前序：
正如汽车从少数拥有到大众普及，BI软件也经历着从昂贵到高性价比，个人从“专职司机”到“人人都是数据分析师”的演变，自服务数据分析的趋势无法阻挡。然而万变不离其宗，企业需要数据的核心依然是支撑运营，快速做出科学决策。自服务的出现则更好地满足了企业降本增效的数据化运营。
快速，有效，性能，这些自服务的天然属性，可以帮助我们去衡量工具的普及性。毫无疑问，Excel是所有数据分析工具的对标，因为它的便捷性是最好的，受众也是最广泛的。但是，它并不是完美的，这也给了其它软件发挥的空间，给了我们更多的选择，百花齐放，又各具特色。
很高兴，有一家厂商一直在做各种创新和领先性探索的工作，她就是Smartbi。在刚刚结束的9月7号Smartbi2018大数据分析峰会北京站的发布会现场， Smartbi向我们展示了她的无限可能，无论是基于Excel的创新应用，对“全自助、真共享”的彻底实践，还是对SaaS云报表、AI未来的积极探索，都走在了行业的前列，值得期待。
——中国电子表格应用大会主席 褚冉冉
以下为思迈特软件VP 徐晶在刚刚过去的北京发布会上的演讲
主持人：
思迈特软件市场VP徐晶作为首位出场嘉宾，为大家带来了主题为《Smartbi V8.5 幻化AI大数据分析》的演讲。让我们跟着徐晶总的精彩演讲，来看看Smartbi在引领“人人都是数据分析师”时代所做的尝试和努力。
01 万变不离其宗
徐晶：
大家好，我是Smartbi品牌的编剧和导演，今天男主角CEO吴华夫因交通管制原因未能到场(受中非会议影响)，由我担任临时演员，介绍一下Smartbi在V8.5背后的一些思考。
在数据分析这个全球CIO都高度关注的领域，有很多新概念、新技术，从20多年前诞生时的DSS、OLAP、BI、DW到现在的Big Data、DT、Self-BI、Saas BI，我想尝试找到其中的本质，才会让我们更加冷静、客观的思考，毕竟凡事都会万变不离其宗。
首先我们来看每家企业都存在的“博弈”——业务与IT部门的关系。
无论早期的C/S架构还是近年的B/S产品，IT部门始终希望找到一款可以匹敌甚至替代Excel的数据分析软件，而业务部门（甚至我们BI厂商自己）都始终无法放弃这个简单易用的工具。
我们暂且不讨论Excel的功能有多方便，仅仅从管理的角度，这样的矛盾是否可以被解决呢？
我想用最简单的思维方式，以前双方的连结点是“软件”，好比是一个苹果，我们可以把它分为2个苹果，区分开“数据”和“分析”，是不是就容易找到思路了呢？
文章图片
02 汽车工具演变的思考
Smartbi在软件分类的时候，归属于BI_Tools，既然是工具，我想用汽车这个人人熟悉的交通工具做一些类别，看看其中非常有趣的关联。
很多年前，一辆桑塔纳三十多万，拥有一台就足以证明企业或者个人的财力了。普通人也就能打个面的（20年前的北京）。后来汽车行业开始竞争，通过合资和国产化，汽车越来越便宜（尤其相对于房价），这时私家车走入寻常百姓家，每个人都可以考驾照，司机这个职业也从一个非常风光挣钱的职业，变成了一个普通人的技能。
文章图片
好了，回来再看BI工具这个领域，是不是有非常类似的情况。以前这种分析数据软件价格很贵就像桑塔纳一样，能用得起这个软件，也就是金融、电信这些机构。后来，类似软件工具越来越多，性价比也提升上来了，（就好比私家车），现在每个企业都有财力去使用这个BI。
那人呢也是一样的，最早是报表工程师，现在叫数据分析师。那这两种人的变化，就像我们以前是专职的司机，现在变成谁都能开车了，人人都是数据分析师。我们看看这个转变的力度有多大，报表工程师从网上搜培训，能搜大概是三百五十万条，数据分析师两千五百万。这就是现在人人都是数据分析师，司机变成技能的时候。
我们从管理的角度、从工具的演化似乎都看到“自服务数据分析”这样的趋势，用Gartner的预测就是：企业组织正在采用自助式分析和商业智能（BI），并将这些能力带给各级业务用户。这一趋势非常明显，根据Gartner的预测，到2019年，具有自助服务能力的商业用户的分析产出甚至将超过专业数据科学家。
文章图片
03需求未变：数据化运营
