大数据中国

搜索
大数据中国 首页 热点综合 人工智能 查看内容
2021年中国BI商业智能 应用实践白皮书
2021-5-31 15:56 | 查看: 358| 评论: 0

报告编委

特别鸣谢(按拼音排序)

报告摘要信创产业建设如火如荼,BI将迎来国产化春风
  • 随着国际环境日趋复杂,为避免关键技术被卡脖子,应逐步实现国产化替代。
  • BI的业务流程涉及数据挖掘、数仓建设等,需要对接企业核心业务数据,从应用安全性角度考虑,BI国产化替代将是未来发展趋势。

BI的应用持续深化,面向业务的智能决策是核心

  • 随着企业数字化转型的深入推进,数据驱动的分析决策场景将无处不在,BI将在各个行业和业务场景落地。
  • 长期来看,企业对于BI的应用将持续加深,呈现业务决策数字化、智能化的发展趋势。

建设开放生态,满足企业无处不在的BI需求

  • 企业不仅需要成熟、易用的BI技术和工具,还需要结合对垂直业务场景的理解构建分析指标和模型,以实现BI应用价值的最大化。
  • 从技术架构上来看,BI的应用涉及从数据接入、数据存储与计算、数据治理、数据分析与挖掘、数据展现的全链条,需要与企业IT基础设施和各个业务系统深度融合。
  • BI厂商需要建设开放的生态,在产品和技术等方面与其他IT基础设施和业务应用厂商紧密合作,以生态的力量更好地服务企业。

目录

一.新形势下,BI应用迎来新浪潮二.各行业BI落地进展三.企业对BI需求全面升级四.新需求下,企业BI落地实践需要新方法五.典型行业BI最佳实践六.BI未来趋势展望关于爱分析研究咨询服务法律声明

01 新形势下,BI应用迎来新浪潮

1.1. 中央“新基建”政策推动产业数字化迅猛发展

2020年3月,中央在政治局常委会议上提出,要加快5G网络、数据中心等新型基础设施建设。“新基建”政策的提出将加速大数据产业发展,BI商业智能作为大数据产业落地的重要场景,行业迎来新的发展契机。

“新基建”包含5G 基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等七大领域,其中大数据中心是“新基建” 建设的重点领域。

BI商业智能是大数据应用的重要一环,通过对企业业务数据进行展示、分析和挖掘,为企业业务决策提供指导,是释放数据价值最重要的系统之一,行业具有较大增长空间。

1.2. 国际环境日趋复杂,软件国产化替代加速

受美国技术出口管制等影响,中国大力推动信创产业体系建设,BI等数据分析技术作为企业必需的关键技术,国产化替代成为大势所趋。

近年来,美国出台的一系列管制措施,从硬件到软件对中国进行施压,相关关键领域的核心技术国产化势在必行。比如,美国先后将中兴、华为等中国实体列入出口管制“实体清单“,限制中国企业与美国间的商业交易,试图扼制中国科技企业的发展。2018年,美国国会通过《2018年出口管制改革法案》,对关键新兴和基础技术和相关产品设置出口管制。

在此国际环境之下,2019年起,国家大力推进信创产业建设,企业全面国产化替代加速渗透。

进入2020年,各地信创项目建设如火如荼地开展。在信创产业生态体系构建上,将实现从IT基础设施、基础软件、到应用软件、信息安全的全方位自主可控和国产化替代。

根据公开数据披露,CPU 的国产化率大约为 3%,操作系统和虚拟化国产化率为 5%,数据库国产化率为 10%,中间件和 ERP 国产化率达到30%。随着国产化替代进程加速,从IT基础设施到应用软件的国产化替代将持续走高,BI国产化替代也将加速渗透。

BI作为信创产业体系中的重要应用软件,是支撑企业数据分析的重要系统。尤其数据的挖掘分析涉及企业核心业务数据,从应用安全性、对业务需求理解角度考虑,BI国产化替代将是未来发展趋势。

1.3 企业数字化转型,助力BI新一轮发展

在数字化时代,企业面临用户需求变化、业务流程变化、以及数据量不断增长等一系列挑战,数字化转型已成为企业核心战略,是企业未来业务创新和增长的重要驱动力。在经历了人口红利、城镇化红利和互联网红利后,数字化转型成为企业未来增长的唯一红利。

根据中国信通院数据,2005-2019年产业数字化复合增速达24.9%,高于同期GDP增速,各行业数字化加速渗透。金融行业对数字化的投入和探索领先于其他行业,疫情影响下的零售行业数字化进程正在加速,政务、工业制造等行业的数字化转型已经提上日程。

