疫情以来，企业管理的顶层思维模式开始发生变化，越来越重视数据驱动业务和数据化管理，希望依托BI来迈出数据化建设的第一步。
但纵观BI行业，各个厂商的BI工具也是五花八门，产品逻辑和功能架构迥然不同，BI选型成为商业智能落地的关键症结所在。
提到商业智能BI，大家已耳熟能详，似乎并不高深，无非用做统计数据，制作看板。如此看似简单的产品，但IT人员在做产品选型时很多时候依旧“一头雾水，不解其意”。市面上的传统BI、OLAP式的BI、敏捷BI、协同BI、云BI等五花八门。易上手如Power BI，全面实用如帆软、图表丰富如Tableau。似乎每家公司都有自身的特色，如独孤九剑，破剑、破刀、破枪、破鞭，各有所长。
五花八门的产品源自于千差万别的应用层需求，BI无疑是最偏应用层的。我们列举三五需求，也许项目经理更能感同身受。
1.业务端需求：战略部需要复杂报表制作；财务部需要手工数据补录；运营部需要数据实时展现；用户中心需要BI支持多维自助分析；决策层需要管理驾驶舱；销售代表需要移动端呈现……
2.技术端需求：需要支持实时数据处理；需要支持ETL二次开发；需要支持Echarts外部图表插件对接；需要支持大屏、移动应用的快速高效开发……
而市场上兴起的BI新趋势似乎也造成了更多困扰：数学算法平台是否应该集成在BI层？增强学习对BI的价值体现在哪里？等等。
左手是琳琅满目的BI产品，右手是云泥之别的BI需求，BI选型确实难。但“一地鸡毛”式的选型困境也应有破解之法。我们将需求和产品功能进行匹配和梳理，总结下来，无非四大方面：
一、基础数据准备
诸多敏捷BI产品大肆宣传“敏捷BI无需复杂的数据建模，无需Cube，业务需求无需转手IT部门，业务人员即需即用”。但须知，无论何种BI产品，都不应该让业务人员直接面对未经治理的原始数据。基于“脏乱差”数据基础上的任何BI系统都缺乏实际应用价值。因此，无论BI系统的产品逻辑如何演进或变化，“基础数据准备”都是必备的模块。具体包含以下内容：
1.数据连接能力：大部分BI系统都会同时支持主流的关系型数据库、分布式数据库、文本数据源三种数据类型。基于具体的业务需求，需针对性的关注方案商的BI系统能否支持实时数据对接，以及对API接口的支持能力。
2.ETL能力：ETL引擎是进行数据治理、数据归整的基础。市面上的BI系统的ETL能力分为三种：一是采用Kettle、Kafka等三方ETL工具；二是自主研发简单、基本的ETL工具，支持常见的少数ETL逻辑计算函数；三是自主研发全面、完整的ETL工具，封装了50-100种逻辑计算功能。但是，我们选型的时候并非必须采购拥有完整、全面ETL的BI产品。在大数据体系搭建过程中，大部分ETL工作应放在数据平台层面去完成，BI系统仅需承担一些简单的ETL工作，如合并表、关联、分组、去重等。当企业缺乏完整的数据平台体系，并且数据质量问题诸多时，建议选择具备完整ETL功能的BI产品。
3.数据建模：OLAP式的BI更强调搭建多维数据模型，帮助分析人员多维探索、分析数据，并通过创建Cube对数据进行预计算，进而保证分析高效，但这个牺牲了实时性。而敏捷BI融入了大数据的技术架构，关注通过分布式计算、内存计算、列存储、库内计算等技术实现数据的实时分析，达到亿级数据能够秒级响应，因此省去了Cube环节，仅需轻度建模即可满足探索性分析、自助式分析的需求。
4.数据集市：对于已经归整、建模后的数据，建议清晰、有条理的通过数据集市的形式呈现，该功能在敏捷BI中被很好的体现。
二、固定报表开发
BI看板、管理驾驶舱、移动端可视化等需求本质上都属于固定报表开发，也是大部分企业都需要的。固定报表开发主要面向技术，技术更关注报表开发的规范性、高效性、插件和素材的丰富性、二次开发支持能力。
1.图表开发能力：图表类型的丰富程度、是否支持3D可视化图表、地图集成与优化能力、图表扩展能力（如能否集成Echarts图表）等是考察BI产品图表开发能力的重要指标。
2.中国式复杂报表：战略部门、财务部门以及其他个业务部门可能存在较多的中国式复杂报表需求，如果BI工具缺乏复杂报表支持能力，技术人员也只是“巧妇难为无米之炊”。而国外的BI产品在复杂报表开发方面的表现明显偏弱，国内的话帆软在这领域比较突出，但是FineReport（报表）和FineBI（分析型BI）目前是两套产品，但据某用帆软的甲方，技术上可做集成，数据可以互通。
