BI采用率一直止步不前，而且已经很多年。

不过，分析使用可能最终取得突破。

人们早就认识到为广大用户提供商业智能的好处。数据驱动的决策比临时决策会带来更好的结果。企业内做出数据知情决策的用户越多，企业发展的潜力就越大。

然而，尽管技术的进步使BI更易于使用，以及很多企业认识到分析的价值，并投资于工具和扫盲计划，以教育其员工使用数据，但企业内的BI采用率仍然停滞不前。

根据研究表明，从劳动力方面来看，BI在企业中的渗透率在25%到35%之间。

例如，在2019年，Gartner将这一数字定为35%。但在 2022 年，BARC（商业应用研究中心）和 Eckerson Group 发布的一份报告显示，无论真实数字如何（调查结果因参与的企业而异），这个数字都没有增长。

根据ThoughtSpot首席数据战略官、前Gartner分析师Cindi Howson的说法，2009年的一项研究显示，BI在企业中的采用率为22%。Tableau公司首席产品官Francois Ajenstat于1998年开始从事BI工作，他回忆说，当时分析使用的比例约为19%。

在四分之一个世纪中，BI的采用率几乎没有变化。

Ventana Research公司分析师David Menninger说：“这相当一致。有些企业已经成功地通过分析吸引更多的员工，但也有些企业止步不前。”

罪魁祸首之一是BI工具本身。尽管通过添加无代码/低代码和增强智能功能，BI变得更容易使用，但它们仍然面向的是数据专家，而不是业务用户。

另一个原因是企业领导层接受度不高，进展缓慢。

还有一个问题是缺乏数据素养。

Ajenstat 称：“我们在技术上取得进展，但我们没有取得整体进展。有趣的二分法是，随着所有创新和对易用性的关注，我们一直无法突破。我相信应该部署率应该达到100%。我相信分析使用应该像电子表格一样普遍。”

然而，有些企业已经取得突破，并广泛使用分析，这表明我们有理由相信，在几十年停滞后，BI的采用最终将开始增加。随着人员、流程和技术的协调，这可能很快就会到来。

Howson称：“我已经在我们的客户群中看到这种变化。”

BI部署的好处

从理论上讲，与基于直觉的决定相比，更明智的决策将产生更好的结果。并且，理论上来说，企业做出的决策越明智，就越有可能得到发展。

2020年，《哈佛商业评论》委托 ThoughtSpot 进行的一项研究证实了这一点。

该研究产生的报告名为《The New Decision Makers: Equipping Frontline Workers for Success》。该报告指出，在为一线员工提供自助分析工具和培训以及决策的权力的企业中，近四分之三的公司提高了生产力。

此外，那些为员工提供自助式分析工具、适当培训和自行决策能力的企业最有可能实现超过10%的年收入增长。

然而，在接受调查的企业中，只有五分之一的企业实际上已经将分析工具扩展到员工，并使他们能够做出基于数据的决策。

与此同时，自《哈佛商业评论》发布其报告以来的三年中，数据知情决策的重要性只增不减。

从2020年3月COVID-19疫情爆发开始，到供应链反复中断、乌克兰持续战争和经济衰退，敏捷决策从未变得如此重要，而自助式分析可以产生所需的敏捷性。

451 Research公司分析师Krishna Roy说：“企业需要突破障碍，因为企业中的每个人（或多或少）现在都需要成为数据驱动的决策者。仅凭直觉和经验做出决定，虽然仍然很重要，但需要通过支持这些决策的数据来提供信息。”

同样，Howson强调了赋予数据分析师决策权的重要性。

她表示：“在这个数字经济，和动荡的经济中，我们需要更多的商业人士做出数据驱动的决策，而无需去找数据分析师。”

事实上，Howson指出，数据专家供不应求，即使最近出现很多技术裁员。因此，企业需要采取行动和做出反应，而不仅仅是依赖数据科学家和分析师。

自助式分析的替代方法是集中式数据团队，负责监督组织数据操作的各个方面。事实证明，这是低效的。

虽然执行自己的查询和分析的业务用户可以根据其结果立即做出决策，但当所有查询和分析请求都发送给一小组员工时，可能会导致长时间的延迟。

企业仍然需要数据团队来管理数据（整合和准备分析数据），以及实施和监督数据治理框架。他们还需要构建数据模型，并基于数据科学进行深度分析，而超远超出业务用户能力范围。

