共计 3196 个字符，预计需要花费 8 分钟才能阅读完成。
商业智能这一概念，自 1996 年提出至今，曾经过了 26 年。市场对 BI 的态度，从好奇、摸索直到司空见惯，80-90 年代的 IT 人还历历在目。
但如果有一家初创公司，要迈入这个成熟的市场，即便是团队外部也必少不了质疑的声音。在一个客户需要、产品性能、市场格局都看上尘埃落定的状态下，如何做胜利一个全新的 BI 产品仿佛不足探讨的价值。然而市场上仍然有大量踊跃的声音在议论 BI 的将来，下一代 BI 须要具备哪些个性，会带来什么变动。呈现这样的反差和 BI 目前的应用场景有着分不开的分割。
在企业应用场景中，BI 在绝大多数场景下还须要依附人来实现，不论是根底剖析逻辑的设计开发、维度和度量的抉择与调整、展现成果的布局与解读，都须要依附人来实现。而限于工具目前的倒退程度，人参加比例绝对较高，这会导致一个绝对主观的数据分析场景，掺杂了过多人的主观判断。甚至会呈现为了佐证某个观点，开发人员被动抉择甚至筛选出合乎指标预期的根底数据，抉择适宜的分析方法，以展现出与观点统一的趋势和冀望，这就与商业智能通过整合数据，剖析趋势，领导决策的初衷南辕北辙了。
因为 BI 的应用，波及到数据抉择、维度塑造、数据统计、分析方法、展现设计等等环境，须要同时把握数据、技术、业务、设计等多畛域多学科的常识，目前在企业中负责此类工作的多为业余分析师、IT 运维等职能人员。角色属性决定了他们无奈对于决策的业务后果负责，割裂了剖析与执行，决策和后果。现实的模式应该是让业务人员自主实现剖析工作，和他们的主观判断联合，造成最优的解决门路，并由他们对后果负责。然而这一工作目前的推动能够说是寸步难行。
首先是数据的抉择与加工，局部企业会将这一工作与数据分析离开，冀望像流水线一样，实现对于数据资产的开发利用。但往往分析师拿到中台给过去的资产之后，还是须要做不少的解决工作。如果 BI 工具不反对，那就只能求助于 sql 或者专门的数据转换工具。其次是数据分析，简略的剖析工作的确把握统计常识就 ok 了，然而如果要做简单剖析，函数拟合、算法、非结构化的数据的联合，这些都是躲不掉的内容，这些对于业务人员来说都过于艰深了。最初辛苦做进去的成绩，还须要固定成利用或者工程化导出到其余零碎中，这又来到了软件开发的业余畛域，须要具备代码和集成的相干常识。所以联合以上三点来看，并不是市场不心愿业务人员参加，也不是业务人员没有主观的自驱，而是事实的能力模型需要，远超个别业务人员可能涉及的范畴。
下一代 BI 面向的这就是这样看似无解的窘境，首先咱们要意识到业务人员曾经不是几十年前的产业工人了，不论是基础教育程度还是拥抱数字化的主观志愿，都有了微小的提高。BI 能够说通过 20 多年的倒退曾经具备了弱小的大众根底，下一步就是要通过工具的自我进化实现双向奔赴。要数据交融，将数据的对接、开发、剖析、展现，在一个平台内闭环，解决过程断层。要加强剖析，提供业余全面的剖析能力，弱小的计算效率，让 BI 和 Matlab 一样，具备打硬仗的能力。要麻利易用，做进去的成绩可能灵便分享、落地和被集成，同时这个过程不能太香甜。短期内无奈让业务人员的能力模型实现量变，就只能要求下一代 BI 工具在业务模式化、流程自动化、算法模块化、交互智能化、展示个性化方面做到极致，让局部简略的工作能够工具自主实现，缩小干燥的反复配置。让局部简单的算法设计与场景联合，易于了解和利用。这样，对于下一代 BI 的定义也就跃然纸上了，数据交融的加强剖析型麻利 BI 平台，基于这个方向，国外的 tableau，国内的 nextionBI 都在继续发力，让 BI 工具和用户的关系更加正当，也让 BI 回归它被提出时的含意。
nextionBI 于 2022 年 2 月 25 日下午，举办了线上产品发布会。与致力于数据分析引领业务成长的人们分享了 nextionBI 在成长中的点滴。收场之后，数睿数据总裁刘超，首先答复了一个观众都好奇的问题，作为一家无代码企业，数睿数据为何会进入 BI 赛道。刘超示意，是价值驱动了这所有。