当各行各业正被数字化重塑时,越来越多的企业发现,不同于信息化建设,数字化建设是完完全全的“一把手”工程,企业的数字化转型必须在企业CEO领导下进行,必须要有企业最高决策者站台。

推动企业“一把手”认知到数字化的价值,让CEO愿意全情参与到数字化建设中,是每一位企业CIO、科技部门负责人最重要的目标,也是企业数字化转型能否成功的关键。

BI是让“一把手”快速认知数字化价值的最佳手段,在企业数字化建设中扮演了极其重要的角色。

与数据中台等数字化建设相比,BI的建设具备诸多优势:

第一,BI可以直接将海量数据转变成业务指标,快速释放企业数据资产价值,支撑企业业务决策,让企业最高决策者看到数据的价值。

基于BI,企业可最大化数据资产价值,对企业经营情况进行全面洞察分析,优化企业经营决策,从而提升企业业绩,并实现成本控制以及运营效率提升。

第二,在初期BI投入相对较小,建设周期相对较短,能够让企业决策者和业务人员快速感受到数据价值。在如今越来越多的企业关注数字化建设的ROI时,BI成为企业数字化建设最佳切入点。

02 各行业BI落地进展

2.1. 各行业BI落地进展分析

2.1.1. 各行业BI预算投入分析

根据爱分析调研,2020年国内BI市场规模约为60-70亿元,BI占IT支出的比例约为0.4%,投入领先的行业为:金融、零售、制造、电力、政务、教育等6个行业。结合Gartner关于2020年这6个行业IT支出数据,测算得到各行业的BI投入情况。

金融行业BI投入约为13-16亿元,零售行业BI投入约为5-6亿元,制造行业BI投入约为11-13亿元,电力行业BI投入约为2-3亿元,政务行业BI投入约为10-12亿元,教育行业BI投入约为2-3亿元。

2.1.2. 各行业BI应用成熟度分析

BI在各行业应用成熟度不同。爱分析通过BI应用深度、数据基础设施情况两个维度,对BI行业应用成熟度进行评估。

其中,BI的应用深度可划分为:数据可视化、数据分析、数据挖掘三个阶段。

在数据可视化阶段,BI的作用是将企业日常业务数据报表以可视化图表的方式予以呈现,只是单纯用可视化图表代替了Excel报表,但缺少对数据的分析。

在数据分析阶段,BI可以实现对可视化图表中的数据进行描述性统计分析、关联分析等,发现数据背后的原因,实现数据辅助业务决策。

在数据挖掘阶段,通过算法对数据进行深度挖掘和预测分析,BI和AI结合,能够对未来业务进行预测分析,实现智能业务决策。

数据基础设施情况则由数据量、数据易得性、数据质量等子维度决定。

金融和零售两个行业在BI应用成熟度高:数据基础设施良好,且已进入数据挖掘的应用阶段。

金融行业对BI的典型应用场景包含营销、风控、财富管理等方面,与业务相关程度高、预算投入比例也高;零售行业同样将BI应用到核心业务场景,如销售管理、用户营销、忠诚度管理等。但由于零售行业IT投入能力不及金融,市场规模较小。

制造和电力两个行业BI应用成熟度中等。

其中制造行业企业数量庞大,但数据基础设施参差不齐,领先企业已经进入数据挖掘阶段,但总体制造业企业仍在数据分析阶段,通过BI优化成本控制、进行流程监控;电力行业则以国家电网为代表,各区域在BI应用上各自投入,总体投入规模、应用深度都有很大提升空间。

政务、教育行业的BI应用尚处于初级阶段,目前主要是对数据进行可视化展示,数据分析的程度有待加深。

由于各行业BI应用成熟度处于不同水平,对于BI的需求也存在差异。因此,厂商需要具备综合产品服务能力以支撑跨行业服务需求。

2.1.3. 永洪科技在代表行业头部公司中占有率高

永洪科技在代表行业头部企业中的覆盖度高。我们选取金融、零售、电力、制造等行业代表细分领域的头部20家企业,调研实际BI应用情况,发现永洪科技占有率高。

其中,永洪科技在银行Top20企业的客户覆盖率达80%,在金融、制造领域的市场占有率第一,表明永洪科技BI受客户认可,产品和服务具有强大竞争力。

永洪科技在金融行业的代表客户有中国银行、招商银行、阳光保险集团等,零售行业代表客户有家乐福、郎酒集团等,制造行业代表客户有美的、格力等,电力行业代表客户有国家电网,政务行业代表客户有国家财政部、工信部等,教育行业代表客户有北京理工大学、中国人民警察大学等。

