Gartner 發布最新 BI 魔力象限報告：在單一平台增強分析是關鍵差異化因素
近日，Gartner 發布了最新一期的《數據分析和商業智能平台魔力象限》報告，報告指出，如今商業智能（BI）平台關鍵的差異化因素是在單一平台上增強分析，並支持Mode 1模式（作為Gartner定義的一種分析模式，Mode 1側重於可預測性，即在事先充分理解需求的情況下進行分析，並且可以通過分析過程進行識別，這有別於Mode 2 側重的探索式分析）。DataHunter 翻譯並對於該報告的部分內容分享如下：
Gartner作出了以下主要預測結論：
到2020年，增強分析將成為用戶部署數據分析、數據科學、機器學習以及嵌入式分析平台的主要推動力。
到2020年，50％的分析查詢將通過搜索、自然語言處理或語音生成，或者將由平台自動生成。
到2020年，為用戶提供內部和外部數據目錄訪問能力的組織從中獲得的收益將兩倍於其投資。
到2020年，業務部門的數據以及分析專家數量的增長速度將是IT專家增長速度的三倍，這將迫使企業重新考慮其組織模式，以及人力資源管理。
到2021年，自然語言處理和對話分析會使得數據分析和BI的採用率大幅增長，員工的採用率將從35％提升到50％以上，特別是一線工作員工。
在對用戶進行調查之後，該報告發現，數據分析和BI市場的許多供應商都實現了兩位數的收入增長，但有兩個因素減緩了收入增長幅度：首先是數據分析和 BI 市場的商業模式逐漸從永久許可轉向成為訂閱許可；其次是雲計算等供應商所施加的向下定價壓力，這些供應商往往會向數據分析和 BI 供應商收取一部分維護費用，這增加了其成本壓力。
「DataHunter 資深分析專家表示，數據分析與BI仍然是組織推動IT投資與業務增長的重要方式，不僅會給組織帶來顯著的收益，還將使組織在人員架構、員工培訓等方面面臨新的挑戰與契機，這在 DataHunter 的行業實踐中也得到了普遍的證實。另外，儘管探索式分析是未來的發展方向，但是在現階段，基於可預測性的分析仍然是組織部署 BI 平台的巨大動力。」
本版魔力象限分析的主要趨勢包括：
●單一平台：在制定 BI 策略時，客戶認識到，如果要確保數據分析的敏捷性，那麼最好保持 BI平台組合的精簡，即更少的供應商和解決方案。令人高興的是，BI 供應商對於產品功能的擴張意味著客戶可以從單一供應商那裡獲得最佳功能，客戶可以使用既有的報告內容和治理模型，業務用戶也能夠擴展並與更多用戶共享可視化探索。
但是，不同供應商在打造可運行所有工作流程的統一平台，以及對於Mode 1和Mode 2的支持程度仍然存在顯著差異。此外，一些供應商可能只在其產品路線圖上實現某類功能，或者可能只關注一種模式，這為客戶決定何時選擇新供應商、何時升級或停止投資提出了挑戰。客戶可以部署同時跨越這兩種模式的平台，或者可以使用類似門戶的 HUB 技術來提供對多個平台的單點訪問。
●增強分析：該技術包括分析工作流程各個階段（數據準備——數據建模——洞察生成）對於機器學習、BI等技術的支持。例如，增強警報和異常檢測是增強分析的新趨勢，但目前只有少數小型供應商提供這些能力。雖然增強分析還沒有吸引主流市場的部署，但它仍然是一個有著巨大潛力的差異化功能點，而且往往有著更高的價格。
●NLP（自然語言處理）：該技術是增強分析的一個方面，用於訪問數據和解釋結果。通過使用基於語音和搜索的界面，查詢過程從拖放式查詢變為搜索式。隨著數據分析供應商將聊天機器人和虛擬助理集成到分析工作流程中，會話分析將會被集成到BI 的 NLP 模塊中。此外，作為與 NLP 相伴出現的一種技術，NLG（自然語言生成）會藉助機器學習來解釋數據分析結果。
●基於訂閱的定價和企業許可協議：由於訂閱式定價模式的盛行，分析與 BI 產品價格的下行壓力已經持續到2018年，一些供應商現在正在向客戶提供現代分析和BI功能，以平衡其現有的維護費用，客戶通常願意為差異化功能支付額外費用，特別是增強分析等新增功能。
