Gartner 发布最新 BI 魔力象限报告：在单一平台增强分析

近日，Gartner 发布了最新一期的《数据分析和商业智能平台魔力象限》报告，报告指出，如今商业智能（BI）平台关键的差异化因素是在单一平台上增强分析，并支持Mode 1模式（作为Gartner定义的一种分析模式，Mode 1侧重于可预测性，即在事先充分理解需求的情况下进行分析，并且可以通过分析过程进行识别，这有别于Mode 2 侧重的探索式分析）。DataHunter 翻译并对于该报告的部分内容分享如下：

Gartner作出了以下主要预测结论

到2020年，增强分析将成为用户部署数据分析、数据科学、机器学习以及嵌入式分析平台的主要推动力。

到2020年，50％的分析查询将通过搜索、自然语言处理或语音生成，或者将由平台自动生成。

到2020年，为用户提供内部和外部数据目录访问能力的组织从中获得的收益将两倍于其投资。

到2020年，业务部门的数据以及分析专家数量的增长速度将是IT专家增长速度的三倍，这将迫使企业重新考虑其组织模式，以及人力资源管理。

到2021年，自然语言处理和对话分析会使得数据分析和BI的采用率大幅增长，员工的采用率将从35％提升到50％以上，特别是一线工作员工。

在对用户进行调查之后，该报告发现，数据分析和BI市场的许多供应商都实现了两位数的收入增长，但有两个因素减缓了收入增长幅度：首先是数据分析和 BI 市场的商业模式逐渐从永久许可转向成为订阅许可；其次是云计算等供应商所施加的向下定价压力，这些供应商往往会向数据分析和 BI 供应商收取一部分维护费用，这增加了其成本压力。

“DataHunter 资深分析专家表示，数据分析与BI仍然是组织推动IT投资与业务增长的重要方式，不仅会给组织带来显著的收益，还将使组织在人员架构、员工培训等方面面临新的挑战与契机，这在 DataHunter 的行业实践中也得到了普遍的证实。另外，尽管探索式分析是未来的发展方向，但是在现阶段，基于可预测性的分析仍然是组织部署 BI 平台的巨大动力。”

本版魔力象限分析的主要趋势包括

●单一平台：在制定 BI 策略时，客户认识到，如果要确保数据分析的敏捷性，那么最好保持 BI平台组合的精简，即更少的供应商和解决方案。令人高兴的是，BI 供应商对于产品功能的扩张意味着客户可以从单一供应商那里获得最佳功能，客户可以使用既有的报告内容和治理模型，业务用户也能够扩展并与更多用户共享可视化探索。

但是，不同供应商在打造可运行所有工作流程的统一平台，以及对于Mode 1和Mode 2的支持程度仍然存在显著差异。此外，一些供应商可能只在其产品路线图上实现某类功能，或者可能只关注一种模式，这为客户决定何时选择新供应商、何时升级或停止投资提出了挑战。客户可以部署同时跨越这两种模式的平台，或者可以使用类似门户的 HUB 技术来提供对多个平台的单点访问。

●增强分析：该技术包括分析工作流程各个阶段（数据准备——数据建模——洞察生成）对于机器学习、BI等技术的支持。例如，增强警报和异常检测是增强分析的新趋势，但目前只有少数小型供应商提供这些能力。虽然增强分析还没有吸引主流市场的部署，但它仍然是一个有着巨大潜力的差异化功能点，而且往往有着更高的价格。

●NLP（自然语言处理）：该技术是增强分析的一个方面，用于访问数据和解释结果。通过使用基于语音和搜索的界面，查询过程从拖放式查询变为搜索式。随着数据分析供应商将聊天机器人和虚拟助理集成到分析工作流程中，会话分析将会被集成到BI 的 NLP 模块中。此外，作为与 NLP 相伴出现的一种技术，NLG（自然语言生成）会借助机器学习来解释数据分析结果。

●基于订阅的定价和企业许可协议：由于订阅式定价模式的盛行，分析与 BI 产品价格的下行压力已经持续到2018年，一些供应商现在正在向客户提供现代分析和BI功能，以平衡其现有的维护费用，客户通常愿意为差异化功能支付额外费用，特别是增强分析等新增功能。

