后疫情时代,经济进入新常态,市场环境不确定性加剧,越来越多的企业需要通过精细化运营和敏捷响应能力来增强生存能力,并寻找新的发展机会。在这种情况下,数据的价值得到进一步重视,数据驱动的分析与决策能力逐渐成为企业的刚需。
与此同时,企业对BI产品的需求也在发生变化。根据爱分析的观察,更贴近业务部门的BI产品正在逐渐获得企业用户的青睐,成为BI市场的新潮流。
企业对于BI的需求发生了哪些变化?以业务人员为核心用户的现代化BI能够为企业带来哪些新的价值?企业又该如何真正实现让业务人员参与数据分析?为了探讨上述问题,近期,爱分析对观远数据CEO苏春园先生进行了访谈。
观远数据成立于2016年,以“让业务用起来,让决策更智能”为使命,致力于为零售、消费、互联网、金融、高科技等行业的领先企业提供一站式数据分析与智能决策产品及解决方案。现已深入服务招商银行、联合利华、安踏、华润集团、元气森林、蜜雪冰城、小红书等500+行业领先客户,在让业务部门参与数据分析方面,积累了丰富的客户服务经验。
苏春园认为,2022年,中国的BI市场已经出现明显转折。
由于外部市场环境变化,企业为了自身生存和发展需要,对数据分析敏捷性和易用性的需求不断提升,传统的由业务部门提需求、IT部门响应的数据分析模式不再能满足需求,业务部门需要更多地参与到数据分析工作中。现代化BI正在取代“以IT团队生产报表为主“的传统BI,一款真正能“让业务用起来”的现代化BI产品,需要同时具备企业级的性能和易用性要求,并能够与业务问题结合形成场景化的解决方案。此外,企业需要通过赋能、培训、认证、运营等各种方式,提升自身的分析能力与数据素养。未来十年,数据分析能力会加速成为企业的核心竞争力。
01
多重因素驱动下,BI市场风向转变
爱分析:据爱分析的观察,近年BI市场的发展趋势明显呈现出从IT走向业务、从报表工具走向分析决策的特征。作为BI市场的长期从业者与新趋势领航人之一,请分享一下您对这一趋势的看法。
苏春园:2022年是BI市场一个非常明显的转折点。在过去5到10年,报表类产品是中国最受欢迎的BI产品,而Gartner今年发布的一份针对中国分析平台市场的报告提到,报表类产品的需求增速在逐渐停滞,增量的需求来自于更强调低门槛分析能力的现代化的分析型BI平台(Analytics and BI platforms),这类产品未来5年将会以超过30%的增速,引领整个BI市场的发展。
这个结论与我们6年间不断接触客户和对市场变化的持续感知产生的观察不谋而合。对于头部企业,他们大多在过去已经应用了一些报表类产品或是传统BI产品,现在这个阶段产生了升级换代的需求。而新零售、新能源、泛互联网等行业的新经济企业,他们大多需要从0到1,一步到位建设现代化BI。
爱分析:这一转折背后有哪些关键的驱动因素?
苏春园:我们还是按前面两类企业分开讲一下背后的逻辑。
新经济企业相对简单,像一些新消费品牌、泛互联网、造车新势力等企业,他们大部分是过去5-10年间成立,本身的业务天然就非常敏捷,靠数据驱动,而且他们在数字化产品服务方面的采购习惯很友好,习惯直接采购供应商产品而非自研。减少额外投入,从而能够更好地聚焦于自己的核心竞争力。同时,这类企业的决策层对数据价值的理解和重视程度较高,决策链较短,非常容易达成对一套完整的数据分析决策平台产品的购买决策。
大型企业对现代化BI的需求更像是天时、地利、人和共同驱动的结果。一方面,以Tableau为代表的国外BI厂商逐渐退出中国市场,国产化替代成为主旋律,这一系列变化让企业需要重新选择供应商,这个时候国内厂商的产品就成为首选。
另一个重要因素是宏观市场的变化。在过去五年,无论是金融还是零售行业的大型企业,数据分析的主要模式是由业务部门提需求,IT部门以周或月为单位进行响应,并产出相对固定化的分析报表。随着近两年外部市场不确定性加剧,变化加快,企业必须提升决策效率,同时“用好每一颗子弹”。决策颗粒度已经从原来粗放经营下的万元单位,到现在的千和百。从月度12次到周度52次,再到每天365次,不断抓住每一个对GMV、对利润的万分之一、千分之一的决策机会。
在这种情况下,传统数据分析模式的响应速度已无法满足当下需要,甚至已逐渐演变为业务受制于IT的局面。为了提升数据分析的即时性和颗粒度,必须要“让业务用起来”。同时,对BI平台的建设周期要求,也从过去的1-3年分阶段打好基础,变成现在的6-12个月完成业务价值的落地。
爱分析:要解决传统模式下响应速度慢的供需矛盾,理论上存在两条路径,一是通过为IT部门提供更好的工具,提升IT部门的生产力和响应能力,二是上面提到的“让业务用起来”。目前业内这两种路径的实践情况如何?
