但如果是麵嚮知識 數據融閤需要關注對更多數據維度、種類的覆蓋能力 數睿數據深度 | BI走下神壇？不是市場沒落瞭是需要的故事變瞭 - 趣味新聞網

原標題：數睿數據深度 | BI走下神壇？不是市場沒落瞭是需要的故事變瞭

去年年底國際BI巨頭Tableau宣布退齣中國市場，將業務打包整閤到Salesforce與阿裏巴巴的閤作關係中。從最近幾年技術發展趨勢來看，BI似有日薄西山之勢，BI這門生意還好做嗎？

關於BI的一個普遍質疑是商業智能到底如何産生價值，為什麼最後企業IT 部門或者業務部門完全淪為瞭做報錶，能體現的價值隻是節省瞭我們做報錶的工作量，僅此而已。

高度依賴係統、知識與環境，更多的問題而非答案

傳統BI關心的是數據漂不漂亮，展現的形式是不是讓人喜歡，門檻夠不夠低，對業務的價值反饋周期比較長。

數睿數據總裁劉超對當前BI行業“ 工具負責好看、工作靠人來乾、知識難以沉澱 ”的問題進行瞭總結分析，大緻歸納為“三個依賴”：對係統的依賴、對知識的依賴、對環境的依賴。

目前BI分析的數據大多數來源於各類業務係統，使用這些數據的時候會遇到很多質量、安全、標準等方麵的問題。問題齣自於機器，但卻需要靠人去治理，這既不閤理也産生瞭很多不必要的工作量，因此下一代BI應該讓機器做機器該做的事，讓人做人該做的事。

其次，是對知識的依賴。人類社會發展到今天，各個學科、行業都積纍瞭自己的知識，這些知識如果運用到數據分析中，需要事先積纍、吸收、融匯貫通，需要付齣大量的努力。能不能讓工具代替人去消化這些知識，降低知識運用的門檻，是第二個問題。

最後，是對環境的依賴。我們相信數據積纍到一定規模，結閤企業的知識曆史數據，就能實現智能化的知識共享。但是運用知識的環境是紛繁復雜的，如何讓基於一個係統分析形成的知識能夠快速分享到另一個係統中産生價值，如果知識嵌入到彆的業務係統依舊需要做集成，本質上還是沒有擺脫大量的技術性工作。 隻有解決知識傳播受阻的這個問題，企業纔真正具備動態學習和積纍的能力。

業界認為，按照“DIKW”模型理論，BI不能停留在數據階段，做統計與可視化，而要專注於把數據轉變為知識。下一代BI與人的關係，應該是BI工具去數據中總結知識，人把知識和業務結閤，産齣智慧，創造價值。

下一代BI的隱形巨擘：增強分析與機器學習算法

隨著商業環境的變化，數據分析的維度和用戶使用習慣的要求也在不斷升級，麵嚮下一個十年的BI該如何設計？筆者認為好的能力是“ 當用戶感知不到時，就是它無處不在的時候 ”，就是說它工作的時候你不會感知到它，當它不工作瞭，你纔會強烈地感到不適。

目前包括nextionBI在內的一些國産BI已經後起而直追，很多功能組件裏都封裝瞭AI 算法，在看不到的地方，有更多的自動化和智能化。比如數據分析模型提供瞭時序分析、預測、分類、聚類這些通用算法，用戶過去想做一些預測或分類，都需要機器學習的一些模型訓練，現在用戶隻需要開箱即用，很快的一鍵操作就可以完成三維/時序/圖譜等分析。

數據分析儀的另一大亮點是基於NLG（自然語言生成）的智能數據解讀，解讀也是自然語言式的，讓枯燥乏味的數據自動說人話，對於數據不敏感人群可以提供友好的數據解讀輔助。當數據量和維度都比較繁多的時候，智能數據解讀可以快速告訴你數據的分布是什麼樣的，有哪些特徵，特徵之間是否有隱形關聯？關聯程度怎麼樣？整體數據分布是否有空值？

責任編輯：