根据IDC报告，2020年中国BI软件存量市场规模为38.2亿元，到2024年，市场规模将达到78.5亿元，未来4年整体市场年复合增长率（CAGR）为19.2%。此外，还有规模达到100亿元的增量市场和数百亿元的潜在市场。
我们知道，商业智能（BI）是由Gartner公司于1996年提出的概念：BI描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。
BI是对商业信息的搜集、管理和分析过程，其目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。BI系统一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成，涉及到软件、硬件、咨询服务、管理及应用。
思迈特软件创始人吴华夫表示：中国的BI行业发展历经了三个发展阶段，即传统BI阶段、自助BI阶段和智能BI阶段，而后两个阶段统称为现代BI。
随着移动互联网、大数据、云计算、人工智能等技术的发展，中国步入数据化转型的快车道，数据量加速攀升，预计到2020年中国大数据产业规模将超万亿元，2015-2020年均复合增长率达到29.25%。其中，超过60%数据由企业管理，拥有大数据的中国企业已超过90%。
但是，随着信息化技术的发展和业务的不断深化，企业积累的海量数据已经成为非常重要的数据资产，企业对数据的应用方式也从粗放式管理逐渐走向精细化运营，从而也对BI和大数据分析工具有越来越多的需求，这时候传统的BI已经不能满足企业的业务发展需求了。
首先，传统BI是门槛很高，不是一个人人能享用的东西，可能那时候只在电信、大的银行才有这种BI的应用，而且一个产品可能几百万，非常的贵，门槛很高。
其次，业务用户只能受限于IT预先构建好的模型，做固定路径的分析，或者是固定报表，对于，宏观分析、长期历史分析难度很大。当业务变化的时候，分析需求无法被快速满足，同时与其他新型数据库兼容性很差。
第三，对于企业而言，数据化运营的主力是企业的每个部门、每个人，但传统BI系统使用边界只有数据分析人员才能使用，当业务部门想看懂数据，需要交付给IT部门同事，因为需求沟通不准确，IT部门同事分析出来的报表不但未能满足业务人员的需求，还极大的降低了运营效率。
在新的数据化运营架构里，敏捷BI最重要的内涵是分析无边界，它的用户客群由IT人员转变为业务人员，不再是业务人员提需求，IT使用BI产品解决需求的模式，是将分析能力交给业务人员，由业务人员进行自助式分析。
其实，企业客户希望自己能做数据接入，能自己处理数据，能自己建模，能自己分析数据，甚至能预测数据未来的趋势。其实，这时候IT和业务的关系已经被改变，这就是自助化BI。
而在智能化阶段，业务用户能够更简单的访问数据，如通过自然语言交互的方式获取数据，洞察和发现数据深层次规律。
“目前，整个中国的BI市场的竞争格局往多方向发展，有的专注于行业化/场景化解决方案，有的偏向于通用的平台产品；有的偏向于产品本身，有的提供交付+产品的一体化能力。
从产品端来说SaaS化和AI化是重要趋势，SaaS是未来BI的主要交付方式，有利于BI的进一步普及。各家SaaS厂商也在不断进行资源融合，例如19年CRM巨头Salesforce收购Tableau。
AI是BI技术未来的发展趋势，各家BI公司都在竞相进行AI投资。实际上，国内离AI的全面应用还有一段距离，但提前对AI技术投资的公司，将会在未来的发展中抢得先机。
以思迈特软件为例，我们对AI+BI的理解就是利用AI技术进一步加强BI使用的广度和深度，帮助更多的用户，更深入的洞察数据。
在广度方面，我们提供了各种自助分析工具，有最常用的即席查询和透视分析，有可视化分析的自助仪表盘，有最接地气的Excel融合分析，有最易用的自然语言分析NLA等等，可以满足用户不同场景下的各种分析需求。在深度方面，我们推出了机器学习AI平台，让用户在一个界面上就可以进行数据挖掘，可以做预测性的分析。
在行业的布局我们是把多年的实施经验积淀下来，通过行业应用商店对外提供可复用的应用模板，大大降低了行业客户实施BI的门槛和风险。”
总的来说，在新的背景下，国家也在鼓励自主创新，推动国产化替代。BI软件作为一款应用软件，是最有可能，也相对比较容易实现国产化的，这对于国内BI厂商来说是一个很好的机会。
当前的行业数字化转型也已经进入倍增创新阶段，无论地区政府的经济和产业倍增规划还是企业的倍增创新转型中，对数据的挖掘和利用都被提到重要的战略位置，作为实现数据价值的有力工具，BI产品的市场需求旺盛。我们将根据市场和技术的发展趋势，在BI领域不断探索AI的应用，保持AI+BI融合技术领先。”
那么，对于企业客户而言，从传统BI向新一代BI转型的难点和挑战是什么呢？
吴华夫解释道，从传统BI到新一代BI的转型，面临三个主要挑战：
首先，BI分析工具是否够用、好用。企业中的用户包括：数据工程师、分析师、数据科学家，以及广大的不懂IT的业务用户。
同时，这些用户的IT水平不一致、对BI工具的要求也各不相同。如何提供一套工具，能满足不用的用户需求就显得极为重要。
其次，数据如何在保持管控的同时，去开放给所有人使用。数据一定要开放给业务用户去用，才能产生价值。但开放会带来数据主权问题、数据安全等问题，如何保持两者的平衡？
第三，数据文化。如何激励企业的员工共享数据、自助分析、共享知识，最终新成一种数据驱动的文化。
