加速中的 BI 国产化替代

20 年前，互联网刚刚进入到我们的视野；20 年后，数字技术进入到我们工作、生活的方方面面。扫码乘车、刷脸支付、直播带货……，面向大众的数字中国处处可见；城市治理、科学决策、智能制造…，针对行业的数字中国加速前进。

在数字变革下，大数据将引导整个社会全方位升级和变迁，数字化为生产注入新动能。相关统计显示，以智能化、高端化、高科技化为代表的新动能对中国经济增长贡献率超过三分之一，对城镇新增就业贡献率超过三分之二。

当前信息化建设已经从“互联网+”转向以数据深度挖掘和融合应用为主要特征的“智能+”阶段，数字基础设施建设是支撑未来经济社会发展的新型基础设施的重心和基础。围绕 5G 网络、工业互联网、数据中心、基础软件等重点领域的“新基建”提上日程，加快部署，数字中国从生活数字化深入到行业数字化。

自主可控成主旋律，国产化替代加速

当一个国家的科学成果数量占世界科学成果总量的 25%，就可以被称之为世界科学中心，这是日本学者汤浅光朝提出的观点，世界科学中心转移也因此被称为“汤浅现象”。2000 年前后，美国的世界科学中心地位受到了新兴势力的挑战。普遍认为，新角色将由中国扮演。在我国，国产化替代从民间走入官方。

工业和信息化部新闻发言人、信息技术发展司司长谢少锋说，在基础软硬件方面，我们将实施国家软件重大工程，集中力量解决关键软件的“卡脖子”问题，着力推动工业技术的软件化，加快推广软件定义网络的应用。

全栈自主可控将成为大型企业主流 IT 基础设施的新特征。公开数据显示，CPU 的国产化率为 3%，操作系统和虚拟化国产化率为 5%，数据库国产化率为 10%，中间件和 ERP 国产化率相对较高，达到了 30%。虽然在各个细分领域，国产化替代率呈现逐渐走高的趋势，但整体比例低，均存在着巨大的发展空间。

可喜的是，国产化替代早已行动起来。从“去 IOE”到“去 SOA”就是例子，国产化替代已经从软硬件国产化的“去 IOE”（IBM、Oracle、EMC）延伸到顶层设计咨询国产化的“去 SOA”（SAP、Oracle、Accenture），保证全方位的信息安全。早在 2013 年，最后一台小型机在阿里巴巴支付宝下线，标志着阿里已经完成“去 IOE”。事实上，在某些领域，我们实现了超越，“卡脖子”问题名存实亡，数据分析领域就是其一。业界一直有着“内永洪，外 Tableau”的说法，永洪科技一站式大数据平台拥有自主研发的基于内存的高性能计算引擎，实现从千万到百亿级数据分析的秒级响应，也因此成为了替代国外同类产品的核心原因，在中兴、美的、海尔等众多大企业早已完成了集团化部署。

当然，不同于其他产业，IT 基础设施国产化存在显著的“木桶效应”，在“硬件、软件、服务”链条中任何环节的国产化能力缺失都将造成整个自主体系发展的停滞。重塑中国数字底座，需要在由核心芯片、操作系统、中间件、基础应用等集合而成的完整 IT 基础设施体系全方位布局，打造具有自主知识产权的核心产品成为了重中之重。

敏捷 BI 是切入点，数字企业进行时

“BI 是企业转型数字化最高效的方式之一。”知名调研分析机构很早就做出了这样的判断。

数字时代下的企业数据化目标是数据驱动业务，本质是数据规律的可视、可控、可优，因此，BI 是企业数据化运营的刚需。对于广大企业来说，对 BI 的选型成为重要工作。敏捷 BI 是发展趋势已成共识，因为传统 BI 存在的不足已被广大企业所熟知。其中，下面三点尤为突出。

第一，实施失败率高。据不完全统计，在企业实际的应用中，BI 的实施失败率高达 70%。在这其中，国外产品引入国内后因水土不服导致的失败更是让人唏嘘。

第二，部署开发周期长。传统 BI 产品的部署往往需要几个月时间，需要进行整体的架构设计。这样的部署周期在日新月异的商业环境下更显尴尬。

第三，IT 部分负担重。传统 BI 的报表制作需求会由业务部门提交到 IT 部门去实现，且每个新的需求都需要重新建模开发，不仅 IT 部门负担沉重，多达数日的制作效率更会让业务部门错失商机。

正是传统 BI 无法根治的问题和商业环境的迫切需求让敏捷 BI 顺势而生。只需一周即可部署上线；再也不需要建二次表、Cube、经历复杂模型的漫长流程；可以从海量数据中瞬时生成分析结果；业务人员可以自助取数分析获得报表…，敏捷 BI 规避掉了传统 BI 的种种不足，成为行业的首选。

因此，敏捷 BI 领域国际领头羊 Tableau 一时间风头无两，在全球范围获得了快速发展。美国将数据分析技术列为出口限制技术，因此，BI 国产化替代加速发展，以 Tableau 为代表的国外敏捷 BI 在中国的市场遇到困难。

敏捷 BI“五子棋”，集团化部署可借鉴

敏捷 BI 作为趋势，那么对于广大企业来说，如何完成 BI 项目呢？敏捷 BI“五子棋”是经过众多成功应用而积累的成熟经验。

第一子：选型

选型是第一步，具体选型的方法包括如下几点：

1.产品架构：是 C/S 还是 B/S？

2.产品性能：能否稳定快速处理大数据统计分析？

3.产品集成：能否方便集成到华为 WeLink、企业微信、钉钉、公司 OA 等第三方平台？

4.数据接入：能否对接企业的所有业务系统数据源？是否可以跨数据源进行数据分析？

5.探索式分析：关联查询、缩放过滤、即席查询等等是否具备？

6.数据权限 &安全：行权限、列权限、不同的资源权限等能否满足企业的数据安全要求？

7.移动端：是否支持移动端的访问和数据分析？

8.实施 &售后服务：质量、问题反馈解决效率、文档说明完整性如何？

第二子：POC

POC：Proof of Concept，常译作“概念验证”。主要目的是验证所选型的工具能否满足业务需求或者性能要求等。可通过两种方式实现，即寻找业务中的重点和常用点进行验证。

第三子：部门试点

选择企业中的某个部门业务进行试点使用。比如选择财务部、人力资源部、采购部等。供参考的经验为选择业务量最大和最小的部门进行试用。

第四子：试运行上线

部门试点成功后，即可进行全公司试运行上线。试运行上线是新旧两个系统并行运行，运行一个周期，如果没有问题，可以停掉老的系统。

第五子：全面上线

试运行没有问题后，即可以淘汰老系统，全面运行新系统。

对于广大企业来说，BI 国产化替代的关键主要体现在两个方面：一方面，实现国产软件厂商产品、技术之间的适配，从而完成信息化的系统性替代，全部迁移到国产软硬件产品中来；另一方面，用户使用习惯也要相应的进行转变。