CIO不可不知的BI与数据分析产品选型标准

飞象网
飞象网
导读 从客户角度来看,选取一款BI和数据分析产品时,需要从哪几个方面考虑,怎样才算优秀的产品?有没有可以量化的公式?怎么考虑选型的性价比?为了解答这些问题,中国软件网联合行业专家--永洪科技高级...

导读

从客户角度来看,选取一款BI和数据分析产品时,需要从哪几个方面考虑,怎样才算优秀的产品?有没有可以量化的公式?怎么考虑选型的性价比?为了解答这些问题,中国软件网联合行业专家--永洪科技高级副总裁邵文龙先生(以下简称William),结合永洪服务的500多家客户的切实经验,探讨了数据分析产品的选型标准,帮助企业CIO梳理出如何选择最合适的供应商。

本质上说,BI产品也是商品,也遵循商品的一般规律,客户选择BI产品时也遵循“物美价廉”的原则。William从以下四个方面阐述了BI产品的选型标准。

BI产品选型的标准一:不得不说的EDS、TCO和ROI

第一,系统扩展性和可靠性。随着企业的数据快速积累,数据量可能呈现出爆炸式增长,BI产品必须能满足企业快速增长的数据存储与分析需要,产品和平台要具备很强的扩展性。企业数据量较小时,用单机存储和分析就可以,随着数据量的增大,单机扩展为多机,需要实现系统的无缝对接,并保持良好的系统稳定性。据William透露,永洪的产品对于大规模并发的支持度很高,客户之一的美的大数据平台就能够支持2.5万用户同时使用。

第二,实时分析能力。传统的数据分析模式,一般是由业务部门提出需求,技术部门实现,再反馈给业务部门,一般需要一周以上的时间周期。大数据时代,客户对数据分析的实时性要求更高,希望能很快看到数据分析结果,永洪都能迅速反馈客户需求,实现从千万到百亿级数据分析的秒级响应,从而允许用户根据分析结果逐渐深入,实现探索性数据分析,支撑更多分析维度和更大的数据范围内的价值提炼。

第三,产品适应复杂业务场景的能力。客户业务场景不断增加,业务复杂度持续增强,需要BI与数据分析产品能够适应各种场景的业务需求,并以很好的可视化方式展现。美云智数副总经理黄侃谈及与永洪的合作时说,“永洪的产品可以非常好的通过可视化工具来展示美的的业务场景,同时能帮助除IT员工以外的业务员工快速搭建整个业务分析的可视化场景,让业务人员能够自行完成数据分析,这是永洪非常出色的地方。”

以上三点是目前BI领域客户的选型重点,当然不同客户还有其他方面的性能要求。企业服务评价体系中有一个名为EDS(Enterprise Demand Satisfaction企业需求满足度)的概念,从功能深度、平台架构、易用与体验三个方面对BI产品进行评价,每个方面又可以设置多个二级指标来进行细化,并根据各项指标的重要性来赋予相应的权重。最终通过各项指标的综合分析,来看BI产品对企业需求的满足能力进行总体评价。这里给出行业通用的EDS的计算公式供大家参考:

EDS=∑〖各项功能评价指标得分×权重〗

除了产品性能外,价格也是客户在进行选型时一个重要的考虑方面。为了全面的分析客户在购买和使用一款BI产品时的成本支出,通常采用TCO(Total Cost of Ownership  总体拥有成本)的概念,并做出TCO计算模型:


\

                                  企业购买和使用BI产品成本构成

直接成本指的是企业购买和使用BI系统直接的费用支出,主要有软硬件购买成本、定制和集成成本、实施成本、运维成本、升级成本这几个方面。企业使用一套BI系统,除了直接成本外,还有很多间接成本。所谓间接成本,是指企业使用BI系统的间接费用支出,比如员工使用新系统需要培训,会造成培训费用支出;要让BI系统很好的发挥作用,与企业的业务运营结合起来,需要进行系统的管理以及人才、组织等方面的配套支持,这会带来管理和支持成本;终端用户在使用BI系统时,也会造成一定的成本。永洪科技由于基于自主研发,能快速实现BI系统的构建,并通过便捷的服务有效降低客户的运维成本。同样,由于永洪对自主研发系统的性能完全了解,在帮助客户产品升级方面也占据了优势。

我们将购买和使用一套BI系统时产生的各项成本,根据其在整个成本中的重要程度,赋予相应的权重,那么企业购买和使用BI系统的总成本是各项细分成本与其对应权重乘积的总和。

TCO=∑〖各项成本×权重〗

综合考虑上面提到的性能和总体成本,就形成了ROI(Return On Investment  投资回报率)的概念。通过对产品性能和成本的分析,就可以得到BI产品的性价比指标:

ROI=EDS/TCO

通过上面对性能和成本的综合分析,结合永洪科技服务500多家企业级客户的内部分析得知,永洪科技能够以较低的成本为客户提供高性能的BI服务,客户在BI和分析产品上的ROI投资收益也高于行业平均水平40%以上。这与其大力进行系统自主研发不无关系,可见对于BI和数据分析厂商而言,技术研发的投入对于提高产品性能、为用户降低购买和使用成本都具有重要作用。

BI产品选型的标准二:开源还是自有技术开发?