由此可见，这么多年来企业需要数据干什么，就是支撑自己运营，做出科学决策。但为什么会有自服务这样的趋势出现的，是因为一个最简单的原理——运营的本质是降本增效，如果数据分析的过程不够“快速”，再有效的科学决策，也没有把成本降下来。所以，自助服务是因为符合了数据化运营的两个必要条件，快速和有效，所以才成为了趋势。
文章图片
得到这个思路后，我借用管理咨询的思路，用“快速”和“有效”创造了一个“数据化运营四象限矩”，从两个必要条件的维度来理解Excel、理解Smartbi以及同类的工具。
文章图片
毋庸置疑，Excel的便捷性就是最好的：数据分析、数据更改、数据处理非常快，所以从Y轴上它在最上面；那为什么它在X轴的最左侧呢，这也非常明显，因为它的数据管理能力较差，原始数据和报表需要一起分享，没有安全性，而且容易损坏，有时性能还很慢。
后来出现报表软件，它基于数据库，因此解决了各种数据管理的要求，比如安全性、性能、多表关联，解决很多问题。但是它忽略了一个很重要的问题，就是它牺牲了便捷性。这些报表软件的学习成本都比较高，所以以前才有“报表工程师”这样一个职业，我记得以前的报表软件有安迅、CR等。
接下来回到Smartbi，在我们产品里面有个组件叫做电子表格。它做了突破，报表工具必须运行在WEB浏览器上，我们是在Excel上借助一个插件，来直接设计报表，但是数据是存放在数据库里的，比如Oracle、DB2、Hadoop里面。这时就保留了数据管理的专业性，而数据分析的便捷性得到了明显的提高（Y轴的位置更高）。
所以Smartbi电子表格在过去的五年获得了很多用户的认可，如最早的IBM交付团队就用这个产品给银行做监管报表项目。到今年V8.5，电子表格功能在交互控件、安全水印、数据可视化方面做了不少改进，欢迎大家登录官网了解具体功能。
下一步，我们在2014年推出了Smartbi自助分析，当时的核心功能是透视分析和组合分析，很类似Essbase这样的OLAP软件，也可以理解为Excel的透视表，基于表格进行钻取、切片、旋转等交互操作。
而现在的自助分析是以数据可视化为基础，表格的能力相比以前弱化了很多。V8.5并没有抛弃表格的方式，而是增加了自助仪表盘的功能，我们的定义是叫全自助，后面会详细介绍。
未来很多企业会选择用SaaS来满足自己进行数据分析，这也是一个显而易见的趋势。因为这种SaaS BI的提供商，肯定会保障好数据管理能力，同时提供方便易用的功能界面。这样就位于第一象限最左上角的位置，所以未来SaaS BI一定会大红大紫。
文章图片
基于这样的判断，我们也尝试一个新鲜的产品——Smartbi云报表（我本人策划，欢迎尝试），把Excel一触即发到手机APP，这时数据放在Excel里面，没有数据库，但为什么它还跨到了第一象限呢。
这说明它具有简单的数据管理能力的，比如数据和报表的分离（隐藏sheet页）、快速的数据修改（无须SQL）等等。
此外，Smartbi云报表继承了电子表格的ECharts可视化能力，也就是说用户可以基于Excel静态数据用Excel图表（条件格式等）和Echarts图表同时渲染报表，并一键发布到APP上，非常的简单、易用和有趣。
目前，已经有一些用户在日常使用云报表，完成进度监控、库存管理、信息统计等工作。
介绍完这个四象限，大家就能理解Smartbi从V5到V8所做的工作，就是无论报表需求还是可视化需求、交互分析需求，都在向降低学习成本演化。
从V8.5的两个支柱上看，第一个就是我们依托于Excel插件、word插件和PPT插件（办公化BI），让数据可以在用户熟悉的Office里面完成报表和报告；另外就是打造全自助的自助分析能力（自助化BI）。
文章图片
为什么要“全自助”，我还是想用汽车来类比，大家都知道轿车、SUV、MPV、跑车、房车，为什么没有一种交通工具可以覆盖用户所有需求？明白这个问题，也就能理解Smartbi主推“全自助”的原因了。
全自助自助分析，首先是获取明细数据的能力，这是大型金融机构的常见需求，其次是交互式的自助分析，就是前面提到的钻取等分析需要，第三是数据可视化的需求，要很方便的制作仪表盘并发布，最后是自助组织数据，V8.5里有跨库查询和自助抽取，甚至未来处理数据、建模计算的能力。
