共计 1967 个字符，预计需要花费 5 分钟才能阅读完成。
去年年底国内 BI 巨头 Tableau 发表退出中国市场，将业务打包整合到 Salesforce 与阿里巴巴的单干关系中。从最近几年技术发展趋势来看，BI 似有每况愈下之势，BI 这门生意还好做吗？
对于 BI 的一个广泛质疑是商业智能到底如何产生价值，为什么最初企业 IT 部门或者业务部门齐全沦为了做报表，能体现的价值只是节俭了咱们做报表的工作量，仅此而已。
高度依赖零碎、常识与环境，更多的问题而非答案
传统 BI 关怀的是数据漂不丑陋，展示的模式是不是让人喜爱，门槛够不够低，对业务的价值反馈周期比拟长。
数睿数据总裁刘超对以后 BI 行业“工具负责难看、工作靠人来干、常识难以积淀”的问题进行了总结剖析，大抵演绎为“三个依赖”：对系统的依赖、对常识的依赖、对环境的依赖。
目前 BI 剖析的数据大多数来源于各类业务零碎，应用这些数据的时候会遇到很多品质、平安、规范等方面的问题。问题出自于机器，但却须要靠人去治理，这既不合理也产生了很多不必要的工作量，因而下一代 BI 应该让机器做机器该做的事，让人做人该做的事。
其次，是对常识的依赖。人类社会倒退到明天，各个学科、行业都积攒了本人的常识，这些常识如果使用到数据分析中，须要当时积攒、排汇、融汇贯通，须要付出大量的致力。能不能让工具代替人去消化这些常识，升高常识使用的门槛，是第二个问题。
最初，是对环境的依赖。咱们置信数据积攒到肯定规模，联合企业的常识历史数据，就能实现智能化的常识共享。然而使用常识的环境是纷繁复杂的，如何让基于一个系统分析造成的常识可能疾速分享到另一个零碎中产生价值，如果常识嵌入到别的业务零碎仍旧须要做集成，实质上还是没有解脱大量的技术性工作。只有解决常识流传碰壁的这个问题，企业才真正具备动静学习和积攒的能力。
业界认为，依照“DIKW”模型实践，BI 不能停留在数据阶段，做统计与可视化，而要专一于把数据转变为常识。下一代 BI 与人的关系，应该是 BI 工具去数据中总结常识，人把常识和业务联合，产出智慧，发明价值。
下一代 BI 的隐形巨擘：加强剖析与机器学习算法
随着商业环境的变动，数据分析的维度和用户应用习惯的要求也在一直降级，面向下一个十年的 BI 该如何设计？笔者认为好的能力是“当用户感知不到时，就是它无处不在的时候”，就是说它工作的时候你不会感知到它，当它不工作了，你才会强烈地感到不适。
目前包含 nextionBI 在内的一些国产 BI 曾经后起而直追，很多性能组件里都封装了 AI 算法，在看不到的中央，有更多的自动化和智能化。比方数据分析模型提供了时序剖析、预测、分类、聚类这些通用算法，用户过来想做一些预测或分类，都须要机器学习的一些模型训练，当初用户只须要开箱即用，很快的一键操作就能够实现三维 / 时序 / 图谱等剖析。
数据分析仪的另一大亮点是基于 NLG（自然语言生成）的智能数据解读，解读也是自然语言式的，让枯燥乏味的数据主动说人话，对于数据不敏感人群能够提供敌对的数据解读辅助。当数据量和维度都比拟繁多的时候，智能数据解读能够疾速通知你数据的散布是什么样的，有哪些特色，特色之间是否有隐形关联？关联水平怎么样？整体数据分布是否有空值？
商业智能的表象是可视化剖析报表的出现，但它的实质还是业务问题、治理问题。加强剖析就是尽量减少数据工程师的工作，开释数据分析师的能力，让机器代替开发者去实现很多事件。
从数据到常识的迁徙，促成下一个十年 BI 的进化
“十年后回头看，当初做的都不能算 BI”，这是出自 nextionBI 发布会现场的原话。**
口气不小，如何实现？刘超将 nextionBI 的要害能力总结为：数据交融、加强剖析、麻利易用。从技术而言，仿佛有旧词新说的嫌疑，雷同的概念也须要看面向什么谈，面向数据和面向常识有着实质的不同。
如果只是面向数据，数据交融可能做的是对更大数据量的反对，加强剖析多做了几种统计函数，麻利易用则是提供了 API 文档和详实的用户疏导。但如果是面向常识，数据交融须要关注对更多数据维度、品种的笼罩能力，联合相关性剖析为维度抉择提供领导；加强剖析须要同时具备显性常识辨认和隐性常识开掘两种能力，将技术能力与场景联合；麻利易用须要深刻工业物联、数字孪生中去，与跨行业的数字化利用互相集成配合。
从面向数据迁徙到面向常识，越往上离业务侧越近，不让数据成为包袱，让业务人员更专一于业务自身。笔者置信数字化肯定是由离业务最近的人来实现的，某种程度上说，数字化转型是对人的要求，如果人人都有数字化翻新的能力，这个公司就是领有弱小数字创新能力的公司。
常识的积攒、发现与流传能够帮忙咱们看到更残缺的世界，先置信你看不见的世界。nextionBI 是否会人如其名，成为下一代国产 BI 神器咱们无从得悉，但咱们更违心置信置信的力量，置信咱们看不到的世界，置信一场奔赴数字翻新蓝海的理念、方法论、工具平台曾经开展全图景。
