原创 王文信 商业智能研究 2019-12-02 帆软数据应用研究院 | 王文信 当前企业信息化迈入大数据阶段，数据量的爆发式增长和数据问题的暴露让越来越多的企业将目光转向数据分析与商业智能（即BI），期待从数据金矿中采炼更多，向数据驱动决策转型。 然而知易行难，企业数字化转型绝非一蹴而就，数据分析和BI带给企业的也不仅仅只有机遇和收益，还有各种问题和挑战。因此，企业数字化转型过程可谓是几家欢喜几家愁，数据成为生产力的道路也并非一帆风顺。那么我国企业的数据应用现状究竟如何，企业因何而喜又为何而忧？ 针对上述疑问，帆软数据应用研究院对2019帆软第二届数据生产力大赛的参赛企业进行了调研，形成本次调研报告。我们从价值定位、工作状态、专业能力和价值体现四个方面入手，对参赛企业的数据应用现状和获奖企业的优势进行了详细分析。 “数据生产力”大赛于2018年开启，是帆软面向全国客户举办的数据化管理应用奖项评选的赛事，也是商业智能（BI）领域的奥斯卡盛典。2019年参赛企业近百家，知名度高，遍布金融证券、零售、医药、电子、互联网等多个行业，涉及各类企业规模，本次调研结果可以作为企业数据应用情况的一个参考。

主要结论

绝大多数企业对数据分析和BI项目较为重视，并且取得了一定的应用成果，但是在领导层的应用普及还不够，数据应用成熟度仍有待提升； 在企业投入、定位等要素固定的情况下，人的因素在很大程度上决定了企业数据分析和BI项目应用效果的好坏。

1、数据应用现状

我们从价值定位、工作状态、专业能力和价值体现四个方面来分析参赛企业的数据应用现状。其中，价值体现即为最终的应用效果，其他三个方面可以视为影响应用效果的因素。 1.价值定位 价值定位聚焦于企业对IT部门的定位以及企业资源倾的斜程度等方面。 （1）企业的技术运维工作主要由IT部门支撑。 尽管目前BI市场已经在向业务人员自助分析发展，但是大部分企业的技术运维工作仍然由IT部门来支撑。如图1所示，超过66%的被调研企业将IT部门定位为技术运维，并且能以IT手段增强企业的业务管理和运作能力，从而支撑企业业务；30%左右的企业认为IT部门与业务部门是合作伙伴关系，IT技术能够帮助实现业务发展和新业务开拓；仅3.49%的企业将IT部门定位为产品运维，主要的技术性工作交由IT厂商来完成。

图1 企业对IT部门的定位

（2）大部分企业比较重视数据分析和BI项目，投入了较为充足的预算。 在国家宏观政策的支持以及信息技术的快速发展下，绝大多数企业对BI前景持看好的态度，对数据分析和BI项目有较高的重视程度。调研数据显示，将近75%的被调研企业在数据分析和BI项目上有着不小的投入，如图2所示。其中超25%的企业其领导非常重视数据分析和BI项目，给予了充足的预算；近一半的企业表示部分高管很重视视数据分析和BI项目，预算较为充足。也有约20%的企业表示高层的重视程度不够，投入的预算有限。

图2 企业对数据分析和BI项目的预算投入

2、工作状态 工作状态层面主要涉及到企业业务部门和IT部门的工作与配合，包括数据分析和BI项目的驱动来源、业务部门的数据需求、业务部门与IT部门的配合方式及效果等。 （1）企业的数据分析和BI项目主要由业务部门驱动。 从理论上来说，BI建设的需求最先应该是来源于管理层和业务部门，因为数据分析和BI的目的就在于将数据转化为知识，为企业提供业务决策支持。实际的调研结果也证实了这一点。如图3所示，在被调研企业中，数据分析和BI项目由管理层驱动和由业务部门驱动的企业合计占比近70%，其中由业务部门驱动的企业最多，占比37.21%；其次是管理层驱动，占比32.56%。由IT部门自我驱动的企业占比最低，为25.58%。因此，大部分被调研企业BI项目的建设方向和策略都是来源于业务决策的需求，部分企业的领导对数据分析和BI项目比较重视，能够主动推进项目的建设。

图3 数据分析和BI项目的建设方向与策略来源

（2）绝大多数企业的业务部门存在较多的数据需求，其中又以业务取数需求居多。 大数据时代背景下企业的数据需求激增，而企业之所以应用BI，无外乎是因为现有的信息系统无法满足其业务部门的数据需求，形成供不应求的局面。如图4，调研结果显示，超过95%的被调研企业，其业务部门拥有大量的数据需求，其中以业务取数需求和深度业务分析需求为主，合计占比约达75.8%；报表需求仅占19.77%。仅有4.65%的企业只存在少量的数据需求，其业务部门几乎不提数据需求。这也表明越来越多的企业希望能从数据中获取知识，洞察业务见解。

