華聯商超數據中心總監付立虎曾經講過這樣一個故事：北京華聯作為國內大型商業超市，每天來自全***店的交易數據有千萬條，每年僅用戶購買的數據累計就超2TB，對于數據分析應用的需求非常強烈。

為此，華聯在2008年專門引入SAP的BW系統用于數據分析，隨后于2012年又引入SAP的BO產品，做更高級的數據分析，為業務做指導。

但令付立虎無奈的是，用SAP的BO進行億行報表查詢時，需要20分鐘左右，同時在線4人系統就會崩潰……使用昂貴的國外軟件解決不了問題，付立虎開始在國內尋找解決辦法，于是有了海致BDP和華聯的結緣。

華聯商超的故事并非個案。最近風頭正勁、主打“快時尚”的零售新銳名創優品之所以和海致BDP達成合作，也是因為使用SAP的BI系統，數據聚合、抽取以及展現時間都以數小時計，效率非常低下。比如，導出一張報表需要6-8個小時，而在數據導出過程中還經常出現中斷，這對數據分析員的實時分析造成了巨大不便……

商業智能，英文為Business Intelligence，簡寫為BI。這一概念最早于1996年由Gartner提出，隨SAP、Oracle等一眾海外軟件巨頭漂洋過海來到國內，曾一度被認為是繼ERP之后，企業管理軟件領域新的增長藍海。

不過，殘酷的現實是，軟件巨頭們鼓吹的那套傳統BI實施失敗率一直居高不下。據不完全統計，在企業實際的應用中，商業智能的失敗率達到70%，令人瞠目。

傳統BI已死并非危言聳聽。居高不下的實施失敗率，背后折射出的是傳統BI的多重困境。

首先是技術困境。華聯商超和名創優品的案例，其實反映了傳統BI的ETL、數據倉庫、OLAP等技術，都處于淘汰邊緣，因為它解決不了海量數據(包括結構化與非結構化)的處理問題。

有工程師在網上吐槽：“原來的BI挖掘人員，抽取一些樣本在單機上運行個R就很歡樂，但現在不行了，針對5000萬用戶搞個三度交往圈試試?”

“小數據”時代的計算性能，在互聯網時代讓傳統BI舉步維艱。因此只有更新方法，才能帶來新的機會。基本上，傳統BI所有的功能，都可以被對應的大數據組件所替代，且大數據技術具有成本優勢，技術的汰換是大勢所趨。

其次是商務困境。眾所周知，無論是高富帥的大企業，還是中國2000萬中小企業，采購SAP、Oracle的軟件服務對企業而言都是一筆昂貴的IT成本，中國企業信息化的任務不可能指望它們來完成。如果技術無法普惠，技術就永遠是少數人的游戲。

除了高成本之外，傳統軟件按照項目周期運轉的交付方式也無法適應企業快速變化的需求。在傳統BI的實施過程中，常常出現一期項目看起來效果不錯，但企業后續的新需求、新項目就變得遙遙無期，或者爛尾。

幸好出現了云計算。軟件即服務(SaaS)的理念徹底顛覆了傳統的軟件生意——按需求付費，在線獲取資源，快速迭代構成了互聯網時代企業對軟件服務新的標準認知。

[[178944]]

坦白說，如果說技術困境和商務困境尚有辦法解決，那么傳統BI尷尬的價值定位，則是其無法擺脫的阿喀琉斯之踵。

傳統BI廠家喊了多少年的“幫助企業做出明智的業務經營決策”，現在除了一堆報表系統，一些決策樹等統計算法，還剩下什么?傳統企業引入了那么多的BI咨詢，寫了那么多報告，真正發生過價值的有多少?在傳統BI廠商那里，目標受眾只有老板，決策與執行脫節，無法下沉到一線，最終淪為面子工程，根本產生不了實際價值。

歸根結底，傳統BI項目失敗率居高不下的核心原因主要有三：一個是被束之高閣淪為老板看的報表系統而不是當作整個公司數據驅動的核心系統;一個是太技術導向，導致業務與技術出現斷層;再一個就是傳統企業級項目制實施的固有頑疾。

企業的大數據要發揮價值，目標受眾應該瞄準那些真正在業務一線做運營、做分析、看數據的人——為什么xxx APP注冊會員今天的活躍度下降了?xxx商品為什么上午賣得比下午多?為什么xxx渠道廣告投放一周都沒效果?……這些每時每刻都在上演的真實商業場景，不可能都一一等待老板來回答。

在新時代，企業需要一個對業務友好、面向全公司、靈活高性能且易于維護和擴展的數據平臺來實現并推動公司的數據驅動，讓數據的使用融入到業務以及經營的各個環節，全面提升公司的整體競爭力!

而要真正達到數據驅動管理的目的，就要求數據分析工具盡可能降低技術門檻，大幅提升技術性能，簡單拖拽就能展現精美的數據圖表，***還能兼顧PC端和移動端。只有業務部門用好數據分析，數據價值才能得到***發揮。

數據驅動的不僅是老板，數據更應該溶進企業每一個普通員工的血液里，數據驅動才不會淪為一句空談。