但他们的主要职责不应该是通过易于使用的BI工具提供的普通业务决策。为了获得灵活性，以在与同行竞争时管理不确定性，必须广泛使用分析。

Howson称：“我们仍然需要数据专家，但我们希望其他人也能够根据事实做出决定，而不仅仅是根据直觉，企业提出的问题数量超过这些数据专家的回答能力。”

陷入困境

很多企业已经认识到采用BI的优势，以及将BI扩展到数据专家之外的好处。

与此同时，技术已经发展到包含无代码/低代码功能和增强智能功能，例如自然语言处理（NLP），这似乎使广泛的潜在用户可以访问它。

然而，分析使用仍然停滞不前。

主要原因之一是该技术本身，尽管现在变得易于使用。

根据Menninger的说法，如果广泛使用分析是目标，那么大多数BI平台都是为错误的受众而设计。

他表示：“我们止步不前，因为我认为我们一直在试图解决错误的问题。分析工具是为分析师而设计，但分析师并不是劳动力的大多数。分析师只占企业的25%左右，但不是整个员工队伍。”

同样，Ajenstat指出，大多数BI平台（即使是那些添加了旨在实现自助分析的工具）都是为数据分析师而构建，而不是为业务用户。

他表示：“有些人的工作是数据，还有些人的工作不是数据，但可以用数据来丰富。很多技术和创新都集中在第一批人身上。”

即使是 Tableau，它是建立在帮助人们查看和理解数据的前提下，并且是自助式 BI 的先驱之一，但它也不会自动让所有人都可以使用分析。

Ajenstat指出，由于强调数据可视化，Tableau以及微软和Qlik的Power BI在数据专家之外开放了数据探索。

但是，分析数据和做出数据知情决策的能力需要的不仅仅是查看数据。

这是关于数据的教育，而不是教员工如何使用各种技术，必须进行这些教育才能使像Tableau这样的平台有意义。

此外，BI平台仍然在很大程度上迫使用户离开他们的工作流程，并在专用的BI环境中使用他们的数据。

Ajenstat 称：“它仍然始于对数据充满好奇并想要探索的人，我们的愿景是会有更多的创作者。而做到这一点的方法是专注于教人们数据技能。”

根据Howson的说法，除技术之外，成本和文化都阻碍着企业的发展。

很多供应商按用户收费，其中包括微软、Qlik和Tableau。当企业希望启用尽可能多的用户时，这可能会增加。

Howson指出，全行业转向基于组织需求的容量定价，或仅对实际使用收费的基于消费的模型，可能有助于减轻部分费用。

基于容量和消耗的定价模型仍然需要设置预算，但通常加起来低于每用户定价。

Howson继续说道，与此同时，组织文化阻碍着更多员工采用BI。

那些不倾向于信任员工的企业通常希望对其数据保持严格控制。此外，不信任分析工具易用性的企业通常对让员工自由处理数据持谨慎态度。

Howson称：“如果企业有一种恐惧和缺乏透明度的文化，它不会希望每个人都能访问数据，它会想要控制局面。但作为一个行业，我们已经犯下错误，以至于让商人害怕数据，因为我们教会他们难以使用的工具。我们必须改变这一局面。我们必须停止花太多时间教授工具和教授数据。”

突破

据专家称，虽然BI的采用已经停滞几十年，但我们即将看到突破。

有些企业已经取得成功。

根据Ajenstat的说法，这里的成功需要结合人员、流程和产品。

人员和流程归结为企业支持，这必须从最高管理层开始，然后向下渗透。这还包括数据治理框架，这些框架不会限制数据使用，而是推动数据使用以及投资于数据素养。

Ajenstat 称：“这是产品、人员和流程，必须整合这三者。”

同时，产品不仅仅是添加解决易用性的功能。Ajenstat继续说道，它还必须针对业务用户而不是数据分析师，以及如何将数据呈现给这些业务用户，并由他们使用。

BI需要嵌入到这些工作应用程序中，并在用户需要时显示，而不是强制数据使用者在其正常工作应用程序和 BI 环境之间切换。

Ajenstat 说：“这里需要进行技术变革，很多人不想使用BI工具。这些见解应该整合在他们工作的地方和工作方式中，并出现在该上下文中以支持他们的工作。BI工具需要服务于他们。”