苏春园:这两种路径都是可行的,根据企业具体情况进行选择。观远有许多大型客户仍然采用IT部门深入BI作业的方式,针对这类客户,观远BI为IT部门提供完整的数据流水线式工具,让IT部门通过低代码拖拉拽的方式构建分析模型。同时提供移动BI能力,让IT人员能够以原来1/5的时间,快速发布面向不同业务部门的移动轻应用,增强了业务对于数据分析终端的粘性,系统性解决了产能和需求匹配的问题。
而谈到“让业务用起来”,的确也有许多领先客户已经进入业务部门用数据的阶段。比如招商银行、元气森林,虽然行业不一样,但一样的是从总部到区域,都有来自业务团队的分析师进行数据探索。而IT部门承担了更有意义、更高价值的角色,那就是数据的管控以及分析的赋能,这也是现代化BI与传统报表最大的区别之一。
可以看到,业务用数据的背后依然离不开IT部门在数据生产、加工、运维等环节的大力支持,但业务与IT在产生新的化学反应。
02
“活跃用户数”是衡量现代BI是否在企业成功落地的标准
爱分析:“让业务用起来”这一理念和对应的现代化BI工具,更适合什么样类型的企业去实践和推广?
苏春园:总体而言,这种现代化的BI工具确实主要服务于中大型企业客户,因为中大型企业的业务和管理复杂度较高,管理者对可视化数据分析的需求强烈,下属业务部门对数据的要求也比较多样。对于小微企业,比如电商,使用阿里巴巴后台等针对商户的数据服务就已经能够满足其数据需求。但一般来讲,如果一个新消费品牌GMV达到5亿以上,拥有3-5个及以上的销售渠道,就意味着采用传统方式进行数据分析将开始捉襟见肘,BI就成为刚需。
爱分析:业务部门对数据分析的需求越来越旺盛,具体落到各行业中,有哪些比较典型的业务应用场景?
苏春园:在业务侧存在分析需求的企业有不少共性。首先是To C属性明显,其次是决策更高频,最后是对分析的时效性要求更高。
从具体应用场景来看,确实受行业影响差异会比较明显。在零售行业,第一大场景是面向CEO的经营分析驾驶舱,其次是围绕从总部到区域到门店的完整运营线路的分析。在消费品行业,最重要的同样是CEO驾驶舱,其次是电商经营分析。在金融领域,零售金融业务的分析非常重要;在后台部门,风控类分析是重头戏。泛互联网行业则侧重基于用户增长分析等相关领域。
还有一点,在今年这样的寒冬之下,所有行业的CEO和高层都有一个共性,都无比地重视基于财务业务结合的BI分析,基于底线思维的精细化管理,才能保障可持续的增长。
爱分析:应该如何去评价一款现代化BI在企业的落地是否成功?
苏春园:我们认为,衡量一款BI产品的落地是否成功,用户数是最重要、最直观的评价指标。更确切一点,我们认为应该是看“活跃用户数”。前面提到的很多典型企业客户,在上线观远BI后的6个月,用户就从1-2个部门扩展到整个公司,从100个用户扩展到过1000个用户。让我们非常欣喜的是,越来越多的客户已经实现了让20%的业务团队先活跃用起来,然后快速地延展到组织内更广泛的业务团队。为什么提20%?这是几年下来观远看到一个很有意思的黄金点,领先的组织都达到或者超越这个渗透率。
爱分析:从报表和传统BI过渡到现代化BI,特别是更多业务人员直接使用BI的情况下,企业考量ROI的逻辑是否发生了一些变化?
苏春园:国外机构曾经定义过一些权威模型,大致会从开源、节流、增效等几个维度,对不同应用场景下的BI应用预估效果进行打分。观远也会应用这类模型,但我们更希望向行业去传递一种更加务实的评价基调。在我看来,BI无法给企业带来直接的增长,更多带来的是增长的能力,通过更科学的方式,从数据分析中持续发现增长机会,然后不断抓住每一个最细颗粒度的增长机会;对于节流和增效,也是持续的给到企业这种能力,有些结果可以直接量化,有些是效率指标的提升。
在今天的经济环境下,我们看到很显著的一点是成本的控制。今年我们有很多客户从原来自己研发专项调整为采购第三方产品。人的成本太高,相比于企业自研自建同样功能,我们的产品能够降低80%的成本,内部体验与响应速提升5倍。以某新能源车品牌为例,在使用观远BI替换原有BI工具后,节约了至少5个人以上的人力资源投入,而业务因为自己可以活跃使用,整体的响应敏捷度提升到原来的5倍以上。
03
产品易用性是“让业务用起来”的关键
爱分析:前面提到,现代化BI主要服务内部管理、业务都较为复杂的大型企业,观远是如何应对大型企业的这种复杂性,更好地为他们提供服务?
