可以接入 ML 和 AI 能力，讓整個過程自動化和流程化，最後特別在數據洞察、見解方面由以往的業務發起-可視化-反饋決策被動反饋形式，到自動的推薦一些分析結果和見解的主動反饋形式，裡面也提到了自然語言搜索和查詢交流的方式。

業務、數據平臺的融合加速 - Salesforce 收購 Tableau 就是一個很好的例子。企業 IT 信息化的兩個階段是必然趨勢，業務信息化和數據信息化，業務信息化就如同 Salesforce CRM，數據信息化就是 ABI，兩者必然結合。所以，在未來會有更多的 CRM、ERP 廠商要麼自身加強 ABI 能力，要麼尋找合作方共同拓展業務渠道，佔領市場。

派可數據 BI 產品被全國最大的企業管理軟件服務商用友 OEM 也印證了這個趨勢。

雲部署，但各家都有限制 - ABI 產品的雲端化發展是一個趨勢，但也能看到雲 ABI 產品對雲的依賴性和排他性，越是有云業務市場的越有限制。並且純粹的雲 ABI 化最好的使用場景是基於雲端業務軟件進行的嵌入式的，變成其中的一個子模塊。但是這類 ABI 產品基本上的定位就是服務於業務軟件自身、個人或部門級的分析工具，不會成為企業的 ABI 唯一建設標準。

各品牌特點比較鮮明、差異化的市場存在 - 在前端可視化能力比較突出的，在數據準備、數據源方面就會比較薄弱；在數據準備、數據管理方面比較突出的，在前端增強分析領域就略顯薄弱；包括一些 ABI 廠商差異化的市場打法，比如聚焦比較細分的應用分析市場領域，嵌入式的開放平臺和 OEM 市場領域，搜索優先的分析領域，各自都有各自的特點。

把握市場入口的 ABI 產品市場空間巨大

國內的阿里雲 Alibaba Cloud 這次能夠進入 Gartner 魔力象限也是有這方面的原因，但目前從 Cloud 市場到 ABI 分析領域缺少類似於像 Salesforce 的 CRM 平臺資源或者像 Microsoft 海量的 Office 用戶資源，需要一個業務軟件來支撐從 Cloud 到 Analytics 分析的業務紐帶（ 業務平臺產生數據，數據產生分析需求 ）。阿里雲平臺自身很難對業務用戶產生很大的粘性，因為阿里雲的直接使用者更多的是 IT 運維和技術支持，在阿里的體系下目前來看釘釘會是一個比較好的選擇。

六、Gartner ABI 發展趨勢下的國內 BI 市場

國內分析和商業智能平臺的發展階段整體來看仍然處於 BI 階段，與 Gartner 所定義的 ABI，缺少的就是 A - Analytics，特別是指增強分析技術領域，這種情況有一定的特定原因和背景：

一方面國外的 BI 發展要遠遠早於國內 BI 市場，無論從技術成熟度、IT 成熟度、用戶成熟度還是市場成熟度都較中國要高很多。

另外一方面受限於國內企業基礎信息化建設整體投入不足、基礎薄弱，導致目前大部分的 BI 解決的重點還遠遠未能達到 A - Analytics 的階段。目前國內 BI 市場企業服務投入的大量的時間和精力仍然處於企業底層數據梳理、業務引導、數據意識灌輸、BI 知識的普及和教育階段。

這也就是為什麼國外的 BI 產品品牌在國外市場表現突出，但到了國內市場仍然實現不了規模化的普及覆蓋，最終陷入到一個一個的個性化項目交付上，無法實現輕量化運營。並且在本地化、個性化服務、定製化開發方面對比國內 BI 產品並沒有十分明顯的優勢，反而國內 BI 產品在國內的部分市場已經形成反超，這個趨勢也會越來越明顯。

數據行業相對比較專業的玩家集中在互聯網、電商領域或大的金融、銀行、保險等領域， 這幾個領域在企業業務起步的時候就需要有良好的信息化基礎建設支撐，否則就無法開展其龐大的業務，因此具備了數據深度利用的基因，也具備對 ABI 的訴求前提。

國內本地企業信息化基礎薄弱，包括在基礎信息化領域還未形成專業分工，中小企業個性化需求不強但生命週期短，大型客戶管理標準化程度低，各類繁雜的個性化需求疲於應對。沒有良好的土壤環境，也失去了標準化的分析場景和專業具備數據意識的專業化人才。

