BI市场竞争越来越激烈，甲方企业怎么办
随着大数据和人工智能技术的飞速发展，BI（商业智能）市场正变得越来越竞争激烈。面对众多BI产品和服务提供商，甲方企业应该如何做出明智的选择？
很多数字化项目，其实除了专业的IT人士或者数字化人士，大多数是不被其它业务人员所熟知的，比如财务部，营销部，但是BI 是比较例外的，在数字化项目里，它开始的比较早，比如数据治理其实也涉及了各个业务方，但是它兴起的晚，而且实施专业数据治理项目的企业并不是很多，所以几乎只有BI 项目是比较特殊的，不懂数字化的业务人员也知道它。
所以在这种情势下，BI 从早期的报表工具走向敏捷分析的道路上，越来越多的ERP厂商以及其它软件厂商都来掺一道，有的是直接开发了相关的产品，有的是在自己本身产品的基础之上增加了报表模块，当然这其中还包括越来越多的创业者加入进来做产品。
在这个过程中，有很多专业的，不专业的产品、创业者加进来，很多人都把BI 项目当成了开发项目，所以你看很多乙方服务的企业创始人多数是开发出身，他们其实并不了解数据分析，更别说数据应用，所以整个市场就相对比较混乱。
现在从大模型出来之后，整个竞争的形势我觉得又上了一层楼。
为什么这样说？
大模型此前大家拼的都是报表开发，在这个阶段已经有大量的产品、开发商加入进来，导致了整个BI市场一片混乱，反正大家都在做，客户也有需求，懂的不懂的，专业的不专业的都在做，几年的发展，其实整体的服务商的体量是相对比较饱和的，但是随着大模型的诞生后又加剧了这种竞争。
大模型的催生让更多的人工智能即AI 的创业者加入了这个市场，当前来说AI能做的创业方向其实就几个点，数字化项目里BI 受众群体广，所以很多人工智能创业的人也选了这个赛道，因为ChatBI 现在也算市场初期，很多甲方企业的人还处于模模糊糊，稀里糊涂的状态，然后理所应当成了韭菜苗。
有菜可以割，那么加入的人群就会越来越多，此前做BI 报表的产品方开始进行产品扩充，所以问答式的BI 肯定在他们的产品线之内，但是问答BI的技术逻辑和原先开发报表产品的技术点完全不一样，其实一定程度产品的门槛反而比原先拖拉拽的BI工具显得简单了。
当然我们不能说没有技术壁垒，比如如何解决问答的幻觉，各家有没有自研的算法产品，但是纵观技术市场，我觉得一家企业的技术非常独特是很难的，其实很快就可以被攻破，然后被同质化，因为本身技术是有技术架构、技术原理以及技术算法的，这些都可以被突破，只是时间长短的问题。
所以整体来说，很多非BI产品的厂商其实也可以实现这种问答能力，当然有人会说那他们不专业，能实现的效果肯定也不太好，但是有一件事是需要被正视的，就是当前大模型驱动的各种商业化产品，本身的商业化应用程度就不高，并不存在哪家产品非常具有优势，其实各家产品的效果都不太理想，都处于不理想的范围内，那么就是都具备优势，大家的起跑线基本没有很大的差异。
现在的BI 产品是由报表工具+问答产品一起组成的，所以整体的市场的产品量肯定是上去了，现在问答产品刚刚进入市场还处于市场份额的上升期，所以这个过程能不能存活到最后，这一段的竞争旅程是非常关键的，如果存活了，那么将有更多的创业者进入到这个市场，如果大模型的BI产品最后被打下来了，那么大家又回到原先BI产品的服务体量了，但是随着技术的更新迭代，有没有新的产品形态诞生，这是个未知数。
市场竞争的加剧，对于甲方来说，是好事也不是件好事。
服务商的增多意味着在供需上，供方太多就会在产品价格上开始出现下降，因为要抢占客户，说实话，很多人选产品要看品牌，实际上同一梯队的产品差异不太大，不用过于纠结到底选谁，当然你可能确实碰到难题了，你可以后台联系我，我来帮你给建议。
价格的优势对于甲方来说，它就是好事，你的预算支出可以更少，服务商的增多你可以选择的范围也可以更广，而且当前ChatBI其实也是在市场探索，你可以以低价来进行尝试，这样并非不是一件好事，如果ChatBI价格过高，那么不建议你尝试使用，因为本身这块商业化就不成熟，可以被割韭菜，但是不能被割狠了。
看上去好处是挺多的，那么有什么不利的地方吗？
当市场供需出现失衡的时候，供方很难拓展客户，所以在成交的过程中很容易对于产品的功能进行虚报，这个我觉得是非常不友好的地方，因为甲方企业来说，更多的几乎都是非专业人士，他们并不具备特别专业的判断力，包括现在大模型出来之后，很多企业都跃跃欲试，然后被很多服务商说的非常动心，但是实际上我们需要看到这块的整个市场当前都并不成熟，产品需要市场来驱动，当然新品也需要一片韭菜苗来割，所以这个时候很容易出现买了产品用不了或者效果不行的情况发生。