在大数据领域,采取怎样的技术路线发展是一个十分关键的问题:走开源路线还是自主研发,需要慎重考虑。而对于企业级客户而言,在William看来,与开源相比,采购自主研发的产品具有多方面的优势:

第一,自主研发的产品在快速应对客户需求方面更具优势。大数据厂商对于自主研发的平台和产品的整体架构有更清晰的了解,当客户提出新的需求时,能快速做出反应对产品进行相应的调整。反观开源产品,由于企业对底层技术和体系的把握有限,反应速度和问题解决能力都容易受到影响。William以永洪的客户中国联通为例,针对客户提出需要提升并发处理业务能力的需求,研发团队只用了一个周末的时间,就对产品完成了改进升级,使产品并发处理业务能力提升了三倍之多。这种通过敏捷开发,迅速响应客户需求,满足客户需求的优势不言而喻。

第二,开源产品不能全方面满足客户需求并有“断奶”风险。使用开源技术作为其核心技术的企业或组织,一旦由于战略或者业务调整,改变开源策略(例如改变其开源license),将会受到很大影响,甚至有“断奶”的风险。另外,如果没有对核心技术的自主权,也无法完全掌控产品的研发进程。

第三,基于自有技术研发的平台,更容易将产业研究成果集成到产品体系中,形成更成熟的商用产品。永洪在分布式计算方面的专利成果,就已经能够有效集成到自主研发的平台上,对平台的计算能力和速度形成有力支撑。

\

Yonghong Z-Suite 分析报告展示

BI产品选型的标准三:产品迭代速度,必须适配变化市场的需求

这是个快鱼吃慢鱼的时代,只有加强研发投入,加快产品的升级迭代,才能跟上市场节奏,在激烈的竞争中取得领先优势。而BI产品的采购,也必定要能够匹配变化市场的需求升级。永洪科技在2016年11月发布了7.0版本,基本保证每年4~5次的产品迭代速度。

对于大数据厂商而言,一次版本升级迭代需要考虑三个方面的因素:一是规划的核心功能;二是客户反馈的需求,功能的丰富和优化;三是平台自身的研发改进。每次的版本迭代都需要增加新的功能,或者原有功能有大幅度的优化。Yonghong Z-Suite产品,在6.0版本加入深度分析的模块并增强深度分析能力,7.0版本则加入了自服务功能,并在数据准备、数据清洗方面对原有功能进行优化。

除了常规的功能优化和改善,在研发时,企业还需要时刻关注前沿技术的发展。在大数据领域,云计算和深度分析是两个重要的技术方向:目前大数据厂商在为客户提供解决方案时,多采取本地化部署方式,未来会有更多应用和数据向云端迁移,并将业务SaaS化;而相对应企业级客户云端部署的需求,永洪已经在所有主流云端成功部署了SaaS级BI产品,使客户无需云端数据迁移,就可无缝接入分析能力。不过与谷歌、Facebook等公司在人工智能的基础研发进行大量投入不同,永洪紧密的跟进这些前沿技术,却主要将重心放在应用方面,注重将技术进行产品化,并集成应用能力,最终是以解决客户需求为目的。

BI产品选型的标准四:研发团队能力考查,规划与执行力缺一不可

对企业客户而言,只有选择一家具备强大研发支撑的大数据厂商,才能保证采购的产品一直保持其技术的先进性。以永洪科技为例,研发部门在公司里处在极其重要的位置:既要能够很有效的支撑业绩的发展,同时也要能够很好的支撑公司的战略推进。

而在研发规划上,William认为有三点需要考虑清楚:

第一,不同研发环节的相互配合。整个研发体系包括开发、测试、产品、平台等多条线,在不同环节如何分配人才资源,各个环节在时间进程上如何衔接,怎样相互配合来提高研发效率,这些问题在确定研发体系时需要重点考虑。

第二,研发部门的地域分布。对于在全国甚至全球有业务布局的大数据厂商而言,在有强业务需求的地域开设研发中心是一个重要的战略布局。当前端业务人员将客户需求反馈给研发部门时,就近的研发中心能更好的与客户进行交流,并快速进行反馈。永洪科技采取了北京、成都双研发中心策略。一方面是为了更快速响应客户需求,另一方面也是看到了西部地区的大数据产业机会。

第三,研发部门的规模要能支撑起整个公司的业务发展。从战略规划、业务扩张,到服务、销售的需求等,都需要研发部门的技术与成果进行支撑和完善。

第四,高效的执行力,使命必达。以迭代产品为例,研发部门会在年初做规划,具体内容包括产品的版本以及各版本中的重点功能;在执行过程中,还要根据客户需求使之不断完善。最后,通过质量部门的验证,产品才达到能够交付的标准。

William认为,当物联网发展起来之后,数据量会成倍增长,企业对于数据存储和分析的需求会出现爆发式增长,基于海量数据处理和快速决策的需求,企业对于BI与数据分析产品的采购将会更加慎重,需要借助科学的方式去评估厂商与产品的综合实力,通过与大数据厂商的技术能力相结合,帮助企业构建自有数据分析应用平台,充分实现数据价值变现,并更好的控制由大数据平台采购风险所带来的技术资产负债。
                                                             \

THEEND