因此，實際上上面所講到的一些問題是說明我們在 BI 領域與全球 ABI 領域在技術、應用場景、使用深度、市場環境等各個方面存在較大的差異性，我們更需要關注當下國內 BI 市場用戶的訴求。國內 BI 市場整體還停留在 BI 分析的基礎階段，還需要很長的一段路要走。就如同國內 SaaS 企業服務市場一樣，各種商業模式輪番上場，仍然還停留在培養用戶、培育市場的階段。

我在過去幾年時間面對面拜訪過幾百家企業，從大型集團到中小型企業，從一線城市到二、三、四線城市，往往當企業有意識想了解或者推進 BI 的時候，溝通後才發現大部分企業自身的信息化基礎確實薄弱，數據意識也很缺失，需要花時間和精力去引導梳理。

這種情況的形成有一定的原因，即在過去很長的一段時間內中國還處於一個供給時代，需求大於供給，生產什麼賣什麼，催生了很多傳統行業。企業的焦點在渠道市場、生產能力，重資產運營什麼都做，而很少去考慮協同分工、信息化、數據分析，不論對企業生產設備的升級改造、管理提升、信息化協同等都不是那麼的迫切。而當供給時代結束，產能過剩，高增長減速的時候，互聯網時代新型商業模式的衝擊，傳統企業不得不在這些方面進行思考和轉變。

所以，近幾年我們看到國內的商業智能 BI 市場也在逐步的成熟起來，主要原因是企業在逐步成熟，在信息化方面有意識的進行改變和提升。在各個行業領域都有一些成熟的企業利用商業智能 BI 來提升企業自身的經營管理水平，逐步培養企業的數據意識和分析意識，這都是非常積極的變化。

國內商業智能 BI 市場空間仍然巨大，國內商業智能 BI 廠商也大有可為。

七、國內商業智能 BI 的市場空間和規模

目前對商業智能 BI 應用比較廣泛的企業，首先是完成了 IT 業務基礎信息化的企業，代表性的軟件投入就是 ERP，因此國內商業智能 BI 的發展離不開 ERP 市場的發展。現階段據觀察分析，商業智能 BI 在 ERP 軟件行業的滲透率大概在 10% 左右。

但由於企業業務信息化的建設需要一段週期、數據的沉澱需要一定的週期、數據使用場景、市場教育推廣普及、數據產品的形成、人才梯隊的建設也存在著一定的週期，從短期內來看商業智能 BI 對比 ERP 市場至少存在著十到十五年的時間空間延後關係，但隨著整體市場的增速和企業數字化轉型，商業智能 BI 的成長趨勢會越來越快。

在過去的 2019 年，整體商業智能 BI 在 30 億左右的市場規模。

2011-2018 年中國 ERP 軟件行業市場規模變化趨勢

據派可數據預測分析，自 2020 年起，按每年 15%-20% 的增長速度預計商業智能 BI 在國內的市場保守估計將分別達到 33.3億、37.6億、45.1 億左右的規模。

商業智能 BI 在未來三到十年發展迅猛

隨著 ERP 市場的深度發展，商業智能 BI 在二、三線市場熱度的逐步提升，和國內外商業智能 BI 廠商在市場上的共同推動和努力，預計在三年之後，商業智能 BI 市場每年的增速會達到 30%-40% 以上。在 2030 年，預計市場規模突破500億，2033年前後，市場規模突破千億級別。

除了傳統的 ERP 市場，像 OA、CRM、BPM 等各個專業業務軟件領域對 BI 的訴求也是一樣的高，商業智能 BI 是基於所有業務軟件基礎之上的，打通所有業務系統的數據，還涉及到企業外部數據的使用場景，是整個終端分析的出口。

因此，BI 的應用場景是全行業、全領域、無處不在的。

（全文完）

關注和熱愛商業智能 BI 行業的朋友，或個人、企業在數據信息化建設方面、商業智能 BI 項目規劃方面、行業發展趨勢方面遇到的各種想法和問題，都可以添加作者 tianshanlvpin 微信號進行交流，作者將耐心細緻的對大家提出的問題進行解答。我們也將在後期推出一系列的非技術類的商業智能 BI 大講堂，普及商業智能 BI 和相關的知識，幫企業或個人答疑解惑。

你所不熟悉的、想了解的，就是我們要普及的，歡迎大家積極交流。

閱讀更多 派可數據 的文章

關鍵字: 阿里雲計算 商業智能 微軟