如今，市場上大量的供應商現在都提供基於訂閱的定價，無論他們的軟體是部署在公有雲還是私有化部署，並且54％的受訪參考客戶都使用此許可模式。訂閱模式可能會降低入門成本，但不會降低一定時期內的總體擁有成本。Gartner繼續建議客戶查看總體擁有成本（其中包括部署成、擴展成本、持續培訓和支持），並關註定價靈活性。
●數據可擴展性和模型複雜性：隨著數據存儲從單一的關係存儲轉移到更加多樣化的非關係存儲，數據分析和BI平台的數據存儲策略面臨著越來越大的壓力。此外，隨著用戶數據素養的提高，用戶會詢問更複雜的數據問題（例如由多個數據源和菜單驅動的高級分析）。此外，作為整體信息架構的一部分，數據湖的興起迫使數據分析和BI團隊去思考如何最好地建模，數據應該存儲在何處，數據是否應該在數據分析和BI平台的內存引擎中複製等諸多問題。
●故事化的數據、數據素養和用戶支持：這些是截然不同的趨勢，但相互關聯。將數據以故事化的形式講述需要更多具有數據知識的工作人員，以便能夠以更快的方式提供數據，數據分析和 BI平台可以通過自動應用視覺感知等最佳實踐，以類似故事的順序呈現數據分析結果，並通過結合豐富、美觀的數據可視化信息圖表來讓故事更加生動。將IT報告開發人員和數據專家轉變為數據溝通者需要更高水平的溝通技巧和培訓。此外，一些分析和BI平台供應商正在實施其用戶支持計劃，尤其是在線學習和網路社區。
●隱私：世界各地的多個司法管轄區正在逐步實現其隱私立法。例如歐盟的通用數據保護條例（GDPR）和巴西的 LGDP。還有一些隱私方面的法律正在制定中，例如印度的數據保護和隱私框架以及美國州和聯邦層面的法律。由於很難保護個人數據（員工、公民和消費者）的隱私，使得數據分析和BI平台常常成為組織合規性的薄弱環節，從而導致其受到財務和聲譽損害。例如，大多數平台都沒有提供用於識別或分類隱私敏感的個人數據元素的機制，也無法從報告、儀錶板和緩存結果中清除這些元素。只有少數產品使BI管理員能夠防止標記的個人數據被導出為風險和難以控制的格式，如PDF或電子表格。
●嵌入式分析以及BI和開發人員支持：嵌入式分析和 BI 仍然是一個重要的用例，因為客戶希望通過應用程序，在整體業務中提供數據分析和 BI服務。由於需要特定功能來支持開發人員社區並滿足產品經理的需求，很多客戶會採購具有嵌入式分析和 BI 功能的產品。對於某些供應商（如 GoodData和Logi Analytics）而言，嵌入式用例是他們的主要市場。對於其他供應商來說，它雖然是一個較小的市場，但代表了一個需要特殊關注並定價的新戰場。
●雲採用和創新：2018年雲計算分析和BI的採用仍在繼續。大多數從雲端直接部署各類應用的新客戶，以及此報告調查的大多數客戶已經在使用各種形式的 BI 雲部署。
客戶可以選擇在多個雲IaaS產品（例如AWS和Microsoft Azure）中運行應用程序並採用「多雲」方法處於起步階段。此外，一些供應商現在提供包含內部部署和雲用戶的單一許可，雖然單一、全面的許可證是理想的起點，但客戶還希望能夠跨部署模型（內部部署和雲）管理和管理內容和用戶。但是，到目前為止，大多數供應商都不支持這種全面部署。
儘管在為此魔力象限調查的參考客戶中，雲部署的級別很高，但34％計劃將數據倉庫和數據湖部署在本地。這表明數據分析和BI供應商需要支持混合連接。
DataHunter 觀察：數據分析與 BI 的國內實踐呈現更多差異化
「DataHunter 高級分析師評論稱，與探索式分析相比，Gartner 此次魔力象限報告更強調了可預測性的Mode 1模式的價值。通過將基於機器學習、自然語言處理等技術的增強分析功能融入到 BI 軟體之中，用戶將能夠進一步從數據分析中獲得更加豐富的商業洞察。同時，BI 在功能架構、定價、部署方式等方面呈現出更多的創新與差異化。