数睿数据做 BI 这件事，外围不是金钱驱动，是价值驱动的。数睿数据的愿景是“让人人尽享数据价值”，只靠无代码还不够。无代码做的是数字矿脉的探知和数字矿山的建设，实现价值的高速高质积攒。BI 须要做的是数字矿产的开掘和输入，实现价值从公开到手中的流转。是咱们关注数据价值的过程中，不可漠视的一环。随着咱们无代码产品越来越多的部署，客户对于价值提炼的需要愈发密集，也正是这点驱动了 nextionBI 的公布。
然而传统的 BI 曾经愈发难以匹配全面数字化社会的倒退需要，起因有三点。首先，产品的应用依赖专业人才，然而同时懂业务、懂数据、懂分析方法、懂市场需求的人才太匮乏了，限度了 BI 工具的倒退。其次，国内受需要影响，过于关注可视化出现，短少对于分析方法的钻研，工具能力有余、指标固化、分析模型稀少的问题比较突出。最初，BI 的价值没有展示齐全，聚焦与“算”与“看”的主观形容层面，少了对于业务的促成设计。总结来说，BI 走入了一个工具负责难看，剖析厂家来干，常识难以积淀的歧路。
时代召唤下一代，刘超介绍，下一代 BI 应该是革故鼎新、关注行业常识、服务数字化转型的重要工具。革故鼎新是须要 BI 平台回归价值路线，放弃对于数据价值开掘无意义的冗余能力，回到数据分析的主线上来。同时须要从行业数据资产中梳理出常识，让价值传递、复制成为可能。要合乎数字化转型的政策要求，辨认数字化转型过程中环境的变动和新的痛点，针对性的设计解决方案，这才是下一代 BI 该走的路线。
对于将来，从 nextionBI 新公布的 logo 中能够看出，两头的“O”，也就是 origin，被更加清晰的阐释。一半是数据，一半是常识，BI 从数据中来，到常识中去。而下一代 BI 该当面向常识设计，数据只是过程，常识才是目标。BI 的将来是对常识的积攒、发现和利用。
数睿数据智能工程部负责人车文彬，具体介绍了数睿数据了解的下一代 BI。下一代 BI 应该是数据交融的加强剖析型麻利 BI 平台。首先是多源数据，极速交融，疾速主动会集企业各部门不同零碎的数据，反对各类物联网设施数据接入，满足 99% 以上的数据处理，这是实现数据的解决、剖析、展现在一个平台里闭环的第一步。其次是加强剖析，后果共享，用 AI 技术赋能加强剖析，从海量数据中找到难题的答案，把数据转换为动静图表，文字报告，大屏画面，迅速共享剖析后果，这便是数据向常识转化的外围过程。最初是人人可用，自助剖析，全程无代码，鼠标拖拽操作，让没有任何技术背景的人也能够很快学会应用 nextion BI，自助灵便地进行数据分析。在数据交融、加强剖析、麻利易用这三个维度上，nextionBI 曾经造成了厚实的能力积淀，造成了对于下一代 BI 的一个平面的展现。
车博士从产品架构、外围劣势、能力矩阵三个维度登程，深度分析了 nextionBI 的整体设计。并从常识积攒、发现和利用动手，联合具体场景具体介绍了，nextionBI 特色能力的利用形式。深入浅出、活泼形象了形容了下一代 BI 和数字化时代生产者的关系。
发布会的最初，nextionBI 的客户们也分享了他们的故事。他们都不是第一次接触 BI 工具，但在之前的工作过程中，现有的工具都有一些难以攻克的问题。在接触到 nextionBI 之后，他们开始尝试用下一代 BI 去解决现有的难题，改善异构数据的交融效率，尝试摸索数据后果背地的根因，都收到了不错的后果。他们都谈到，时代在提高，需要在倒退，工具天然不能变化无穷，而面向新场景新需要设计的产品，也就是他们心目中的下一代 BI。
汽车的驾驶，很多年前是一门多数人才会的手艺，逐渐倒退成大多数人都具备的技能，将来将走向一个 AI 主导的性能。升高工具对于人的依赖，是生产力倒退的必然要求。而商业巨轮的船长须要将能源从浆到帆一步步交到“柴电”推动动力系统手里，能力更好握住本人手里的舵，驶向更广大的海域，激发更大的浪花。
