不同的企业在所属行业、具体业务、发展和管理水平、信息化水平、人员技术背景等方面都存在非常大的差异，照搬照抄别人的答案并不能解决问题。企业必须“量体裁衣”，找到最适合自己的BI工具。采用技术太过前沿的BI工具，如果没有落地场景，这些工具最终将变成IT部门的成本，而技术落后的BI工具很快就会过时，对企业发展也有很大的制约。因此，在BI工具选型时须慎重，走中庸之道，不保守、不激进，不盲目追求新技术。所选的工具不仅当下能发挥作用，而且在一段时间内其技术不至于过时。既关注工具本身，也要考虑企业自身实力。从场景出发选择BI工具，必将带来不错的回报。

BI工具选型要素

具体而言，关于BI工具选型要素，企业需要考虑的不外乎易用性、稳定性、功能、采购成本、BI厂商的能力等几点。图1所示为帆软数据应用研究院的调研数据，可以看到企业在选择BI工具时，最关注的是BI工具是否高效、易用和便捷（69.10%的受访企业看重这一点）。而Gartner在Survey Analysis: Key Selection Criteria for Business Intelligence and Analytics Platforms报告中指出，工具的易用性对企业获取商业价值也是排在第一位的影响要素。 从图1来看，企业对于BI工具的功能与稳定性的关注，比例相近，是选型时考虑的第二大要素。而采购成本并不是企业选择BI工具时的主要考虑因素。另外，近三分之一的企业（占比为31.2%）看重厂商所提供的服务支持和学习资源，说明企业认识到BI工具附带的服务和学习资源在项目的运维与开发中有着至关重要的影响。

易用性

易用性决定BI平台的整体使用体验，是影响用户持续使用的首要因素。具体来说，BI工具的易用性主要体现在上手难度、交互体验、学习资源丰富度等方面。 很多BI工具都有“零编码设计”的理念，目的是最大限度地降低用户的上手难度，能用可视化界面实现的操作，坚决不写代码，能用鼠标拖、拉、拽操作实现的分析，坚决不用函数，大大降低了学习门槛和成本。 由于使用BI平台的人员职能各有不同，各方面素质也有不小差别，因此对于不同的使用对象，BI平台的交互体验是否足够好，是否能满足他们的需求就非常重要。例如，开发者是否能快速建立数据模型，做好数据预处理；业务人员是否能在无技术基础的情况下快速进行自助分析，洞察业务问题；平台管理员是否能够迅速建立完善的权限体系，方便地管理整个平台，如对角色的管理，对组织架构的管理，对权限的管理，对分析模板的管理等。 最后是学习资源的丰富程度。与手机等不需要说明书即可操作的工具来说，BI工具还达不到这种易用境界，毕竟它更多时候被用于开发。如同Excel一样，要想成为BI工具高手，实现更深入的数据分析，还是需要学习的。所以，易用性还要求BI工具为用户的学习提供方便，也就是提供多种多样的学习资源，例如帮助文档、教学视频、技术方案、问答等。这些附加内容帮助用户在快速入门后进一步提升对BI工具的应用能力，也为企业创造更多的数据应用价值。

性能

BI工具的性能决定BI平台的运行速度与运行质量，不仅要快，还要稳定。大数据时代，企业数据的量级不可同日而语，能支撑大数据也是对BI平台的关键要求。大部分公司会通过Hadoop、Spark等大数据架构，配以BI工具做数据层面的分析，搭建一整套大数据分析平台。大数据分析很关键的一点便在于性能：取数快，分析响应快，能实时处理数据。这些性能特征除了与平台的底层技术架构相关，与BI工具的性能也有很大关系。 很多人可能认为BI工具就是一个数据展现工具，从前端看起来没有什么技术含量，但其实BI工具的前端展示功能只是冰山一角，其背后的逻辑十分复杂，实现难度也很大。好的BI工具都有与之搭配的数据引擎，其作用一方面是提升数据响应的性能，例如大数据量下的快速计算；另一方面是根据不同的数据量级和类型，灵活地调整计算模式和方案，比如对小数据快速读取，对大数据进行分布式并行运算，对节点数据实时展现等。例如FineBI的Spider引擎之所以能做到亿级数据秒级展现，是因为其配备的不同策略和高性能算法能够灵活高效地支撑前端的高性能分析。 BI工具还要保证稳定性，频繁宕机和故障对企业来说是难以承受的。曾有企业采购某厂商的BI工具后，因为频繁宕机而使得企业的整个IT环境都受到影响，最终不得不撤出采用了该产品的系统，不敢再部署到生产环境中。最后的解决方案也只能是更换BI工具，所以稳定性也是BI工具选型时必须考虑的性能特征。

