BI行业停滞不前的原因是什么？

傅一平评语：
最近Tableau退出中国，不知道什么原因，我以前的文章多次说过，BI的核心功能20年就没变过，自己并不看好BI的发展，这篇文章给出了一些原因，我总结如下：
1、买BI软件的和使用BI软件的是两拨人，酷炫功能忽悠了前者，BI平台到处充斥着半生不熟、花里胡哨的无用功能，很怪
2、BI定位为轻量级的产品，但灵活性无法超越EXCEL，EXCEL成了BI最大的竞品
3、BI无法成为高性能的的产品，因为大多BI产品没有后端数据库引擎的加持，逼着它去跟无所不能的EXCEL竞争
4、BI可视化可能降低了一定的分析门槛，但如果其在知识自动生成方面没有建树，BI的决策智能就永远停留在60分
正文开始
作者：Dmitry Gudkov是EasyMorph的创始人，这家公司开发功能强大的无代码数据转换和自动化应用软件，为不懂技术的人员设计。

EasyMorph创始人Dmitry Gudkov在本文中阐述了商业智能（BI）行业停滞不前的窘境以及数据分析工具市场的现状。

几周前，我在领英上发表过一篇简短的文章，质疑该行业是否因为过去十年没有真正的创新而停滞不前。这篇文章随即引发了激烈的讨论，许多读者留下了颇有意思的评论。一些评论者有一个共同点：商业智能（BI）系统的推出或部署过于频繁，却从最终用户那里得到不冷不热的反应，长期以来饱受采用率低下之苦。
比如说，一位评论者留言：“对我来说停滞不前的主要迹象是未能兑现自助服务的承诺。没错，可视化因新一波的自助服务BI工具而变得更好，但令人尴尬的是，用户采用率仍然低下。”
另一个人对此的回应是：“你的评论中认为缺少用户采用这部分对我来说很有意思。作为一名BI开发人员，我见过无数项目在数月内耗费资源，产品被提升到了生产环境，你也告知了最终用户社区，然而报告工具[似乎]从未得到采用。”
在我看来，缺少技术突破和采用率低下表明了同一个问题：BI行业长期以来一直停滞不前。因此，找出用户采用率低下的原因将为我们摆脱停滞不前的窘境提供一条线索。那么为什么BI用户采用率低下呢？
商业智能一个鲜为人知的方面是它与其他类型的企业IT系统不同，原因是BI用户总是有选择。若是大多数企业系统，员工通常无法选择要不要使用它们。如果企业组织运行一套会计应用系统，没有哪个会计师可以绕过该系统、使用替代方案。另举一个例子，无论你喜不喜欢，你都必须使用ERP系统。
然而，换成BI平台就不一样了，因为用户总是可以借助用惯了的老式Excel电子表格，而你无法真正禁止使用Excel。事实证明，无法强迫人们采用BI应用软件，他们得喜欢它才行。只有当BI应用软件提供真正的价值，他们才会喜欢它。记得有句谚语：“你可以把马牵到水边，但没法逼它喝水？”道理是一样的。
OK，那为什么企业用户一直坚持使用Excel？他们为什么不喜欢这些崭新的BI平台，这些平台拥有知名行业分析师盛赞的众多酷炫功能？为什么没有这些平台，他们完全没问题呢？
在我看来，这是由于BI产品管理很大程度上取决于技术人员和销售人员。说到数据分析和操作，实际的用户需求和偏好方面考虑得太少。结果，我们看到了“酷炫”（对于技术人员而言）、有时基于AI的（双重酷炫！）功能，但它们并没有让目标受众即用户的日子过得更轻松，因此采用率很低。
BI行业存在我所说的“玩具卖家问题”。销售玩具假定儿童是使用者（用户），但父母是预算持有者和决策者。与玩具销售一样，BI部署中的用户和买家是两个不同的角色。企业BI销售流程主要是为买家（IT预算持有者）量身定制的，而不是为实际上每天都不得不使用产品的非技术人员定制的。结果，BI平台充斥着半生不熟、花里胡哨的无用功能，在组织购买平台后没有人实际使用这些功能。
不妨以AI支持的自然语言查询为例。它们一出场就死了。为什么？如果你仔细考虑一下，就会发现功能显然未能兑现承诺。它承诺不需要学习查询语言（只需对它说英文，耶！），而实际上，你仍然需要学习其相当局限的语法，还经常会遇到它的种种限制。此外，从更普遍的角度来看，AI根本还没有为这种任务做好准备。当前的AI并不是基于上下文，而业务分析和推理总是在上下文中进行。举例来说，你不能与Siri进行相当长的对话，因为Siri无法理解对话的上下文，因此你的每个问题都应该在好像没有之前问题和答案的情况下开始。你无法用那种水平的AI做任何合理的分析，而BI应用软件中的AI水平比这还要差（这点可以理解，因为不是每家公司都有苹果那么庞大的研发预算）。
分析文本摘要生成是另一个大肆营销的功能，它有悖于数据可视化的整个概念，原因是阅读对认知的要求总是比观看来得高。难怪它从未真正流行起来。
从原生桌面应用程序向基于云的SaaS模型普遍转变更是加剧了BI采用方面的问题。谈到云，企业用户和IT经理的要求有时背道而驰，前者通常没有发言权。SaaS应用程序模式无法解决任何用户的问题，而原本期望BI 解决方案解决这些问题。有时恰恰相反，SaaS甚至让基本的事情变得更糟糕。