ChatBI出来之后，很多厂商都是说他们可以实现智能分析，实际上这个效果微乎其微，所以过度依赖这种产品，会导致企业内对于数据分析这件事的认知走上一条不理智的道路，那么企业本身的数据应用就直接到了天花板，很难有更高的高度了。
所以此时，甲方一定要理智，一定要根据自身实际的情况来作选择，虽然买一个产品费用可能是几十万，对于很多企业来说这个预算并不是很高，但是BI这个项目涉及了数据底层的工作还有业务需求分析的工作却是对企业至关重要的，并不能马虎。
本文由人人都是产品经理作者【风姑娘的数字视角】，微信公众号：【风姑娘的数字视角】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
关于BI，你想知道的都在这里
过去几十年，BI经历了从工具到“决策大脑”的角色转变，而未来一定是向“智能决策大脑”转型，也就是“AI+BI”。未来5年，BI不会只停留在对历史数据的多维统计。
当很多人还不知道BI（商业智能）是什么的时候，其实就已经做过BI整条链路里的相关工作。
BI具体做什么？
通俗点理解，就是从数据接入、数据准备、数据分析、数据可视化到数据分发应用的一系列动作。
而这些动作都只是过程，
以互联网教育平台为例，每个企业都会配备类似销售支持或者运营类型的岗位，去统计分析网站和APP的注册、活跃、首次付费、再次付费、VIP、沉默、流失等数据。
将各个平台产生的数据导出整合到一份Excel的过程就可理解为数据接入 ，而将这些数据进行去重、清晰的过程可以理解为简单的数据准备 ，通过函数计算每个漏斗的转化率可理解为数据分析 ，将数据分析的结果用可视化化图表展现称之为数据可视化 ，而将可视化图表截图到PPT中进行汇报又可看作是数据分发应用 。
那么问题来了，数据接入是不是一定要做重复的导出导入工作？数据源来自多个系统又结构不一该如何融合？领导看数据除了PPT还有什么？设想一下，当你精心准备了一周的销售数据报告，而老板突然问起某个数据异常的原因时，你难道又要会后重新做一份针对这个异常数据分析的报告吗？要多长时间，老板等得及吗？
当企业的数据量越来越大，要求的数据分析维度越来深越来越细，甚至对实时性和交互性提出了更高的要求。而这时，很多人工报表无法解决的事情，BI可以解决。BI的价值不是告诉你学员的转化漏斗是多少，而是告诉你为什么是这个数字，从哪里可以改进。
BI从工具到“决策大脑”的演进史
BI（商业智能）的概念在1996年最早由Gartner Group提出，而事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。他将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。”
追究到应用层面，BI其实也经历了四个发展阶段：
而从扮演的角色来看，BI的发展可以理解为从数据分析工具到深入场景的“决策大脑”的演进。 最开始企业只是想通过其提高做数据分析这项工作的效率，而到后面，更多企业的目的是为了提高做决策的效率和科学性，以结果为导向。
当四种产品共存时，企业该如何选择
从Excel到现在前沿的智能BI，BI的演进一直是跟着市场需求而变。当然，大数据、云计算、人工智能等技术的发展也给BI的发展创造了更多可能。整个商业社会的发展是向前的。但是每个时期、每个行业都有发展程度不同的企业，这也是为什么BI演进如此进步，而这几类数据分析产品依然可以共存的原因。
目前，在选择时受争议较多的是报表系统、传统BI和智能BI。数据分析软件的选择首先要明确企业想要引入相关系统的目的是什么。 如果企业的数据量一般，数据分析也只是为了给各部门呈现最终的结果报告不需要帮助各级决策层做决策，那么，报表系统就可以满足基本需求。但同时你也要考虑，当企业数据量越来越大，当发现竞争对手的市场反应速度已经领先自己很多时，我们是不是还要去选择BI，那现在有没有必要一步到位。
自然，如果是赋能决策，已经受够了之前想看的数据永远要延迟一周，想知道的原因总是在会议上找不到答案，或者企业本身就有超前的数据意识，当然是选择BI。更进一步，如果是希望简化BI的对接流程和开发量，减轻数据分析员日常高代码、高重复的工作量，我们会更推荐智能BI。
而智能BI也可以理解为“AI+BI”，代表了BI在未来5年的发展趋势，也是诸多行业龙头和数据分析服务商在共同探索的领域。做AI项目首先企业得有足够多的数据基础，非常清晰的项目目标，并且有中长期的规划， 我们才建议去实施。其次一定要选择一家具有AI基因的大数据分析公司。
BI在各行各业的应用场景