Smartbi在V8.5之后还会不断强化功能、简化操作，实现我们理想中的自助分析。
04 小心，自助分析有陷阱
当所有厂商都在叫自助BI的时候，你最好冷静一下，包括听到全自助这样的“完美主义”。我们还要拿汽车行业来举例子，看看陷阱在哪里！
【Smartbi从交通工具演变看BI数据化运营历程】
文章图片
看吧，当人人都是数据分析师（司机）的时候，就会和我们每天遭遇的一样：堵车、加油排队、停车没位、甚至还有交通事故，这就是自助分析的伴生品——“性能挑战”！
为什么业务人员的自助分析会导致严峻的性能挑战的，我的总结是他们的使用方式是no where & no how。
首先他们没有优化的概念，极大可能直接对全表进行分组聚合，也就是没有where条件，其次自助分析的厂商都常说一个词叫探索，恰恰是这个探索，说明业务人员有时是没有目的的在分析数据，甚至很多是在学习如何（how）分析数据、如何（how）理解可视化图形。
这两种情况就对数据平台产生了极大的资源占用，从而拖累整体系统的响应时间，出现性能问题！
文章图片
性能问题可以解决么？遗憾的是，单纯从技术角度是没有合理方案的，除非成本没有限制。必须把技术和管理结合在一起：
技术上：第一个是空间换时间，在V8.5里面也有这样的功能——高速缓存，和MOLAP的思路一样，让用户访问数据之前，数据已经处于半就绪的状态，从而节省前端报表的生成时间。
第二和第三个技术我在去年做了一个基于笔记本电脑的亿级数据自助分析性能研究工作，从开始未优化好的模型一直到最后相对满意的模型，这种探索式的自助分析平均响应时间提高了几倍，同时借助更快的MPP数据库产品，最后性能可以跑进5秒以内。
会场外我们用5000元的台式机，把这个速度又提高了40%，大家可以直接去体验！
管理上：管理者合理的思维方式是引导，那么我们如何引导业务人员使用自助分析非常重要。
我还是回到交通工具的类比上来，北京市有定制公交服务，这相当于大家对自己的需求能说清楚时，你就可以合并起来，以“数据产品”直接提供使用，避免探索分析数据的过程。
第二个思路，如果还不清楚有什么共性的需求，就鼓励大家把自己的做法、思路分享出来，类似“顺风车”的共享方案，这样就引导新用户先看有没有现成的“分析”（从分析商店可以检索、查询），这样也可以避免资源的浪费。当然还有很多管理的策略性引导，比如说平台成本分摊等。
文章图片
05 展望未来BI会更智能
时间快结束了，当你听完前面的全自助、高性能，是不是会觉得已经看到了终点？我个人觉得AI将会完全颠覆数据化运营的工具，还是来看看交通工具——汽车的未来吧。
车联网、自动驾驶、共享汽车，这些结合在一起给我们的城市生活描绘了科幻般的未来，同样的，AI也会像电影里一样把人与BI软件的对话呈现在全息投影中。
Smartbi在AI方面的也有一些探索，允许用户通过自然语言操作软件，甚至进行探索式数据分析。
以上我通过数据化运营的四象限图描述了Smartbi的创新理念，也通过类比交通工具介绍出了V8.5的主要功能特点。
应该说Smartbi的V8.5是个重要的里程碑点，标志着我们自己取得了显著的进步，除了最前端的数据分析展现，还增加了数据处理以及数据挖掘的能力，我代表吴总以及研发团队欢迎大家的到来，也希望大家喜欢我们的V8.5，我的演讲结束了，谢谢！
文章图片
（以上为演讲内容）
推荐阅读
- 数据分析也能Freestyle | 不一样的Smartbi Insight
- python|数学建模（相关性分析学习——皮尔逊（pearson）相关系数与斯皮尔曼（spearman）相关系数）
- 大数据|一文读懂元宇宙，AI、灵境计算...核心技术到人文生态
- 数据分析|Pandas(十)--窗口函数和聚合函数
- 机器学习|2021年华为杯数学建模比赛——二分类与回归问题（1）
- 单细胞系列|SCS【1】今天开启单细胞之旅，述说单细胞测序的前世今生
- RNA数据分析|Topic 15. 临床预测模型之决策曲线 (DCA)
- python基础教程|【Pandas总结】第三节 Pandas 的显示设置（总结所有常用显示设置）
- pandas|Pandas 速查手册