2.2. 各区域行业布局与BI需求分析

2.2.1. BI应用具有区域差异性

由于各行业BI需求有差异,而各区域的行业分布又各具特色,因此,华北、华东、华南、华中四大区域对BI的需求也有很大区别。

考虑各区域历史发展、交通区位、劳动力成本等因素,各区域特色产业呈现不同特征。根据各区域产业特点,将各区域行业占比分为高、中、低三个层级,具体如下图所示。

华北地区以北京为中心,辐射京津冀、山西、内蒙古地区,北京作为全国政治中心,国家机关、政党机关数量均超过地区性基础水平。此外,北京金融业较发达,是仅次于上海的金融产业密集区,2018年地区生产总值贡献达16.8%。天津作为现代制造和研发转化基地,制造业在产业结构中占比重,2018年制造业占地区生产总值比例达70.7%,其中装备制造业占比达32.8%。山西作为煤炭大省,在产能置换背景下,逐步退出过剩煤炭产能,布局新能源产业。而目前国内发电仍以火电为主,2019年火电发电量占比达69.6%,能源电力产业在全国占有重要地位。

华东地区以上海为中心,覆盖江苏、浙江、安徽、福建、江西、山东六省。上海作为全国金融中心,2018年地方生产总值占比17.7%,同时聚集了汽车制造等优势产业。华东地区的浙江省、上海、江苏省零售业规模较高,从连锁零售企业门店数量来看,分别位列全国二-四位。同时,江苏、浙江、福建、山东四省是纺织服装及毛皮制造产业聚集地,纺织服装制造业较发达。另外,华东地区高校众多,其中江苏省高校数量居全国之首,共有167所。

华南地区以广州、深圳为核心,包括广东、海南、广西三个地区。深圳市以高新技术产业为主导,金融业较活跃,占地区生产总值比例达12.7%。广州市以电子信息、医药健康、先进制造产业为主导,东莞有“世界工厂”之称,制造业产业体系齐全,拥有家具制造、纺织服装制造、电子信息制造等八大支柱产业,生产制造全国约1/5的服装,是全国最大的家具出口基地。广东省连锁零售企业门店数量位居全国第一,零售业较发达。在全国高校数量上,广东省位列第二,共有154家。

华中地区包括河南、湖北、湖南三省,承接了钢铁、煤炭等传统产业转移,并在政策推动下形成半导体、通信设备等新兴制造业产业集聚。

可以看出,不同区域由于经济产业特点不同,对于BI的需求也存在差异。比如华北地区政府机关多,对于BI解决方案的需求覆盖经济发展、社会民生、政务服务、社会信用、舆情监控等方面。华东地区金融产业聚集,对于BI的需求覆盖风险监控、经营分析、客户情况等方面。华南地区则需要提供契合制造行业特点的BI解决方案,覆盖产品设计、生产制造、物流配送等方面。

2.2.2. 永洪科技在各大区域均具备服务能力

永洪科技作为一站式大数据平台服务商,解决方案覆盖金融、零售、制造、电力、政务、教育等行业,并提供财务、采购、营销等场景解决方案,能满足不同区域对BI的需求。

在区域建设布局上,永洪科技以北京为总部,在上海、深圳、成都、武汉、大连设立有分公司,为客户提供售前、销售、实施服务,满足各区域客户对不同行业BI解决方案的需求,并能及时响应客户的实施服务需求。目前已服务了众多区域代表客户,如华北地区有国家财政部、工信部,华东地区有格力,华南地区有美的集团等。

03 企业对BI需求全面升级

国产化替代和企业数字化转型浪潮下,企业对BI的需求也在不断升级,主要体现在实现平滑的国产化替代、赋能业务创新以及集团化BI三个层面。

3.1. 实现平滑的国产化替代、避免业务风险

随着数据分析技术被美国列入出口管制、国内信创产业建设加速,BI国产化替代是必然趋势。这一趋势下,如何实现平滑的国产化替代、避免业务风险,将是企业面临的共同课题。

从国产化替代进程上看,已有头部企业率先完成国产化替代。美的替换了Oracle BIEE、华为替换了Tableau、银联替换了IBM Cognos,这些实例为BI国产化替代树立了行业标杆,未来将有更多的企业逐步实现BI的国产化替代。

实现平滑的国产化替代,对企业和BI厂商提出以下两个方面的要求。

一是需要在产品、技术层面与国产软硬件产品适配,保证系统稳定运行。BI作为上层应用软件,应与国产操作系统、数据库、业务系统进行适配,保证BI在国产操作系统、数据库上的稳定运行,满足企业全面国产化替代的需求,并最终实现向国产软硬件产品的整体迁移。

