以前，每到月底，很多公司都會(huì)出現(xiàn)一群易怒、狂躁的人群，他們被親切的稱為“表哥”。他們那幾天都重復(fù)著枯燥的財(cái)務(wù)報(bào)表整理工作。從ERP財(cái)務(wù)模塊中下載發(fā)票數(shù)據(jù)到Excel，從CRM下載顧客數(shù)據(jù)到Excel，將上述的N個(gè)表格用vlookup和sumif給連起來(lái)，然后等待Excel默默計(jì)算幾十分鐘甚至幾小時(shí)，如果中途死機(jī)，就重復(fù)再來(lái)；如果通關(guān)成功，就會(huì)把生成數(shù)據(jù)透視圖進(jìn)行截圖、復(fù)制粘貼到PPT, 稍加美化后郵件給老板。

然而，隨著業(yè)務(wù)快速發(fā)展，越來(lái)越多的業(yè)務(wù)部門需要從海量數(shù)據(jù)中獲取想要的分析結(jié)果，來(lái)指導(dǎo)銷售和生產(chǎn)。于是“表哥”每天需要整理的表格也蹭蹭蹭的多了起來(lái)。面對(duì)繁瑣如海的數(shù)據(jù)處理與合并、龜速的數(shù)據(jù)引擎性能、枯燥的數(shù)據(jù)分析等過(guò)程，表哥的內(nèi)心其實(shí)是崩潰的，性情也越發(fā)暴躁，動(dòng)不動(dòng)就大吼兩聲，“臥槽，怎么又崩了”？

傳統(tǒng)BI，“表哥”的痛

對(duì)于很多財(cái)務(wù)從業(yè)人員來(lái)說(shuō)，財(cái)務(wù)報(bào)表一直都是魔鬼般的存在。文章開(kāi)頭的案例，讓我們看到了早期BI應(yīng)用中讓無(wú)數(shù)表哥痛苦不堪和無(wú)奈的地方。

首先，傳統(tǒng)BI需要導(dǎo)入固定表樣，由專業(yè)技術(shù)分析人員做分析，定期出報(bào)告，業(yè)務(wù)部門只能進(jìn)行索取、下載和再分析。其次，傳統(tǒng)BI表樣復(fù)雜，并不存在自動(dòng)化的數(shù)據(jù)關(guān)聯(lián)，分析結(jié)果強(qiáng)調(diào)可視化效果展現(xiàn)。第三，傳統(tǒng)BI使用關(guān)系型數(shù)據(jù)庫(kù)，面對(duì)的是結(jié)構(gòu)化數(shù)據(jù)，一般都是使用SQL語(yǔ)言查詢，對(duì)較大的數(shù)據(jù)表分析，查詢效率低且時(shí)間長(zhǎng)。最后也是最關(guān)鍵一點(diǎn)，傳統(tǒng)BI圖表設(shè)計(jì)面向?qū)嵤┤藛T，都是業(yè)務(wù)人員向IT部門提出數(shù)據(jù)或分析需求，由技術(shù)人員實(shí)現(xiàn)，解決問(wèn)題的時(shí)間可能很很長(zhǎng)。

然而，面對(duì)快速變化的市場(chǎng)需求以及日趨激烈的競(jìng)爭(zhēng)節(jié)奏，企業(yè)越來(lái)越多依賴對(duì)業(yè)務(wù)過(guò)程的數(shù)據(jù)分析來(lái)指導(dǎo)日常的經(jīng)營(yíng)生產(chǎn)。如果仍然按照傳統(tǒng)BI的方式，向IT部門提出數(shù)據(jù)或分析需求，由技術(shù)人員實(shí)現(xiàn)，解決問(wèn)題的時(shí)間可能延長(zhǎng)到數(shù)周甚至數(shù)月，早就錯(cuò)過(guò)了最佳窗口期。對(duì)業(yè)務(wù)人員來(lái)說(shuō)，分析需求不斷增加也給IT技術(shù)人員帶來(lái)了越來(lái)越多的業(yè)務(wù)處理壓力。如果完全依賴于傳統(tǒng)BI，分析所需的時(shí)間和流程越來(lái)越長(zhǎng)，無(wú)法滿足需求，對(duì)企業(yè)而言，必須在日趨龐大復(fù)雜的業(yè)務(wù)分析需要與快速響應(yīng)業(yè)務(wù)分析之間找到一個(gè)新的平衡點(diǎn)。