功能

BI工具的功能众多，不同企业的需求也不同，但是有几个核心功能是必须具备的，包括数据准备、数据处理、数据分析与可视化、平台管控、场景需求转换等。总体来看，考虑BI工具的功能时，一定要符合强大、灵活、易用、安全、可视化程度高的特点。 （1）数据准备。 数据准备是指将原始数据读取到BI平台并进行基础的管理和建模，为后续的分析奠定基础，具体包括数据存取/连接、数据管理等环节。 BI工具要允许用户连接到本地和云上各种类型存储平台中的结构化和非结构化数据。主流BI工具都支持将数据存储到本地服务器，以提高BI平台访问性能和数据安全性，减小对业务系统实时直连抽取数据的压力，避免因数据提取而导致业务系统宕机。同时，BI工具也提供直连数据库和数据仓库的功能备用。表1给出了BI工具需要支持的主流数据类型。 除了存储和连接数据外，某些企业还有补录数据的需求，因此部分BI工具也提供了数据填报功能，允许企业录入业务系统之外的数据。 BI工具也常以业务包的形式对数据进行管理，使用户可以根据不同的业务包主题对数据分类，提供数据相关的各种信息。用户可以通过血缘分析、更新信息等内容和关联建模等操作，更好地了解和管理自己所拥有的数据。 （2）数据处理。 在企业中，分析人员对于数据处理的需求灵活多变，并且经常需要对不同业务系统的数据根据相同的维度或者属性进行关联分析，IT部门提供的对数据的基本处理功能和基本的关联关系并不能完全满足需求。 例如，分析人员要根据公司产品销售明细数据分析用户的特征，并调整相应的销售策略。这个时候就需要基于销售清单数据，计算相应的分析指标，比如每个用户的消费频次、单笔消费最大金额、最近两次消费的时间间隔。这就要求BI工具提供数据处理功能（例如新增列、分组统计、过滤、排序、上下合并、左右合并等），使用户能以极低的学习成本将数据处理成自己需要的结果，也让IT部门更专注于准备基础数据的工作，将数据分析与处理的任务交给更熟悉业务的分析人员。帆软自助式BI工具FineBI创新地提出了“自助数据集”的概念（即用户用于自行处理数据的数据集），业务分析人员只需要点击“选取数据表和字段”菜单项，执行对应的操作，就能处理基础数据表，得到后续进行可视化分析所需的数据集。 （3）数据分析与可视化。 BI中的数据分析与可视化有多种需求类别，例如可视化探索分析、制作仪表板、制作固定报表等。 其中，可视化探索分析需要面向分析人员，让他们能够以最直观快速的方式，了解自己的数据，发现其中的问题。用户只需要进行简单的拖曳操作，选择需要分析的字段，几秒内就可以看到想要的数据，通过层级的收起和展开，下钻上卷，可以迅速了解数据的汇总情况。这对BI工具的多维分析和可视化图表等功能有非常高的要求。 仪表板的目的在于让用户将多个分析内容组合成一个展示面板或者报告，并基于面板监测关键指标，定期汇报工作，将用户从手工处理Excel文件、制作PPT文稿中解放出来。因此，用户利用仪表板应该可以随时通过筛选器过滤数据，可以通过组件联动功能实现关联分析，还可以通过跳转功能将多个仪表板组合成一个更大的分析主题等。此外，作为展现数据主题的容器，仪表板还应提供自适应布局、主题颜色与样式配置、丰富的组件样式等，让用户可更好地展示和表达数据分析的思路和结果。 对于固定报表，BI工具需要提供不同表格样式和复杂格式的设计能力。 （4）平台管控。 在所有的功能之上，依靠BI工具的平台管控功能，企业可以建成数据分析体系，方便地管理仪表板与用户，以及对系统进行个性化设置，进而支持各种业务主题分析。具体来说，平台管控需要为用户提供统一访问、集中管理、分类维护三大功能。 统一访问：提供统一的应用访问门户，通过对用户角色和权限的控制，使不同角色的用户能够通过一个门户系统看到符合自身需求的仪表板视图，使用仪表板功能。 集中管理：对于数据决策系统中的系统资源、系统配置、监控日志、用户、权限、仪表板模板、定时调度等内容提供统一的管理环境，方便用户日常管理。 分类维护：在整合和规范仪表板数据的基础上，为不同类型仪表板提供对应的开发手段，采取统一的仪表板模板化定制和发布方案，简化其维护工作，降低此项工作对IT人员的依赖。 （5）场景需求转换。除了PC端应用以外，不少企业还会有数据大屏、移动端应用等场景需求。因此，BI工具要具备场景需求转换的能力，在不同的终端场景中有较好的自适应性和稳定性，以满足不同人群、环境和场景下的多样化需求。