3.大屏设计能力：管理驾驶舱是中国大企业、机关单位的主要需求之一，酷炫的大屏设计往往成为BI项目的“点睛之笔”。目前，市面上的大屏设计主要有三种方式：
一是基于Echarts、Highcharts等前端可视化开发工具实现。其开发效率最慢，需要UI支持。
二是借助BI/报表系统的固定样表功能模块实现。其开发效率较快，也需要UI支持。
三是BI产品直接提供酷屏设计器，内置多种Html酷炫组件，提供多种UI皮肤。其开发效率最快，对UI人员的依赖度极低。
4.移动应用集成：能否无缝对接PC、手机、平板等设备，能否对接Andriod、IOS等操作系统，能否与微信、钉钉、飞书、小程序等集成。国外BI往往缺乏与国内主流应用的集成能力，毕竟国内互联网产品生态成熟。
三、自助式BI
大数据时代，业务部门对BI的需求已经从传统的看板、指标过渡到了从大数据中分析、挖掘运营问题。即时的、多样的数据分析需求逐渐普及，面向业务人员的自助式BI成为趋势。但业务人员缺乏开发能力，如何让业务人员可以用、用的好、用的惯自助式BI成为了企业关注的重点。实现“自助”的方式有多种：
1.无代码化，提高易用性：典型的代表是Tableau、PowerBI和帆软的FineBI，这几个产品都致力于“人人都是数据分析师”，在无代码、托拉拽的可视化基础上，将“易用性”做到了极致。
2.减少建模，提高敏捷性：省去了只有技术人员才懂的数据建模、CUBE等冗余环节。面对海量的数据，随时托拉拽，同时保证大数据的实时响应。这是BI推崇的自助分析之道。
3.增强学习，提高智能性：在BI的基础上，融合人工智能的推荐算法，精准推荐用户希望的图表样式；基于NLP和语音识别技术，通过搜索助手的方式快速理解用户意图，搜索、呈现用户想要的结果。通过AI让BI使用变得傻瓜化，这已经成为了BI产品发展的新趋势。然而，目前相关技术尚处于早期，国外的头部BI产品沉淀了优秀的AI能力，但产品往往只能理解英文，无法理解中文，在国内应用推广中也只能“牛头不对马嘴”；国内极少数BI厂商虽然也在开展AI探索，但仍处研发阶段，做个“噱头”尚可，难登大雅之堂。
总之，殊途同归，无代码化、敏捷BI、增强学习都是通往自助式分析这一“罗马帝国”的途径，能在单点做到极致的BI产品都值得关注。
四、其他功能
1.数据填报：这个也是报表系统最常用的场景之一，主要解决一线业务人员如财务人员、仓库人员、生产管理人员等大量的手工数据、台账数据如何填报和补录的问题。
2.权限管理：数据是企业的命脉，如何对数据做好不同细粒度的管控很重要，这很考验BI决策平台的管理能力，这一块的话帆软BI在行，国外BI对这一块基本薄弱，tableau和power bi都是作为工具性产品定位的。
帆软BI可通过角色设置权限，权限受体包括部门、角色、职务、用户
可对人员管理、目录权限、管理系统、数据连接、数据权限（数据表）、分享权限、定时调度管理权限等设定权限，权限设置粒度丰富
权限设置对象较深，可细致到组件还是数据行级
3.数学算法：企业内部，数据科学、数据预测的需求逐渐增多，BI产品是否应该提供数据算法平台能力成为了部分企业在选型中的困惑点。个人认为，BI更贴近应用层和业务端，应该具备简单、基本的数学算法能力，保证业务人员做简单的数据预测，特别是快消零售行业对数学算法的需求更为强烈。但并非“人人都是数据科学家”。规模庞大、模型复杂的算法场景往往由专门的算法工程师完成，而BI产品在处理千万、亿级数据时容易崩溃，完整的数据科学能力搭建在独立的算法中台或集成在数据中台上更为合适。
统而言之，千变万化的独孤九剑似乎也能做到万剑归一，我们也因此能形成一套较为完整的BI选型评价体系。选型只是BI的开始，商业智能的推广落地更依赖于运营指标体系的搭建，“人人都是科学家”的目标需要“自助式分析文化”的培育与熏陶。海量数据挖掘与分析依然遵循着“大道至简”的法则。“能够用、用起来、用得好”才是BI系统建设的最终目标。
所以在BI选型过程中，除了工具产品本身，还要考虑厂商的业务方案能力、学习推广服务体系，越是top的厂商在这块做的越成熟，对于甲方来说同行的经验也更加丰富，总之，各取所需，软硬结合！