除此之外，我們還必須考慮，在新的市場(chǎng)競(jìng)爭(zhēng)中，如果根據(jù)數(shù)據(jù)分析結(jié)果進(jìn)行可視化展現(xiàn)，而不去深究數(shù)據(jù)背后存在的問(wèn)題以及造成的原因，并想辦法解決它。對(duì)企業(yè)的數(shù)字化轉(zhuǎn)型和工業(yè)智能化升級(jí)意義仍然不大。因此企業(yè)對(duì)BI的應(yīng)用需求，還必須包括對(duì)數(shù)據(jù)結(jié)果背后問(wèn)題原因的分析和探究，并基于此持續(xù)優(yōu)化企業(yè)的管理和運(yùn)營(yíng)流程。

“表哥”的痛，亦策很懂

近年來(lái)，隨著企業(yè)數(shù)字化轉(zhuǎn)型和工業(yè)智能化升級(jí)持續(xù)推進(jìn)，企業(yè)中業(yè)務(wù)數(shù)據(jù)也開(kāi)始快速增長(zhǎng)，使得大數(shù)據(jù)分析以及BI商業(yè)智能等產(chǎn)品備受企業(yè)關(guān)注，特別是融入了人工智能、跨云以及多源數(shù)據(jù)整合等技術(shù)能力，以及高度易用、自助式的BI產(chǎn)品，讓業(yè)務(wù)人員無(wú)需IT的支持也可以輕松使用，無(wú)論是在會(huì)議室還是工廠車間。借助人工智能的精準(zhǔn)快捷，以及人類本身的主觀能動(dòng)性和創(chuàng)造能力，“表哥”曾經(jīng)工作中的面臨的諸多苦惱一掃而空。
 

在國(guó)內(nèi)主流智能BI產(chǎn)品中，能將這些技術(shù)融為一體最典型產(chǎn)品就是亦策觀數(shù)臺(tái)，其四大核心技術(shù)：關(guān)聯(lián)引擎、內(nèi)存技術(shù)、增強(qiáng)智能以及嵌入式分析，實(shí)現(xiàn)了從數(shù)據(jù)準(zhǔn)備到自助式分析的全過(guò)程。

目前，大多數(shù)BI產(chǎn)品都是基于關(guān)系數(shù)據(jù)庫(kù)和查詢等舊技術(shù)。但是，關(guān)系數(shù)據(jù)庫(kù)和SQL查詢不是為現(xiàn)代分析而設(shè)計(jì)的。雖然SQL需要從許多來(lái)源提取數(shù)據(jù)，但大多數(shù)分析工具依賴于基于SQL和查詢的方法作為其建模數(shù)據(jù)和支持交互性的基礎(chǔ)架構(gòu)。這是一個(gè)重大缺陷。導(dǎo)致對(duì)部分?jǐn)?shù)據(jù)子集的線性探索和分析受到限制，必須使用SQL連接將數(shù)據(jù)源集合在一起，并且必須提前假設(shè)用戶將擁有哪些類型的問(wèn)題，所有其他數(shù)據(jù)都被遺忘。如果用戶想要根據(jù)他們發(fā)現(xiàn)的內(nèi)容來(lái)轉(zhuǎn)移他們的分析，他們可能不得不重新構(gòu)建復(fù)雜的查詢，這通常意味著回到更有經(jīng)驗(yàn)的數(shù)據(jù)專家，我們稱之為“問(wèn)，等，回答周期”，每種新類型的問(wèn)題都有等待期。

亦策觀數(shù)臺(tái)的關(guān)聯(lián)引擎幾乎可以連接任何數(shù)據(jù)源，包括基于文件的源，特定于應(yīng)用程序的源以及大數(shù)據(jù)源。無(wú)需事先對(duì)其進(jìn)行完全建?；蝾A(yù)先聚合數(shù)據(jù)。觀數(shù)臺(tái)自助數(shù)據(jù)準(zhǔn)備工具，為復(fù)雜的場(chǎng)景提供強(qiáng)大的數(shù)據(jù)集成腳本。這些數(shù)據(jù)準(zhǔn)備功能有助于公開(kāi)數(shù)據(jù)區(qū)域和可能存在問(wèn)題的業(yè)務(wù)，可以創(chuàng)建價(jià)值而無(wú)需外部工具或數(shù)據(jù)倉(cāng)庫(kù)。
 