二是需要引导BI产品用户使用习惯的转变。企业在早期使用的数据分析产品大多为国外BI产品,国外BI产品与国产化BI产品在使用逻辑上存在差异,体现在数据分析操作、权限管控等方面。

3.2. BI赋能业务创新,创造更大价值

作为企业数字化转型的重要组成部分,BI的价值更多体现在赋能业务创新层面。因此,在实际落地过程中,BI需要与业务场景深度融合,以数据分析驱动业务增长。

首先,企业数字化建设以实现业务增长为核心目标,以BI为代表的技术投入都需要在业务场景中才能发挥价值。

不同于信息化建设的目标是降本增效,数字化建设都是以实现业务增长、创造新的商业模式为核心目标,因此,所有技术投入都需要以业务价值、提升ROI为核心衡量标准,都需要与业务场景所绑定。

其次,BI的使用对象由原先的IT部门,延伸到决策层和业务部门,对满足业务需求的产品功能提出更高要求。

由于不同行业、不同业务场景下,业务人员需要的数据不同,通用的模板只能满足浅层次的报表展示工具,不能解决业务部门的业务诉求,因此,这就要求BI工具必须能够与业务场景融合,提供更多具备行业属性、职能属性的业务模板和产品功能。

在融合业务场景的基础上,随着企业对BI的应用不断加深,企业客户对BI的智能化提出更高要求,希望BI工具不仅仅能够分析过去,反映当前业务进展和问题,还能对未来业务提供预测性建议,支持业务决策。

过去,企业大多利用BI实现自助报表分析、可视化图表展示等;如今,随着机器学习、深度学习等人工智能技术成熟,越来越多的AI技术被应用到BI工具中;BI与AI的融合,企业能够通过分析过去的数据实现对未来的预测,实现决策智能化。

以某超市的补货场景为例,通过BI与AI融合进行销量预测,门店平均缺货率从15%缩减至10%,库存周转天数减少20%左右。对于该超市而言,缺货率的改善也意味着每年1亿左右的新增销售额,BI对业务增长的价值显而易见。

未来,BI和AI融合的应用场景将不断延伸。随着人工智能技术的发展、数据积累的不断增多,AI预测的准确度将进一步优化,BI和AI融合将有更广泛的应用场景,比如销量预测、财务预测、客户购买预测、客户流失率预测等。

随着业务价值不断凸显,企业对BI+AI融合进行智能预测的需求也将持续增加。

3.3. BI需具备集团支持能力,助力整体数字化转型

数字化建设是整个公司的新一轮变革,从公司战略、业务流程到组织架构都会发生巨大变化,BI对于整个公司来说,同样需要满足不同角色、不同部门的需求,因此,集团化是企业对于BI的新需求,BI不再仅仅是个人级产品、部门级产品,而是公司级产品、集团级产品。

首先,集团化BI能够满足集团的业务决策需求。

原来决策层只能依靠各部门上报数据来全面了解企业经营状况,拥有众多子公司、分部门的大型集团企业存在数据瞒报、数据漏报的情况,导致决策层缺乏对企业真实经营状况的了解,最终可能会影响业务决策制定。

BI能够帮助集团决策层获取各部门实时数据,决策层能够站在全局高度洞察经营全貌,实现集团内部跨部门的联动管理,优化集团决策,从而最大化数据分析在业务决策中的价值,助力整体数字化转型。

其次,集团化BI能够满足集团公司的数据整合共享需求,推动集团数据标准化,实现数据互联互通。

数据是数字化建设的核心,越来越多企业发现,在数字化建设过程中,单一场景、单一部门的数据价值度有限,很多数字化应用都需要不同场景、不同部门的数据统一,才能真正落地。

以最常见的门店销量预测为例,销量预测涉及到门店周边的人群画像、门店的库存品类分析、商品的促销策略,这些数据涉及到公司的供应链、市场、产品等多个部门,必须实现数据标准化和数据统一,才能实现销量预测。

再次,集团化BI能够满足集团公司的决策层、业务部门和IT部门的多样化需求。

决策层需要全公司整体的经营状况、各个部门的业务进展,IT部门需要对全公司的数据实现“监管控”、保障数据安全,业务部门则是需要借助分析工具实现业务探索,洞察业务价值。

随着BI在业务的渗透率不断提升,不同部门对于BI产品提出了多样性的需求,集团化BI能够针对不同业务部门需求,从底层数据平台到上层可视化应用,提供个性化的产品服务。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除
12下一页

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
请微信沟通
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
微信扫一扫
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2021-9-22 00:27 , Processed in 0.054289 second(s), 24 queries .

返回顶部