進入公司以后用過不少BI軟件，brio、BO、BIEE等等，現在很熱的Tableau、億信BI、Qlikview沒用過，據說提供了很多自助式的能力。

前幾天正好看到陳果的《為什么BI軟件在中國很難做》的文章，談到了商業智能（BI）在中國很難做的現象，認為BI是個開放式、探索式工具，國外的數據科學家依賴BI工具來進行快速的數據探索和分析，這種工作模式使得BI有很好的群眾基礎，而中國人的思維方式不是探索式（Exploration）的，而是“結果導向式”的，中國管理者都習慣看固定格式報表、基于指標的圖表，中國企業里很少有數據科學家（data scientist）這樣的角色，而是“表哥表姐”們圍繞各種指標做報表給領導或業務決策者看。

文章還給了一個很形象的比喻，體現了中西方文化差異，打個比方，BI就像下面這個工具箱，在西方很多家庭中都有這樣的工具箱，使用這個工具箱建個木房子，還需要有設計、拉線、施工的端到端過程，對使用者本身的能力是要求的。而中國家庭很少有自己動手使用電鉆、錘子的，就算是家里要修個啥，小區里也有物業，使用這種工具箱的都是物業維修工。

陳果的文章更多是從數據文化的角度談了這個問題，自己身處傳統服務業，曾經有大量的報表取數實踐，今天就從業務驅動的角度談談原因。

中國企業里很少有抬頭叫數據科學家的，互聯網起來后，數據分析師成了熱門崗位，但在傳統行業，業務部門里一般不存在獨立的數據分析師崗位，業務部門從事數據分析相關工作的有些叫經營分析師，有些叫業務分析師，非專門做分析的業務人員也會做自己條線的數據分析工作，這些人對于業務的理解往往比較深，但對于數據和IT的理解有限，IT部門跟數據分析相關的一般叫做數據開發或數據建模工程師，這些人員對于IT和數據的掌握比較好，但業務理解就差遠了。

傳統企業數據分析的需求也是很多的，有些非常復雜，數據分析一般是通過業務人員和IT人員的配合完成的，大致步驟如下：

1）業務人員從上級接收到數據分析任務

2）業務人員完成需求分析，設計出取數樣張

3）將取數樣張提交給IT部門需求人員并明確口徑

4）IT部門需求人員分派給數據開發人員（SQL boy）取數

5）數據開發人員按照口徑完成取數

6）IT部門需求人員向業務人員遞交取數結果

7）業務人員審核數據可用性，如發現數據有問題返回到步驟（3）

8）業務人員用EXCEL進行數據分析，如發現數據有問題返回到步驟（3）

9）業務人員獲得分析結論并通過PPT，WORD等形式形成最終報告

在這個流程中你會發現，傳統企業并沒有把數據分析看成是一個獨立的工種，而是拆分成了幾個階段，需求分析可以讓業務人員做，取數可以讓IT人員做，取數結果的探索又讓業務人員做，最后出報告也是業務人員做，如果取數達不到要求就再讓IT人員做一遍。

這種數據分析的分工模式對于一些企業或數據分析師來講往往不可接受，因為會認為數據分析是個需要快速迭代的工作，取數、探索和分析是不允許割裂開來的，否則就會極大降低數據分析的效率，比如發現分析的結果不合常理，就需要能馬上調整原始數據，而不能依賴別人來給你喂數據，BI正是由于具備一站式的取數，探索和分析能力，才成為了數據分析師信賴的工具。

但一旦數據分析可以拆分出多個獨立的環節讓獨立的角色去做，如果每個環節的效率更高，而且銜接的還不錯，BI的優勢也就不明顯了。

比如單就取數環節來講，數據開發人員的取數水平不會弱于數據分析師，所采用的SQL取數工具更是比大多BI工具靈活。

再拿數據分析環節來講，EXCEL的能力顯然也不會弱于BI工具，甚至更為平民和靈活。

更為重要的一點是，理解業務才是數據分析成功的基礎，我們大多數的數據分析都是先做業務假設再去論證，業務人員的主要精力就應在業務上，至于取數能力和分析技巧都是次要的，這讓傳統數據分析的分工模式具備合理性，很多IT部門的數據科學家，最缺的也不是什么分析挖掘技能，而是離業務太遠了。

但在面對復雜，多變和不確定的市場環境下，傳統企業的這種數據分析模式的短板還是很明顯的，突出一個字就是慢。由于一次數據分析要涉及到多個部門三類角色的協作配合，一個取數少輒一天多輒一禮拜，業務人員在提出需求后要在那里干等幾天，數據分析的連貫性被打斷，關鍵是取數完成后還有大量的數據可用性的問題要解決，這其中又會涉及到大量溝通協調，管理成本非常高，業務人員為了降低風險，也會傾向于提出更多的可能冗余的取數需求，這導致了一個公司大量SQL BOY的出現，也意味著資源的浪費。