采购成

BI工具选型通常会受到财务预算的限制，因而采购成本也是不少企业在选型时重点考虑的因素。然而，对采购成本的控制不等于简单的报价和还价，价低者为最佳，还包含对很多隐性因素的考量。企业需要格外注意两点：一是综合考虑各项成本，二是学会用ROI（Return On Investment，投资回报率）模型量化价值。 每个企业都想花最少的钱买到最好的BI工具，然而很多企业忽略了总成本领先原则，并没有对成本进行综合考虑，而仅看到显性的采购成本。这样很容易导致虽然采购时省了不少钱，但最后加上其他隐性项目反而成本更高。这里需要提醒的是，企业采购和应用BI工具（产品）的成本通常包括：许可证的购买成本（初始的采购成本，年费模式下还包括续费成本）、实施成本（初始的实施成本和持续的运维成本）、厂商服务费用（产品升级与技术支持费用），以及产品的学习和使用成本等。在满足需求的前提下，企业在选型时不能局限于绝对的低许可证成本，而是要综合考虑，追求相对的总成本领先。“节约下来的成本都是纯利润”，采用总成本领先的选型评估方式，企业才能真正做到既省钱又省心。 这里举一个关于BI工具选型的反面例子。某金融机构计划搭建业务自助分析平台，在完成前期方案交流、POC（Proof of Concept，概念验证）测试之后，计划购买包括BI工具在内的多套工具，同时项目周期预计为10人月（10位项目成员工作1个月），并准备投入近百万元的预算。在最后的投标环节，因为遵循价低者得的原则，某BI厂商给出的8万元方案中标。该金融机构当时觉得性价比非常高，但是等到项目启动时，BI厂商一开始承诺提供给企业的人员质量、工具功能等均无法兑现。最终，该金融机构支付首款后便终止与这家厂商的合作，项目夭折，等待后续重新启动。从这个案例可以看到，该金融机构陷入了低价陷阱，“赔了夫人又折兵”，既浪费了财力，又影响了项目进度。这样的结局，也就谈不上节约成本了。 Gartner在Survey Analysis: Customers Rate Their Business Intelligence Platform Ownership Cost报告中的分析结果也体现了总成本领先原则在BI工具选型中的必要性。报告指出，随着时间的推移，低许可证费用并不意味着较低的BI平台持有成本，也并不一定能带来更高的商业收益。报告还发现，由于许可证费用低而被广泛采购的开源平台，反而因较高的IT全时当量（Full-Time-Equivalent，FTE）费用，平均每个用户的BI平台三年持有成本却是最高的。因此，Gartner在报告中对BI工具采购成本的评估给出了以下几点建议： 评估BI厂商时，要从功能需求、使用其产品后获得的商业收益和潜在业务收益等方面综合考虑成本。 不要只关注初始价格谈判，还要关注BI工具部署规模增长所带来的增量定价成本，以及随时间推移而增加的BI平台维护成本。 在考虑从一个价格较高的BI工具转移到一个总成本较低的工具时，要评估转换成本。 综合考虑成本就一定能选到高性价比的BI工具吗？答案是不一定。为什么这么说，因为综合考虑成本只能让企业花较少的钱，但并不一定保证能为企业带来更大的价值。这时就需要采用ROI模型来衡量了。ROI理解起来非常简单，就是指投资回报率，或者投入产出比，用预测的量化价值除以成本即可得到。这里的量化价值除了节省的人力成本等显性经济收益外，还包含一些隐性的管理收益，例如效率提升、职能转变、员工能动性增加等。相对于只看成本，ROI模型则更加科学，如果ROI较高，那么BI工具也就选对了。 不过话说回来，企业的投入也不是没有限度的。在有限的投入下，综合考虑采购成本，并以ROI模型量化BI工具的产出价值，能够帮助企业弄清楚自身到底需要什么样的BI工具。如果有较高的ROI，适当增加采购预算也不失为正确的选择