伴随着信息化建设的推进，每个企业都积累了海量数据基础，而对于企业来说却是把双刃剑。数据量越多，能够获取的数据价值就越大，但是，如果没有强大的数据分析能力，海量数据也会成为企业高效决策的障碍。在这种情况下，BI自然成为大数据时代企业提高自己竞争力的核武器。
社交电商代表小红书的大数据负责人曾经说过：增长太快也是一种烦恼，在阶段性近似指数级增长曲线下，意味着大数据运营部门将面临更多的挑战，只有拥有60倍的数据能力，才能支撑2倍的用户量、30倍的数据量增长。
BI在每个领域都有自己的数据分析场景。在消费零售领域，包含商品、门店、营销、渠道、供应链、顾客关系、财务、人力资源等在内的业务场景。 而在零售之外的互联网+行业、制造业、电子商务、金融、医疗等行业也都有对应的分析场景。
互联网教育： 可以针对渠道转化漏斗的转化率、不同课程的受欢迎程度、家长的反馈以及讲师评分等进行分析。电子商务： 打造也客户价值为核心的用户、营销、商品、流量、仓储、配送、客服等一体化分析场景。制造业： 围绕企业采购、生产、销售、配送、库存各场景进行分析。保险业： 可以做赔偿金和保险费用分析、客户分析、风险分析、产品分析等。金融证券： 可以针对理财产品、客户收益、信贷管理、客户流水等场景进行分析。医药行业： 可以围绕药品运营、供应链、财务、市场营销、电商渠道、生意等场景进行分析汽车市场： 通过对车辆数据、道路数据、环境感知数据等海量信息的处理分析，汽车服务商对车主进行精细化的管理，提供一站式汽车服务方案。企业可以根据自己的需要，找准切入点，循序渐进去构建一体化的智能数据分析指标体系。
BI未来会有哪些新的发展趋势
过去几十年，BI经历了从工具到“决策大脑”的角色转变，而未来一定是向“智能决策大脑”转型，也就是“AI+BI”。未来5年，BI不会只停留在对历史数据的多维统计。
通过与不断普及的算法与算力融合，会实现更自动、更智能的数据探索、实时预警、未来预测、自动诊断以及行动建议。在使用体验上，也一定会日趋“傻瓜”化，强调敏捷、易用与行业场景化，并且不断接入整合更丰富、更细颗粒度的数据源，进一步延展数据驱动决策的应用场景。
未来每一个企业都需要构建一个基于数据的决策大脑，从BI切入、不断AI化升级，看3年，做3个月，是一个理性可落地的路线图。
本文由 @是个数据人 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
相关问答
什么是 BI ?大数据时代,又如何向身边的人解释什么是商业智能BI?开篇介绍我发现一个问题,当和一些不熟悉我们这个领域的朋友们来说,解释大数据的概念比起解释商业智能...
bi 是代表啥?商业智能(BusinessIntelligence,简称:BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现...
你知道什么是 bi 吗?Bi是商业智能(BusinessIntelligence)的缩写。它是一种数据分析和报告的方法,通过采集、整理、分析和展示数据,帮助企业做出更加明智的决策。Bi可以提供关键...
什么是 BI ?商业智能BI实际上是一套由数据仓库、ETL、查询报表、可视化分析等组成的一个技术类解决方案。主要目的是将企业内各种不同的业务系统,例如ERP、OA、CRM、手...
bi 动词是什么意思_作业帮[最佳回答]amisare
跪求26个字母的音标比如【 bi :】B_作业帮[最佳回答]A[ei]B[bi:]C[si:]D[di:]E[i:]F[ef]G[d3i:]H[eitf]I[ai]J[d3ei]K[kei]L[el]M[em]N[en]O[ou]...
BI 是啥意思?BI是什么?做智能可视化分析的报表工具?只把BI看成报表工具,那就太可惜了。BI工具表面上是一个制作可视化分析报表的报表工具,实际上却是一个通过自助式智能可...
bi 是什么意思?中文意思是双常见释义英[baɪ]美[baɪ]adj.同bisexual;双性恋的;双性恋者;例句TheApplicationofBi-PhaseCodingintheData...
Bi 是什么意思?BI——(行为识别behavioridentity)行为识别系统,直接反映企业理念的个性和特殊性,是企业实践经营理念与创造企业文化的准则,对企业运作方式所作的统一规划...
bi 是什么化学元素? – 960化工网问答bi是什么化学元素?最佳答案Bi是铋。铋是一种金属元素,原子序数为83,位于元素周期表第六周期VA族。单质为银白色至粉红色的金属,质脆易粉碎,铋的化学性质较稳定...