這讓我想到了一個中外的差異，即跟勞動力成本有關，也許國外企業雇傭不起一支IT團隊專門為業務人員提供個性化的取數服務，因此只能自力更生，這樣BI自然有了市場，但國內情況不一樣，不僅勞動力相對廉價，而且可以外包。

但SQL BOY再多，很快也會達到速度的瓶頸，你取數再快也快不過業務人員的一天三變，況且總是對外求人也不是辦法，因此很多企業的業務部門開始培養自己的數據分析師崗位來徹底解決問題。

這本來對于BI軟件來說是個機會，但國內不少業務部門的數據分析師似乎又選擇了不同的道路，即讓IT部門直接開放數據集市或大數據租戶給他們自己取數，這樣的模式又讓BI軟件失去了切入的機會。

從以上的分析可以看到，兩種數據分析模式各有利弊，但BI軟件其實還有一項隱性核心能力，就是可以沉淀出好的分析方法和知識在軟件內，這樣可以確保數據分析的下限不會很低，知識化、智能化一定是BI軟件的一個核心賣點，比如在做分析的時候讓BI軟件推薦一些常用的寬表，字段或圖表模板（比如埃森哲分析圖表），元數據驅動啥的，這是我能想到的打動我的點，自己曾經就想為數據分析制作一套分析模板，不要讓新人亂畫圖表亂標數字，那樣會顯得非常不專業，后來實在沒精力就放棄了。

最后我們要終極追問一下，為什么國內BI軟件使用的習慣始終沒養成呢？

也許，BI軟件就是簡單地失去了一次切入的機會，想當年數據倉庫大行其道的時候，BI軟件也是喧囂之上，但一方面使用體驗一般、靈活性不高，開放性還差，另一方面要歸結于數據探索的場景實在太少了，雖然有些企業也采買了，但業務人員使用BI軟件的習慣并沒有培養起來，大家更喜歡從報表門戶上把報表下載下來，然后用EXCEL去做各種處理和分析，因為這樣已經足夠應付工作了。

也許，BI軟件跟國內整個SaaS軟件市場面臨的困境一樣，正如《中國為啥沒有大的企業軟件產品公司》一文說得那樣：

1、跨企業的共識缺乏

第一、缺乏職業經理人階層，很多企業家并不接受非核心能力要依靠標準化軟件產品和外部服務的想法，既不信任集成商、也不信任軟件商，大家都想做別出心裁的做技術和管理創新，對專業服務的輕視，有礙于產品公司對產品力的打造，產品公司熱衷于亂炒概念，把用戶低水平的需求糊弄過去就好；

第二、缺乏Gartner，Forrester，AMR等為代表的第三方行業研究和評測機構，難以形成事實性的行業標準，無法幫助軟件公司提高產品標準化水平。

2、企業講不清楚需求，中國企業內部普遍沒有形成企業架構管理能力，很多企業IT架構委員會形同虛設，沒有好的架構管理，企業描述需求就大而化之，啥“數據中臺”、“業務中臺”、“智能制造”、“工業互聯網”這種模棱兩可的概念在業界大行其道，相應地對企業級信息技術應用的分級、分類就很亂，講不清楚的東西，都管叫“中臺”，軟件產品就無法體現專業化，這個跟第一點有關系。

3、產品商離客戶太遠，中國某些企業軟件產品特有的分銷模式，使得客戶都控制在分公司（分銷商）手上，一方面，產品商不直接接觸最終用戶，分銷商又是純利益導向而非交付價值導向，造成客戶的價值實現差，原廠產品服務又下不去，最終導致這些廠商雖然廣告做得滿世界都是，知名度高、滿意度低，產品力沒法提升，另一方面，軟件產品廠商為了要取悅用戶，盡可能地爭取到客戶錢包份額，客戶的啥需求都想做，客戶IT支出跟自己能力能沾點關系的，每分錢都想掙，最終造成產品的專業深度淺，產品最后做出了服務。

也許，國內大多企業還處于數據驅動業務的初級階段，互聯網公司的數據分析師實在是太異類了，無形中拔高了大家對數據分析軟件的期待，事實上，BI的必要性遠低于預期，當然隨著企業數字化的深入和探索性需求的不斷增加，也許BI軟件還是有機會，至少它應該比普通的SaaS軟件更有前途。

也許，BI軟件還要等更長的時間，直到那批老頑固退出江湖，畢竟像我這種經歷過SQL BOY階段的人，說服成本有點高，因為已經改不動習慣了。