同样，Roy指出，在大多数企业中，BI采用率增加之前，需要改变多种因素，包括需要强调嵌入式分析。

她指出：“BI功能需要进入业务人员每天使用的更多应用程序中，这样他们就不会被迫学习新的BI产品。企业需要培养一种数据文化，这需要数据素养，以便所有人都能理解数据，并习惯使用它来做出数据驱动的决策。”

根据Howson的说法，除了嵌入式分析之外，NLP还是一种有助于在企业内广泛使用分析的技术。

NLP 允许用户在不编写代码的情况下查询和分析数据，使他们能够键入搜索问题并以自然语言接收响应。

事实上，ThoughtSpot从2012年成立以来就围绕自然语言搜索建立自己的平台。其他平台也具有自然语言查询工具，包括Amazon QuickSight、Tableau和Yellowfin。

当被问及需要什么技术来扩大分析使用时，Howson 说：“搜索和人工智能，包裹在消费级的易用性中。”

Menninger还提到NLP作为企业扩展分析使用的重要性。但他指出，这只解决易用性问题。分析还需要定制以满足数据消费者的需求，这使得嵌入式分析同样重要。

他说：“超过25%的方法是，根据特定的工作职能定制分析，将其嵌入到应用程序中并使其更易于使用。因此，两个主要推动力是嵌入式分析和自然语言处理。NLP使人们更容易访问分析，嵌入式分析将分析带到业务线功能中。”

事实上，有些企业已经破解该代码，并声称分析使用远远超过其劳动力的25%或35%。

根据Howson的说法，ThoughtSpot拥有Vanguard和Schneider Electric等客户，超过75%的员工将数据作为其正常工作流程的一部分。

同样，Ajenstat表示，Tableau的客户正在接近100% BI渗透的理想。

在这些企业中，大多数都是科技公司，他们使用数据来通知其组织的各个方面。但即使是像捷豹路虎这样更传统的公司，也有70%的员工在一致的基础上使用数据。

分析使用前景

我们已经找到扩大BI采用的方法。这需要从BI供应商和使用供应商工具的企业进行转变。

从供应商的角度来看，首先他们需要针对广泛的业务用户群，而不是一小群分析师。它还包括提供工具，使企业能够将数据嵌入员工和人工智能的正常工作中，从而易于使用。

从企业的角度来看，这需要高层的支持，从而实现文化转变和数据素养教育，不仅涉及他们部署的工具，还涉及数据本身的含义。

鉴于有些企业已经将其分析用途扩展到远远超过其员工总数的四分之一左右，更广泛突破的潜力可能迫在眉睫。

Howson指出，她已经看到这种情况发生在ThoughtSpot的客户群中。随着越来越多的供应商和企业弄清楚如何使BI更广泛地使用，她预计这将在全行业范围内取得突破。

她表示：“在未来两三年内，将会出现起色。”

Ajenstat同样表示，他预计很快就会取得突破。

也许在未来几年内不会有。但是，随着数据消费从专用的BI环境转移到更类似于网站新闻消费或其他用户友好的格式，并且随着ChatGPT等技术使数据参与变得更加简单，分析的使用将大大扩展。

Ajenstat 称：“我认为这十年会有突破。我看到在未来，数据像《纽约时报》一样容易查看。想象一下，如果你登录并查看业务中发生的事情，就像你看到标题和版块一样。这将是简单易懂的，更加人性化和平易近人。”

根据Menninger的说法，当突破发生时，分析的使用不会突然爆炸式增长。

BI 的采用不会突然变得无处不在。相反，它将在现在开始的过程中逐渐发生。

Menninger 称：“这不会是一场海啸，因为它必须是一个基层的努力，人们使用的每个应用程序都将被修改。这并不是说某个供应商或企业可以解决整个问题。但它或多或少会立即开始发生，它已经在发生。

他指出，甲骨文和SAP等供应商正在重新设计其基于云的分析平台，使其完全可嵌入，这个过程将需要几年时间。随着这些大供应商承担这项任务，其他供应商将紧随其后。

Menninger预测，这里的结果将是更广泛的BI采用，可能在三年内突破50%，再过三年将超过75%。

他表示：“我很乐观。”