基於對國內市場的觀察，DataHunter認為，與西方國家相對成熟的 BI 市場相比，中國市場雖然起步較晚，但是有著自己的獨特亮點。例如中國 BI 供應商普遍實現了數據分析與 BI 服務的雲端部署，數據分析流程與結果的分享更加易於實施，定價與集成策略也更加靈活等。Data Analytics 數據分析平台即是這樣一款產品，其能夠更提供更輕量的數據分析功能與策略，集成到用戶的商業流程之中。」
分析和BI平台的五個用例和15個關鍵功能
對於如何評估數據分析和 BI 供應商，Gartner列出了以下 15 項關鍵功能作為指標。
基礎設施
1、BI平台管理，安全性和體系結構：支持平台安全性、用戶管理、平台訪問和利用率審計以及高可用性和災難恢復的功能。
2、雲BI：基於雲和私有化部署的數據，用於在雲中構建、部署和管理分析應用程序。
3、數據源連接和提取：使用戶能夠連接到包含在本地和雲中的各種類型的存儲平台（關係和非關係）中的結構化和非結構化數據的功能。
數據管理
4、元數據管理：使用戶能夠利用通用語義模型和元數據的工具。這些應該為管理員提供一種健壯且集中的方式來搜索、捕獲、存儲、復用和發布元數據對象，例如維度、層次結構、度量、性能指標/關鍵性能指標（KPI）、以及報告布局對象、參數等等。
5、數據存儲和載入選項：用於訪問、集成、轉換和載入數據到獨立的性能引擎的平台功能，能夠索引數據、管理數據載入和刷新調度。
6、數據準備：「拖放」不同來源的用戶驅動數據組合，並創建分析模型，如用戶定義的度量、集合、組和層次結構。高級功能包括支持機器學習的語義自動發現、智能聯接、智能分析、層次結構生成、數據沿襲和各種數據源的數據混合，包括多結構數據。
7、可伸縮性和數據模型複雜性：內存引擎或資料庫內處理大量數據，能夠支持複雜數據模型、進行性能優化，並加快大型用戶部署的速度。
分析和內容創建
8、針對普通用戶的高級分析：通過菜單驅動選項或通過外部開發模型的導入和集成，使用戶能夠輕鬆訪問平台內自包含的高級分析功能。
9、分析儀錶板：能夠通過可視化探索、高級嵌入式功能和地理空間分析創建高度交互的儀錶板和內容，供其他人使用。
10、互動式視覺探索：通過一系列可視化選項探索數據，這些圖表不僅局限於基本餅圖、條形圖和折線圖，還包括熱圖和樹圖、地理圖、散點圖和其他特殊用途的視覺效果。這些功能使用戶能夠通過直接與其可視化表示進行交互來分析和操作數據。
11、增強數據發現：自動查找、可視化和敘述重要發現，例如與用戶相關的數據中的相關性、異常、群集、鏈接和預測，而無需他們構建模型或編寫演算法。用戶通過可視化、自然語言生成的敘述、搜索和自然語言查詢（NLQ）技術來探索數據。
12、移動探索和創作：使組織能夠向移動設備提供內容，並利用移動設備的本機功能，如觸摸屏、攝像頭和位置感知來輔助分析展示。
分享調查結果
13、嵌入分析內容：包括帶有API的軟體開發人員工具包，支持用於創建和修改分析內容、可視化和應用程序的開放標準，並將它們嵌入到業務流程、應用程序或門戶中。這些功能可以駐留在應用程序之外，復用分析基礎結構，但必須能夠從應用程序內部輕鬆無縫地訪問，而無需強制用戶在系統之間切換。
14、發布、共享和協作分析內容：用戶能夠通過各種輸出類型和分發方式發布、部署和操作分析內容，並支持內容搜索、計劃和警報。這些功能使用戶能夠通過討論主題、聊天和注釋分享、討論、跟蹤分析內容和決策。
整體平台
15、易用性，視覺吸引力和工作流程集成：管理和部署平台、創建內容、內容交互是否易於實施，產品在視覺上是否具有吸引力。以及是否具備工作流程集成功能，以便於在單個無縫產品和工作流中進行完整的數據分析。
更多精彩文章
《流浪地球》票房：預測10億卻飈50億 ，數據預測為什麼這麼難
新的一年企業如何推動數據分析項目？ 這裡有幾條靠譜的建議大數據還不夠 企業更需要轉型為深度數據思維一塊數據大屏，讓企業數據瞬間鮮活起來
－數據分析展示就用 DataHunter－
手把手教你免費使用數據可視化軟體
推薦閱讀：