图4 业务部门的数据需求

（3）IT部门主导仍是企业业务部门与IT部门最主要的配合方式。 当前企业的数据分析和BI项目建设仍然以IT部门为主导。在被调研企业中，采用IT完全主导和IT强主导这两种配合方式的企业合计占比近78%，如图5所示。这一结果从某种意义上也体现出了当前的BI市场现状，目前自助式BI分析并未完全成熟，IT部门仍然需要从技术层面，来实现业务部门的大部分报表和分析需求。一旦未来几年自助式BI分析发展成熟，大部分企业的数据分析和BI项目建设将开始向业务主导的方式迅速倾斜。而且值得注意的是，个别企业已经实现了智能自助，即IT人员建设底层的数据仓库，数据处理和BI分析均由业务人员通过BI工具实现。

图5 企业业务部门与IT部门的配合方式

（4）企业业务部门与IT部门的配合效果较好。 对于IT主导的配合方式，目前来看最终的配合效果也很不错。图6显示，将近84%的被调研企业认为IT与业务配合的较好，其中24.42%的企业更是可以用“如鱼得水”来形容IT与业务的配合关系。当然，也有约16%的企业不满业务与IT的配合，认为IT与业务部门之间存在一定的误会甚至是质疑。

图6 企业业务部门与IT部门的配合效果

3、专业能力 专业能力主要体现在企业数据分析和BI项目的支撑团队上，团队的规模、开发能力，以及能力短板等是较为关键的衡量指标。 （1）大部分企业的数据分析和BI团队规模较小，不够成熟。 总体上来看，目前企业用以支撑数据分析和BI项目的团队仍然不够成熟。图7中的调研结果显示，仅有20%左右的被调研企业拥有5人以上的成熟数据团队，能够有力地支撑数据分析和BI项目；超过半数的被调研企业以3~5人的团队来支撑数据分析和BI项目，20%左右的企业其数据分析和BI项目建设团队仅为2人及以下；甚至有近7%的企业没有专门的建设支撑团队，采用的是个别员工兼职的方式。

图7 企业数据分析和BI项目支撑团队的规模

（2）团队成员的开发能力整体处于中等偏上水平。 从图8中的调研数据来看，被调研企业数据分析和BI项目团队的成员都具备基本的开发能力。超过半数的被调研企业表示其团队成员有一定的开发经验，常规的报表开发不是问题；26.74%的被调研企业认为其团队成员具备从数据底层到前端可视化的完善能力体系；更有9.3%的被调研企业的数据团队成员是既懂业务又懂技术的高手。当然，也有部分企业的团队成员仅会一些简单的操作，开发能力不能很好地满足项目需求。

图8 团队成员的开发能力

（3）业务理解能力是团队成员最大的能力短板。 针对团队成员能力短板的分析结果再一次证明了前文关于团队成员开发能力的结论，即团队中既懂业务又懂技术的高手并不多。如图9所示，41.86%的被调研企业认为数据分析和BI项目团队成员的最大短板在于搭建企业各业务模块分析体系的能力。这也是IT部门主导BI项目的一个缺点，企业的IT部门主要以技术运维为主，在业务方面则缺乏较深的理解。另外，有17.44%的企业认为数据分析和BI项目团队成员在数据分析思维、方法和技巧上需要进一步提高，19.77%的企业不太认可团队成员的项目价值传播能力。

图9 团队成员的能力短板

4、价值体现 最后价值体现，也就是企业数据分析和BI项目取得的效果，主要体现在项目运行状况、应用普及率以及扩大价值的挑战等方面。 （1）绝大多数企业的数据分析和BI取得了成功，运行状况良好。 图10中的分析结果表明，从运行状况来看，被调研企业的数据分析和BI项目还是非常成功的，仅5.81%企业表示项目访问量较低，业务部门基本不会查看。绝大多数企业的项目访问量相对稳定或较高，甚至有8%左右的企业其数据分析和BI项目受到了全公司的关注，很好地支撑了领导层决策。

图10 已上线数据分析和BI项目的运行状况

图11 数据分析和BI项目在不同部门层级的应用普及率

（2）数据分析和BI项目的整体应用普及率一般，在IT部门的应用最为深入，在领导层的普及率仍有待提升。 当数据分析和BI项目在某一部门层级的应用普及率达到60%以上，我们就认为项目在该部门得到了较为深入的应用。根据调研数据，66.74%的被调研企业至少在领导层、业务管理层、业务执行层、IT部门中的某一部门层级得到了较深的应用，因此整体来看，项目的应用普及率只能算是合格。 另外，如图11所示，一个非常明显的趋势是应用普及率随着领导层-业务管理层-业务执行层-IT部门的顺序上升。大部分被调研企业的数据分析和BI项目在IT部门应用得比较深；仅36.05%的被调研企业，其数据分析和BI项目在领导层得到了较深的应用。也就是说，越偏向于执行层级，数据分析和BI项目的应用普及率就越高。结合前面的结论，虽然管理层级对企业的数据分析和BI项目较为重视，但是最终能普及到他们的应用却仍然不够。而如何让企业的管理层更好地应用BI，发挥出BI的最大价值——决策支持，是企业接下来需要重点思考的问题。 （3）企业的数据应用成熟度集中在业务洞察阶段，整体处于中等水平。 如图12所示，被调研企业的数据应用成熟度表明，大部分已上线BI的企业处于“数据间接产生价值”的阶段，即通过数据来驱动企业决策和运营。其中，超过半数企业的数据应用处于业务洞察阶段，他们通常使用统计分析、预测分析以及数据挖掘技术，来提示重大、相关的业绩改善建议；31.4%的企业仍处于业务监测阶段，他们通常应用传统的DW和报表方式，监测现有企业业务的运行状况。值得注意的是，虽然整体上来看，企业数据应用成熟度并不高，但是也有近12.8%的企业处于“数据直接产生价值”的阶段，他们往往通过业务重塑发现新的商业模式，产生新的盈利手段，而且这一比例较去年是有所提高的。按照这一趋势，未来会有更多的企业进入业务重塑和数据盈利阶段，数据将真正成为企业的生产力。

