【果总谈BI】数据归IT，分析归业务-22l2-技术成就未来

企业知识开源首席布道师陈果的答案是：数据归IT，分析归业务。即IT部门主要负责管理好数据、提供好工具，分析本质上是业务要做的事情。

为何会有这样的结论？陈果在「敏捷·创变——2024观远数据智能决策峰会暨产品发布会」上分享了他的思考。

敏捷BI仍为市场主流

AI赋能催生新型模式

BI全称“Business Intelligence”，现在翻译为“商业智能”，但最初叫做“企业洞察”，它阐述了BI的实质：助力业务人员通过数据分析洞察企业运行脉络，催生企业洞察。1992年，Teradata推出首个ETL数据库，标志着分析型数据库诞生。BI也随之诞生，并开始了其到目前为止三个阶段的发展。

阶段一：数据仓库/数据挖掘

BI发展的第一个阶段，是数仓和数据挖掘的时代。彼时人们将注意力集中在数仓建立的两种范式：先有数据集再有数据仓库的“自上而下”的范式，以及先有数据仓库再有数据集的“自下而上”的范式。企业关注的重点在分析报表上，分析的对象则聚焦在结构化数据的挖掘。

阶段二：大数据和敏捷BI

随着大数据出现，数据形态由单一走向多元化，结构化数据演变为结构化、半结构化乃至非结构化数据并存。BI发展进入第二阶段，但并非完全替代了第一阶段，第一阶段以报表为主的BI依然存在。此时，“高级分析”兴起，聚焦机器辅助洞察生成，过程中不仅涵盖对历史数据的描述，还具备未来预测。融合AI+BI的高级分析，实现了用户中心化分析，依据场景驱动数据获取与建模，根据分析意图实现数据可视化，这便是第二阶段的敏捷BI。

今天为止，敏捷BI还是市场的主流方向，“让业务用起来”也是敏捷BI的核心理念。

阶段三：人工智能BI

近年来，AI热潮迭起，BI也开始了第三个阶段——“人工智能BI”的发展探索。AI更深入地融入BI领域，催生新型模式，由过往的AI+BI的“高级分析”进化为AI×BI的“增强分析”。AI对BI更深度地赋能，但并未改变BI的初衷——洞察业务本质。

Gartner在两年前提出“增强分析（Augmented Analytics）”，其核心理念是在于，现今BI最大挑战非可视化展现方式，而在怎样获取高质量的数据。例如即便同为销售分析，在不同管理语境下对销售的定义都是不同的，需依据分析意图获取数据，如果没有现成数据就会涉及很多数据加工或模型重塑的工作。融合AI能力实现的智能数据准备、智能建模、自然语言交互和查询能够大幅提升BI数据准备的效率，即实现“增强分析”。

另一个与“增强分析”同样对未来BI发展产生巨大影响的是“生成式AI”，

技术发展持续放飞业务部门的数据消费需求

时至今日，多数企业依旧尚处于BI发展的第一阶段，即以报表为主的阶段，亟盼跃升至“让业务用起来”的敏捷BI阶段。而在BI发展的三个阶段中，企业业务与IT的分工也历经多次变迁。

在第一阶段，业务与IT职责泾渭分明。

在第二阶段，业务与IT分工发生变化。

到第三个阶段，业务与IT融合度更趋紧密。

在横向上，是覆盖的企业员工数越来越多。在纵向上，是分析工作越来越智能化。整个范式演变的核心，就是“让业务用起来”。

生成式AI对传统BI的提升还在发展中，方向依然是要让业务把BI用好。

1、当下，AI热议正酣，尤其在近一年里，随着AI技术迭代，机器学习与深度学习进步，自然语言处理越来越智能化、自动化，ChatBI日益风靡。但遗憾的是，真正意义上可以解决复杂商业问题的ChatBI尚未问世，目前ChatBI仅在特定场景提高了BI效率。当下主流方向是用自然语言助手提升BI系统的交互式体验，包括采用Text2SQl使得达模型可以连接到数据库架构，但目前还无法解决现实商业世界中的细微问题。

2、2024年出现了一个新的BI发展方向，所谓复合AI系统，通过智能体来管理和调用不同AI组件和工具，每个组件完成一个微小的任务，提高分析的灵活性、可解释性。这是当前的一个技术发展方向，但目前也尚未成熟。

3、在非互联网企业中，数据中台的应用价值已被证伪，企业OLAP和OLTP需要不同的数据治理策略，并且提升BI的敏捷性，让业务部门把BI先用起来。

目前市场主流还是AI+BI的敏捷BI，生成式AI的发展将给BI带来深远影响，其发展重点还是如观远数据所一直倡导的“让业务用起来”。

企业BI效率提升建议

从集中式到分布式

近期有幸协助了国内某大型消费品企业优化BI体系，针对其BI效率提升问题给到了一些建议，借此机会分享给更多企业参考。

该企业规模庞大，IT团队有数百人，企业IT设施完备，主流软硬件装备齐全，数据链条畅通无阻，标准数仓建设到位，BI平台功能完善，可视化开发游刃有余。然而，即便资源丰富，仍面临数据需求交付周期长的难题，短则三周，长可达月余，症结何在？

问题出现在“怎么用”上。企业上了很好的BI工具，但依然深陷传统模式——业务提需求，IT开发。IT部门内部组织了20多人的BI团队，并构成跨财务、HR、营销等四五个业务域的分析团队小组，成员精通SQL、擅长BI工具运用、熟稔数据模型构建及可视化开发，但这整个过程中却没有业务用户参与。同时，内部数据资产梳理缺失，导致业务提出的需求不知道是否已有数据，使交付周期充满不确定性。

所以，该企业的问题不是技术问题，而是能够提升BI效率的敏捷组织的问题。对此，我们提出了三点建议：

第一，BI组织架构重塑。

第二，业务导向的流程优化。

第三，全方位数据素养提升。

“让业务用起来”的三大要素

但要实现以上三点，企业也面临着一些挑战。其一是业务部门用户需要具备较强的数据工程能力，其二是分布式分析模式下，对指标管理归属的定义。它们指向的是“如何让业务用起来”的问题，而解决这一问题有三个前提条件：

1、建立指标管理，集中管控和自主分析的平衡

“让业务用起来”需奠基于健全的指标分析体系之上，哪怕是ChatBI，如果数据质量差、指标治理混乱，效率也会很低。如果企业的分析形态是鼓励业务人员用起来，对指标管理的要求则会更高，就会需要像观远Metrics这样独立的企业统一指标管理平台。

，企业需要根据自身集中式或分布式的数据分析模式，进行指标平台建设。

2、以用户为中心的可视化

第二是要建立以用户为中心的数据可视化审美能力。结合实际应用场景与目标（展示说服、确认理解、探索分析），甄选合适的可视化方式，以此激发表达效果和认知共鸣。

3、降低对业务部门的数据工程能力要求，利用AI能力