比如说，企业用户处理大量本地文件：电子表格和CSV文件等。毕竟，并非所有内容都存储在云端。在分析和可视化文件之前，经常需要合并这些文件。然而，现在用户必须将文件上传到另一台远程计算机并在那里合并，而不是在本地快速合并。如果合并出了岔子，必须在本地修复文件，并再次重新上传。所以一项基本的操作现在需要用户采取完全不必要的额外操作。
另一个问题：基于云的SaaS应用软件速度很慢，慢得要命。一款工具本应该提高生产力，到头来却害用户坐等另一个报告或仪表板加载完毕。这里或那里延迟几分钟可能听起来没什么大不了，但一年下来，就会损失几天甚至几周的生产力。我们的一位客户反映，使用其中一款主要的在线BI平台速度很慢，甚至经常登录超时。另一位客户在看到其数据准备工作流程在本地数据准备应用软件中运行后简直不敢相信自己的眼睛：仅用了20秒就完成，而他在另一款知名的云BI平台上等待同样的工作流程通常需要半小时，尽管使用了市面上最昂贵的方案。
改用云服务常常是将一种类型的问题换成另一种类型的问题，并带来以前根本不存在的新问题。比如说，云服务通常带来限制性的呼叫速率限制（节流）。改用云应用软件后，你过去在本地系统中可以随意执行的许多操作都受到速率限制。你想在云表中插入100万行数据？没那么快，你一次只能插入10万行，并且每小时插入不得超过10次。你想要运行数据准备流程？没那么快，如今你只能在最多3路流程中运行49次转换，确保不超过云配额的每日限制。
颇具讽刺意味的是，要求用户使用Web应用软件来工作的同样那些人没有在其iPhone上使用应用软件的Web版本。他们不是使用Web版本的Twitter或Facebook，而是从应用商店安装相应的原生应用程序。原因何在？因为原生应用程序更方便、更快速、响应更迅即。但是说到BI工具，这些人却要求用户使用Web版本。为什么？因为SaaS让他们的日子更轻松，而不是让用户的日子更轻松。这就是所谓的“玩具卖家问题”。
出于多种原因，云和SaaS一直是IT经理、开发人员和供应商眼里的天赐之物。云技术很流行，我们也承认，它们在简历上看起来很受欢迎。恐怕这就是现在市面上有很多云BI的原因。但迁移到云是否总体上推动了BI行业的发展？它是否让企业用户更喜欢其BI应用软件？我不这么认为。
相反，满腔热情的产品经理在企业BI应用软件中开发“酷炫”的功能，兴高采烈的销售人员完成交易，激动难捺的CIO获得了一项被Gartner誉为今年引领潮流的新技术，无聊的企业用户打开这些应用软件，只是将数据从上面下载到Excel中。然后我们想知道为什么BI的采用率如此之低。
BI会往哪个方向发展？这个问题提得好。我将商业智能视为一组工具和方法，从可用数据中提取知识、积累和共享知识，并利用知识来推理业务问题。
也许，我们应该试着通过质疑行业的信条或理念来重新审视BI，而不是为图表中没用的动画感到兴奋。质疑数据可视化在商业智能中的作用，你觉得怎么样？不用说，数据可视化是BI的重要组成部分。没有数据可视化的BI是不可想象的。但原因何在？数据可视化是一种从准备好的数据生成知识的神奇方法。
Stephen Few将他的一本书取名为《Now You See It》，正是由于数据可视化令人大开眼界。以特定的方式呈现数据，以便数据拥有的知识变得不言自明，无须赘言。但数据可视化也是一门高度复杂的学科。将数据可视化使其不言自明是一项高级技能，需要多年的实践才能养成。Tableau Zen Master称号的存在是有原因的。
也许我们应寻找使数据可视化更容易的方法？Tableau在降低门槛方面做得很好，但为什么止步于此？或者，除了数据可视化外，我们应该尝试寻找实用又方便的方法从数据中提取知识。需要有其他简单又方便的方法来构建和维护围绕数据的知识体系，需要人们积累、发现和彼此轻松分享知识的方法，需要使解释不言自明的方法。可惜业界在这方面做得很少。
我们可能还应该对BI流程的推理部分做一些事情，因为它在很大程度上仍处于BI应用软件的范围之外，即使用于推理只需要商业智能，除此之外不需要别的。目前，我们不太了解从BI获得的知识如何用于决策以及这些知识到底如何影响决策。知识提取和推理之间的关系目前没有被软件所获取，因此是不可审计、不可探索、不可管理的。
我不知道治愈BI行业的“良方”会是什么样子，但我知道什么表明良方有效——它应该将工作生产力提升到一个全新的水平。主流用户绝对讨厌这个想法：恢复到旧的做事方式。
最后，容我向决定采购BI和数据准备工具的IT经理给出一番建议。
下面几条建议针对不希望看到这个局面的这群人：投入了巨额预算和许多人的精力，到头来发现你的同事背地里讨厌你强加给他们的崭新BI平台，想方设法避而远之：