苏春园:一是在技术方面。一家大型企业,不同部门不同角色的人员都需要进行数据分析和探索,内部BI用户往往会超过千人级别,存在高并发的情况,对技术架构要求很高。观远BI基于能够水平扩展的大数据架构,可以支撑较大的用户体量。
二是产品方面。大型企业中,不同角色对数据的使用方式和分析需求不同,例如数据查询、简单数据计算、利用数据模型算法进行的高级数据分析等。原来需要通过几种不同的工具组合才能满足这一整套需求,对运维带来巨大挑战。观远提供整合的一站式解决方案,能同时满足不同深度、浅度的数据分析需求,以及对数据实时性和权限管控的要求。比如在一家企业中,CEO和一线业务人员都要在周一早晨看数,但从重要性角度,管理层的需求要优先保证,而一线业务人员则可以接受一定的等待时长,因此通过对不同级别用户进行计算资源上的隔离,能保证对重要用户角色的秒级响应。
三是服务方面。大型企业上线BI工具涉及运营、培训、推广、性能规划等多个环节,对厂商服务专业性要求很高。观远已经搭建了一套比较完善的企业级BI落地服务体系。
总的来说,观远以先进的产品、技术和服务为客户主动赋能,保障BI成功落地,实现数据驱动型的组织建设。
爱分析:观远BI为了“让业务用起来”,对产品进行了哪些针对性的设计?
苏春园:从产品角度,最大的关键词是易用性与企业级。过去6年,观远BI一直围绕这2个关键词,进行了持续的产品与技术的创新。
一是提升用户体验。观远通过优化产品界面设计,例如如何减少一个操作需要的点击次数等,提升用户体验。这一点收到了很好的客户反馈。
二是提供完善的产品功能矩阵。以一个场景举例,根据观远的观察,业务人员做数据分析前,有90%的情况下需要灌入自己的数据,并将IT处理好的数据与自己的数据进行融合或进行其他较为灵活的处理。观远BI针对这一场景提供了数据准备功能模块,不仅能够解决上述业务侧数据导入融合问题,也能够更清晰地向业务人员直观展示IT部门提供的数据来源、数据量以及数据类型等信息。在国内厂商中,观远是首先提供这一功能的。
又比如,观远提供的移动BI功能,支持企业将关注度高的场景和常用的指标看板,通过移动APP的形式组合发布到业务端,方便业务人员查看和使用,异常数据直接打通飞书、企微与钉钉,直接触达业务决策者。
此外,企业级是一个重中之重。很多企业使用了传统BI之后,一旦使用的人多,就容易出现性能问题。观远BI的企业级能力经过6年打磨,实现了代际领先,支撑了包括招商银行、元气森林等行业领先的企业从几千到几万业务用户的活跃使用。
爱分析:让业务用起来,需要让产品能与具体业务场景结合,观远是如何在产品中将行业最佳实践沉淀为行业化解决方案?
苏春园:基于行业最佳分析实践,观远BI面向用户层的应用市场中,以一种类似SaaS的方式提供高度封装的场景化分析套件,其背后是数据分析模型和具体数据的支撑,通过数据——模型——分析工具三层的结构,为零售、快消、金融、泛互联网等行业客户提供场景化的分析应用。未来,观远还会持续通过大量的服务经验,抽象和提炼更多分析场景,以更低的成本分享给用户。
爱分析:除了工具本身以外,“让业务用起来”对企业自身的组织、文化、数据基础等方面有哪些要求?结合观远的落地经验,请谈谈企业需要怎么做才能真正让BI产品在业务端广泛落地?
苏春园:从过往的观察来看,能够让业务端进行数据分析的企业,普遍已经建立起了相对成熟稳定的数据基础,为数据分析做好了数据准备。此外,企业整体数据素养也是一个决定性因素,包括数据文化、管理层对数据的重视程度等等。数据基础和数据素养这两个要素并非要同时满足,而是可以互为代偿,其中任何一个要素齐备都能够推动企业进行数据分析能力的进阶。
观远数据即将在10月发布最新定义的数据分析方法论,将从组织数据素养、数据人才、基础设施、业务流程等维度,对企业数据分析成熟度进行级别的划分,同时也能够基于这一模型,对企业数据现状进行全面评估和诊断。观远也会提供相应的数据分析运营培训,确保BI在企业的落地效果,真正让业务活跃用起来。未来十年,我们认为BI行业需要有客户成功的标准,BI分析的上线只是起点,而让业务真正活跃用起来,才是行业对客户的价值承诺。