如今，市场上大量的供应商现在都提供基于订阅的定价，无论他们的软件是部署在公有云还是私有化部署，并且54％的受访参考客户都使用此许可模式。订阅模式可能会降低入门成本，但不会降低一定时期内的总体拥有成本。Gartner继续建议客户查看总体拥有成本（其中包括部署成、扩展成本、持续培训和支持），并关注定价灵活性。

●数据可扩展性和模型复杂性：随着数据存储从单一的关系存储转移到更加多样化的非关系存储，数据分析和BI平台的数据存储策略面临着越来越大的压力。此外，随着用户数据素养的提高，用户会询问更复杂的数据问题（例如由多个数据源和菜单驱动的高级分析）。此外，作为整体信息架构的一部分，数据湖的兴起迫使数据分析和BI团队去思考如何最好地建模，数据应该存储在何处，数据是否应该在数据分析和BI平台的内存引擎中复制等诸多问题。

●故事化的数据、数据素养和用户支持：这些是截然不同的趋势，但相互关联。将数据以故事化的形式讲述需要更多具有数据知识的工作人员，以便能够以更快的方式提供数据，数据分析和 BI平台可以通过自动应用视觉感知等最佳实践，以类似故事的顺序呈现数据分析结果，并通过结合丰富、美观的数据可视化信息图表来让故事更加生动。将IT报告开发人员和数据专家转变为数据沟通者需要更高水平的沟通技巧和培训。此外，一些分析和BI平台供应商正在实施其用户支持计划，尤其是在线学习和网络社区。

●隐私：世界各地的多个司法管辖区正在逐步实现其隐私立法。例如欧盟的通用数据保护条例（GDPR）和巴西的 LGDP。还有一些隐私方面的法律正在制定中，例如印度的数据保护和隐私框架以及美国州和联邦层面的法律。由于很难保护个人数据（员工、公民和消费者）的隐私，使得数据分析和BI平台常常成为组织合规性的薄弱环节，从而导致其受到财务和声誉损害。例如，大多数平台都没有提供用于识别或分类隐私敏感的个人数据元素的机制，也无法从报告、仪表板和缓存结果中清除这些元素。只有少数产品使BI管理员能够防止标记的个人数据被导出为风险和难以控制的格式，如PDF或电子表格。

●嵌入式分析以及BI和开发人员支持：嵌入式分析和 BI 仍然是一个重要的用例，因为客户希望通过应用程序，在整体业务中提供数据分析和 BI服务。由于需要特定功能来支持开发人员社区并满足产品经理的需求，很多客户会采购具有嵌入式分析和 BI 功能的产品。对于某些供应商（如 GoodData和Logi Analytics）而言，嵌入式用例是他们的主要市场。对于其他供应商来说，它虽然是一个较小的市场，但代表了一个需要特殊关注并定价的新战场。

●云采用和创新：2018年云计算分析和BI的采用仍在继续。大多数从云端直接部署各类应用的新客户，以及此报告调查的大多数客户已经在使用各种形式的 BI 云部署。

客户可以选择在多个云IaaS产品（例如AWS和Microsoft Azure）中运行应用程序并采用“多云”方法处于起步阶段。此外，一些供应商现在提供包含内部部署和云用户的单一许可，虽然单一、全面的许可证是理想的起点，但客户还希望能够跨部署模型（内部部署和云）管理和管理内容和用户。但是，到目前为止，大多数供应商都不支持这种全面部署。

尽管在为此魔力象限调查的参考客户中，云部署的级别很高，但34％计划将数据仓库和数据湖部署在本地。这表明数据分析和BI供应商需要支持混合连接。

DataHunter 观察：数据分析与 BI 的国内实践呈现更多差异化

“DataHunter 高级分析师评论称，与探索式分析相比，Gartner 此次魔力象限报告更强调了可预测性的Mode 1模式的价值。通过将基于机器学习、自然语言处理等技术的增强分析功能融入到 BI 软件之中，用户将能够进一步从数据分析中获得更加丰富的商业洞察。同时，BI 在功能架构、定价、部署方式等方面呈现出更多的创新与差异化。