除此之外，讓用戶可以在所有可視化、圖表、圖形和其他對(duì)象中進(jìn)行選擇，并可以使用全局搜索來(lái)表現(xiàn)數(shù)據(jù)、關(guān)聯(lián)和分析。由于引擎動(dòng)態(tài)地計(jì)算分析而不是預(yù)先聚合數(shù)據(jù)，因此用戶可以將他們的想法轉(zhuǎn)移到新想法或數(shù)據(jù)集，在任何詳細(xì)度上詢問(wèn)他們想要的任何問(wèn)題，而不受預(yù)定義查詢或?qū)哟谓Y(jié)構(gòu)的限制。

為了讓數(shù)據(jù)分析速度更快，亦策觀數(shù)臺(tái)可以盡可能的讓數(shù)據(jù)運(yùn)行在內(nèi)存中，在短短幾秒鐘就能生成一個(gè)復(fù)雜的分析結(jié)果。而觀數(shù)臺(tái)存儲(chǔ)到內(nèi)存的數(shù)據(jù)也會(huì)經(jīng)過(guò)壓縮處理。大大縮短項(xiàng)目實(shí)施周期，降低成本與項(xiàng)目風(fēng)險(xiǎn)。

隨著人工智能、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，在業(yè)務(wù)實(shí)踐中，AI與BI正在表現(xiàn)出越來(lái)越明顯的融合趨勢(shì)，并應(yīng)用于銷售預(yù)測(cè)、決策博弈等較為復(fù)雜的數(shù)據(jù)應(yīng)用之中。

與傳統(tǒng)BI應(yīng)用相比，通過(guò)深度學(xué)習(xí)進(jìn)行的數(shù)據(jù)挖掘似乎有著很大的差異，前者注重結(jié)構(gòu)化數(shù)據(jù)、往往以數(shù)據(jù)可視化為直接成果，后者注重非結(jié)構(gòu)化數(shù)據(jù)，不一定會(huì)產(chǎn)生可視化成果。兩者特點(diǎn)不同，也承載著不同的業(yè)務(wù)需求。觀數(shù)臺(tái)基于關(guān)聯(lián)索引技術(shù)，自動(dòng)發(fā)現(xiàn)并突出顯示用戶需要探索的見(jiàn)解，該技術(shù)映射數(shù)據(jù)內(nèi)的所有關(guān)系。稱之為增強(qiáng)智能+聯(lián)合索引。通過(guò)深度學(xué)習(xí)來(lái)完成對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的預(yù)處理，并通過(guò)BI應(yīng)用讓數(shù)據(jù)以更容易理解的方式呈現(xiàn)，支撐企業(yè)的決策。

正是基于不斷提升的AI融入能力以及對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理，觀數(shù)臺(tái)將分析擴(kuò)展到制造工廠的IoT和邊緣設(shè)備，從中收集數(shù)據(jù)并進(jìn)行分析，并提供對(duì)操作的可見(jiàn)性。

全文總結(jié)

亦策觀數(shù)臺(tái)憑借其關(guān)聯(lián)引擎、增強(qiáng)智能等核心技術(shù)，將自助式BI的靈活性提升至一個(gè)新的層次，包括自主服務(wù)可視化、指導(dǎo)式分析應(yīng)用和儀表盤、嵌入式分析和報(bào)告等，是精心為中國(guó)企業(yè)量身定制的本土化、敏捷型、可嵌入的商業(yè)智能平臺(tái)。

在下篇文章中，我們將圍繞亦策觀數(shù)臺(tái)四大核心技術(shù)之一的“關(guān)聯(lián)引擎”展開(kāi)分析討論，深入了解亦策觀數(shù)臺(tái)是如何依托關(guān)聯(lián)引擎技術(shù)實(shí)現(xiàn)完整信息視圖、匯集多源異構(gòu)數(shù)據(jù)、探索無(wú)邊界以及動(dòng)態(tài)計(jì)算分析突顯顯示關(guān)聯(lián)等功能，引領(lǐng)中國(guó)智能BI產(chǎn)業(yè)的發(fā)展方向。