BI厂商的能力

除了前面列出的工具相关要素外，BI厂商的能力也是选型时需要考虑的重要方面。毕竟从某种意义上来说，BI厂商的能力决定着BI工具的优劣。在厂商层面，主要考虑品牌、服务和解决方案三个要素。 （1）品牌。 品牌是BI厂商整体实力、市场占有率、用户认可度和口碑的综合体现，无论买什么，选头部品牌总没错。在B2B领域，品牌就是厂商的形象。关于BI厂商品牌的评估，可以先看厂商的运营方式，比如是一站式服务还是组合式服务，再看厂商的经验和积累的口碑，比如是否有众多的成功案例，是否给企业客户带来了很大的价值。 （2）服务。 很多人都将关注重点放在BI产品的能力上，而忽视了BI厂商服务的重要性。其实，一旦BI产品在使用中出现问题，如果厂商无法提供服务，企业就需要再投入成本进行后期维护，这项工作极其困难而繁重。因此，在选型时要充分考虑厂商是否提供本地化服务，是否能快速响应，是否有完善的问题解决机制等，并且还要考虑对于企业一些特定的需求，厂商是否能提供服务支持对BI产品的二次开发。 （3）解决方案。 解决方案也是BI厂商能力的一个重要表现，是否拥有具体行业的解决方案反映出厂商对该行业的BI应用是否积累了丰富经验，对行业特点是否有较为透彻的了解。完备的行业解决方案能够帮助企业精准定位业务问题，对症下药，得到的效果自然也就更好。 将以上选型要素作为指标，可以制作成一张BI工具选型评分表，如表2所示。企业在选型时针对每个指标项，考虑BI工具的优势、劣势以及需要进一步了解的情况，根据评估维度打分后再按照权重计算总分。当然，企业也可以根据自身的选型需求对表格进行调整。 除了前面提到的各项选型要素外，宏观经济环境对BI市场也有较大的影响，这也是在BI工具选型时需要纳入考虑范围的因素。 尽管早期国内BI市场被大量国外产品所占据，但是随着我国大数据产业迅速发展，政府出台各项扶持政策，大量创新企业迎来发展机遇，国产BI工具也崭露头角。 IDC《2019年下半年中国商业智能软件市场数据跟踪报告》显示，国内BI厂商帆软超越SAP、Microsoft、IBM、SAS等众多国际巨头，以16.3%的市场占有率位列第一。国内BI厂商在本地化服务和落地能力上具有优势：更了解国内企业经营的痛点；提供的项目实施、技术支持、学习与培训等本地化服务也更贴心，并且项目实施后的运维更加方便；BI上下游的不同国产软件企业间还互相提供了接口进行融合等。可以预见，在大量利好政策和创新土壤的孕育下，国内市场将出现更多国产BI产品，与国外产品共同竞争，而国内优秀的BI产品将受到更多关注。

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

FineDataLink是一款做BI分析前的ETL工具，可以直接把数据接入到BI，同时可以把数据分享给数据中心，或者第三方需要用到数据的地方。同时，FineDataLink可以轻松地将来自各种数据源的数据集成到FineBI中，从而帮助企业更好地使用FineBI的数据分析和可视化功能，为企业带来更好的数据管理和分析体验。