-
-
wuyingchun 数据达人Lv4
发表于2019-3-7 15:54
楼主
随着时代潮流发展，传统的BI工具已经不能满足企业的需求，那么一些厂商就会跟据企业的需求来研发出适合它们的产品，因此敏捷BI就随之而来了。
1. 数据时代催生敏捷需求
其实最早提出“大数据”时代到来的是全球知名管理咨询公司-麦肯锡，麦肯锡季刊曾发表：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素“。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。
无论任何新的概念或者技术，如果它没有应用价值，就肯定不会被推广，但如果它具有个人都能理解的“应用价值”，就会在今天被移动互联网快速传播、无限放大。无疑“大数据”就是这样发展起来的，同时人们也从其应用价值中接受了“数据化管理、数据化运营、数据化决策“等管理理念。这也是大数据能够成为驱动经济、社会进步与发展的原因。
与此同时，企业的经营面临越来越激烈的竞争，政府的转型也面临数据服务的压力，如果部署数据分析平台还像10年前经历漫长实施过程的话，那么数据化运营将成为空谈。于是满足市场期望的“敏捷商业智能“出现了，无论用户还是厂商，都希望能够在数据平台上构建分析系统的过程变得更加迅速、简单和高效！
敏捷BI的架构
规模以上企业、政府往往都已经构建了基于标准技术的数据平台，比如MPP数据仓库或者Hadoop/Spark等环境，为大数据的存储和计算提供了基础保障。敏捷BI应当能够复用这些资源，毕竟分析数据不是每个人都需要操作的，不用考虑“大并发”的应用场景（一般不会超过100人）。
与此同时，以各种形式做中间单点存储的架构（比如一些MOLAP产品）将不再必要，刨除微软相关产品，敏捷BI都应该是2台应用服务器集群就能够满足要求，并可以与用户自身的系统进行完美的集成。
敏捷BI性能
性能，尤其是在大数据下的查询性能，是所有用户最为关心的维度。用户操作的结果能否快速返回，决定了其分析思维能否连贯的进行下去，更决定了试误操作的成本代价。
但其实性能解决方案，应当是整体技术架构的考虑，而不应该被认为是前端分析软件自身的责任。这好比买车上路，能开多少速度，一方面是车的性能，但更重要的是路况及限速要求！
敏捷BI不应依赖自身构建数据计算能力，比如内存计算或者定制 Hadoop，如果这样做，首先违背了第二条本质（快而有效的部署），同时也给自己适应大数据分析埋下了地雷，因为不可能在相对合理的成本下把大数据全部复制到内存或者文件系统当中。这点已经可以从国外知名产品得到证实。
敏捷BI的意义
通过部署“自助取数与分析平台”，客户获得的真正价值包括：
■ 数据产生于业务部门，现在也可以回归于业务部门进行分析利用，从而实现信息化的真正闭环，推动数据质量、数据完整性的建设；
■ IT部门更加专注于技术的创新与应用，比如引进Kylin等大数据分析平台，也可以更加投入在元数据的维护与管理上，提升分析平台的服务效率；
■ 对于个人来说，业务部门的分析人员学习到了更多的工具，而技术人员也因为掌握数据知识而转型为业务分析师的机会。这样的人员内部流动对企业来说更是释放了潜在的内部生产力；
■ 对企业来说，数据不再是搁置在硬盘上的1-0，而是能够驱动全面决策的数据资产，从这样的结果来说，IT部门因此能够得到更充足的资金预算；
■ 对实施来说，漫长的交付周期能够缩短50%，主要精力放在数据模型、安全体系、元数据服务等基础工作上就可以了；
敏捷商业智能的延伸
从前文可以看出，敏捷BI以“快而有效”的交付、查询、部署、变更解决了业务与技术长期的矛盾，为数据市场带来了新的活力，未来我们也会不断增强自助分析的功能。但我们也要冷静思考：
■ 你所在的企业业务人员是否有时间精力和足够能力去学习新工具的使用？
■ 你所在的企业技术人员是否有能力提供有效的平台运营和支持服务？
■ 敏捷BI和过去二十五年一样，无法替代Excel，这是为什么？
■ 敏捷BI和过去二十五年一样，只能通过Ctrl+C/V才能进入Word/PPT当中，而这“交付的最后一步”却是每个领导真正才会看到的数据分析！
■ 敏捷BI似乎没有改变数据（无论图表）的堆砌，用户很难为其增加辅助性的说明文字，加入自己的观点！
根据以上敏捷BI的发展和未来趋势来判断，很显然敏捷BI不能取代传统BI，就像智能手机已经普及很广泛了，但是一些老人机还是有人使用的，因为它合适一类人的使用。