图12 企业数据应用成熟度

（4）企业在进一步扩大BI产出价值上存在不小的挑战。 面对当前数据分析和BI项目的应用效果，企业要想进一步扩大BI项目的产出价值，需要克服不少困难。图13中的词云图表明，被调研企业认为最大的四项挑战分别是数据人才的培养、数据的整合与治理、与管理层及业务部门的配合、以及IT部门自身的能力提升。具体地，被这四个问题困扰的企业均超过50%。另外，衡量数据分析的价值产出、公司重视程度或预算投入这两项挑战也占据了较大的比例，占比均超出40%。另外，有20.93%的被调研企业在数据分析工具的选择上存在困扰，而BI工具选型的确是项目成功与否的关键一环。还有13.95%的被调研企业认为，项目风险的控制也是BI价值产出的一道阻碍，风险控制不善将会给企业带来非常大的损失。

图13 企业扩大BI价值产出存在的挑战

2、获奖企业优势

在前文中，我们对参赛企业数据应用的整体情况进行了分析，包括各项影响因素和应用效果，但是我们依然无法判断出哪些因素对应用效果有较大的影响。因此，我们将数据生产力大赛的获奖企业筛选出来，对他们的优势进行了进一步的分析，得出以下结论。

1.获奖企业的数据应用效果优于未获奖企业

从价值体现，也就是最终应用效果的角度来看，获奖企业的数据应用效果要明显优于未获奖企业。这一结论也从证明了帆软数据生产力大赛的专业性和公平性。 （1）获奖企业的数据应用普及率明显优于未获奖企业 调研数据显示，获奖企业的数据分析和BI项目的整体应用普及率达到了78.26%，明显高于所有企业综合得到的数据66.74%。并且如图14所示，除了领导层应用普及率的企业占比类似，获奖企业的数据分析和BI项目在其他部门层级的应用普及率均高于未获奖企业。尤其是在业务管理层，应用较深的获奖企业占比达到了56.52%。这一结果表明数据分析和BI项目在获奖企业的管理层级中也得到了较为深入的应用。

图14 获奖企业的数据应用普及率

图15 获奖企业的数据应用成熟度

2、影响企业数据应用效果的主要因素在于人

通过对获奖企业的价值定位，工作状态和专业能力三个方面的影响因素进行分析，我们发现获奖企业与未获奖企业的主要区别体现在人的层面，包括工作状态方面的部门配合效果、专业能力方面的团队规模和成员开发能力。 （1）获奖企业的团队配合效果要明显优于未获奖企业 图16中的调研数据表明，获奖企业中，业务部门与IT部门配合效果一般的企业减少了很多，所以最终配合效果在顺畅以上的企业占比高达91.3%，较整体情况有了不小的提升。

图16 获奖企业的业务部门与IT部门配合效果

（2）获奖企业数据团队的专业能力要高于未获奖企业 调研结果显示，不论是团队规模还是团队成员的开发能力，获奖企业的表现均高于未获奖企业。在团队规模上，获奖企业不存在个别同事兼职运维的情况，5人以上成熟数据团队的企业占比也有小幅的提升，如图17所示；在团队成员的开发能力上，仅会简单操作的企业占比从整体的12.79%下降到了4.35%，相应地，数据团队拥有完善能力体系成员的企业占比、拥有高手成员的企业占比均有所提高，如图18所示。

图17 获奖企业数据分析和BI项目支撑团队的规模

图18 获奖企业团队成员的开发能力

3、结 语

BI已经成为企业精细化运营不可或缺的一部分，其价值无需多言。除了资源投入、基础设施等要素，数字化转型同样离不开人的支持。图13中的结果表明绝大多数企业已经意识到了这一点，这也为企业后续的项目实施提供了指导方向。数据人才的培养、团队配合效果的改善将是企业在下一阶段的行动关键。期待BI在越来越多的企业中发挥价值，让数据成为真正的生产力。

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI，但权威机构IDC指出市场占有率第1的还是FineBI，这些都可以做数据分析。