基于对国内市场的观察，DataHunter认为，与西方国家相对成熟的 BI 市场相比，中国市场虽然起步较晚，但是有着自己的独特亮点。例如中国 BI 供应商普遍实现了数据分析与 BI 服务的云端部署，数据分析流程与结果的分享更加易于实施，定价与集成策略也更加灵活等。Data Analytics 数据分析平台即是这样一款产品，其能够更提供更轻量的数据分析功能与策略，集成到用户的商业流程之中。”

分析和BI平台的五个用例和15个关键功能

对于如何评估数据分析和 BI 供应商，Gartner列出了以下 15 项关键功能作为指标。

基础设施

1、BI平台管理，安全性和体系结构：支持平台安全性、用户管理、平台访问和利用率审计以及高可用性和灾难恢复的功能。

2、云BI：基于云和私有化部署的数据，用于在云中构建、部署和管理分析应用程序。

3、数据源连接和提取：使用户能够连接到包含在本地和云中的各种类型的存储平台（关系和非关系）中的结构化和非结构化数据的功能。

数据管理

4、元数据管理：使用户能够利用通用语义模型和元数据的工具。这些应该为管理员提供一种健壮且集中的方式来搜索、捕获、存储、复用和发布元数据对象，例如维度、层次结构、度量、性能指标/关键性能指标（KPI）、以及报告布局对象、参数等等。

5、数据存储和加载选项：用于访问、集成、转换和加载数据到独立的性能引擎的平台功能，能够索引数据、管理数据加载和刷新调度。

6、数据准备：“拖放”不同来源的用户驱动数据组合，并创建分析模型，如用户定义的度量、集合、组和层次结构。高级功能包括支持机器学习的语义自动发现、智能联接、智能分析、层次结构生成、数据沿袭和各种数据源的数据混合，包括多结构数据。

7、可伸缩性和数据模型复杂性：内存引擎或数据库内处理大量数据，能够支持复杂数据模型、进行性能优化，并加快大型用户部署的速度。

分析和内容创建

8、针对普通用户的高级分析：通过菜单驱动选项或通过外部开发模型的导入和集成，使用户能够轻松访问平台内自包含的高级分析功能。

9、分析仪表板：能够通过可视化探索、高级嵌入式功能和地理空间分析创建高度交互的仪表板和内容，供其他人使用。

10、交互式视觉探索：通过一系列可视化选项探索数据，这些图表不仅局限于基本饼图、条形图和折线图，还包括热图和树图、地理图、散点图和其他特殊用途的视觉效果。这些功能使用户能够通过直接与其可视化表示进行交互来分析和操作数据。

11、增强数据发现：自动查找、可视化和叙述重要发现，例如与用户相关的数据中的相关性、异常、群集、链接和预测，而无需他们构建模型或编写算法。用户通过可视化、自然语言生成的叙述、搜索和自然语言查询（NLQ）技术来探索数据。

12、移动探索和创作：使组织能够向移动设备提供内容，并利用移动设备的本机功能，如触摸屏、摄像头和位置感知来辅助分析展示。

分享调查结果

13、嵌入分析内容：包括带有API的软件开发人员工具包，支持用于创建和修改分析内容、可视化和应用程序的开放标准，并将它们嵌入到业务流程、应用程序或门户中。这些功能可以驻留在应用程序之外，复用分析基础结构，但必须能够从应用程序内部轻松无缝地访问，而无需强制用户在系统之间切换。

14、发布、共享和协作分析内容：用户能够通过各种输出类型和分发方式发布、部署和操作分析内容，并支持内容搜索、计划和警报。这些功能使用户能够通过讨论主题、聊天和注释分享、讨论、跟踪分析内容和决策。

整体平台

15、易用性，视觉吸引力和工作流程集成：管理和部署平台、创建内容、内容交互是否易于实施，产品在视觉上是否具有吸引力。以及是否具备工作流程集成功能，以便于在单个无缝产品和工作流中进行完整的数据分析。

更多干货内容，欢迎关注公众号：数猎天下DataHunter

－数据分析展示就用 DataHunter－