在前后两周，谷歌和 Salesforce 分别砸下重金收购 Looker 和 Tableau，这让 商业智能（以下使用：BI）领域受到了空前关注。相较于前者，Salesforce 宣布收购 Tableau 的消息更为引人关注，毕竟 Tableau 是全球前列的可视化分析软件的创建者。然而，消息宣布当天，Tableau 股票大涨近 40%，Salesforce 股票跌了 5%，正如极客时间 专栏 作者徐飞所言，市场上对 Tableau 高价卖出表示了赞赏，对 Salesforce 高价买入有些顾虑。

既然如此，这之中还是存在很多问题值得探讨，比如两家巨头为何此时选择收购这两家 BI 领域的重要企业？收购原因是什么？收购后的发展方向是什么？这是否意味着 BI 领域会进入新的发展拐点？国内 BI 厂商如何看待收购事件？BI 的未来趋势是什么？本文综合并采访了多位专家的观点，试图对上述问题进行解答。

从两起收购谈起

关于两起收购背后的原因，目前已经出现不少角度的解读，不妨先从官方声明中选取一些有价值的信息：

截图来自谷歌声明

不难看出，谷歌方面 认为 这起收购符合其坚持的 多云战略，用户将继续从 Looker 多云平台提供服务的方式中受益，并继续享受到不同云平台在数据方面提供的能力。同时，谷歌的 BigQuery 数据分析引擎将与 Looker 进行集成，为用户提供更快、更具可操作性的数据洞察力，这将有助于推动业务发展并更好地为客户服务。

截图来自 Tableau 的声明

对 Salesforce 和 Tableau而言，双方能力及用户群体的整合对未来发展具备重大意义，这会为双方业务带来新的增长点。对此，百分点 CTO 刘译璟在接受 InfoQ 采访时表示，在多年的发展中，Salesforce 和 Tableau 都渐渐接近用户增长的天花板，必须提供新的价值点才可能持续增长，在用户数据积累到一定程度后，增加数据分析和可视化能力顺理成章。这里可以参照微软的 PowerBI，这是一个完全基于云端的 BI 产品，并且与微软生态进行了很好地集成，这几年稳稳占据 Gartner 的 BI 与数据分析的领导者象限。如果仅依靠单一产品，Salesforce 和 Tableau 很难走到最后。

至于双方为什么选择收购而不是自建，刘译璟认为这不是一个技术问题，而是商业问题。从技术实力上看，谷歌和 Salesforce 肯定具备做数据分析的能力，但技术的发展是为了解决用户需求。如果没有市场，技术的先进性很难体现。相较于自建来说，收购一家技术实力、客户基础均不错的厂商，将其纳入自身体系显然是更好的选择。

在过去几年，Salesforce 被称为“收购狂魔”，先后收购了 Buddy Media、MetaMind、Demandware、Kurx、Quip、MuleSoft 等，据其内部人士透露，Salesforce 收购完成一般只需要三到六个月就可以将产品和技术消化掉（整合进 Salesforce 的产品中），这表明接下来一段时间 Salesforce 将会着手整合 Tableau 的产品和技术，一旦实现数据连通，客户就可以通过一个入口使用双方的产品。

综上，在这场商业行为中，双方显然都找到了利好的部分。虽然华尔街认为 Salesforce 付出的价格过高导致其收购当天的股票下跌，但也有 观点 表明可以参照 Facebook 对 Instagram 的收购，当年的 Facebook 也因为同样的问题受到指责，但如今 Instagram 的价值 为 1000 亿美元，其投资回报率为 100 倍，同样的事情也可能发生在 Salesforce 身上。不论如何，BI 的价值开始被商业和资本关注。

BI 深受关注的背后

回顾 BI 的发展历史，这两起收购给这个领域带来了空前的关注。然而，很多用户对这一概念并没有很好地理解，对目前的发展状态很难做出准确判断。刘译璟表示，通常所说的数据分析和数据挖掘的概念还是太过宽泛，其实 BI 是有特指的，这一 概念 最早于 20 世纪 90 年代提出，主要包括 ETL、数据仓库、OLAP、数据可视化等方面。早期的主要含义是指用数据的观点看待和分析业务，主要的思路是用一系列指标和维度来描述业务状况。以企业的财务情况为例，可以划分为收入、利润、成本等指标和月度、季度、年度等维度，通过对指标和维度的分析，可以了解企业的经营情况，并据此作出战略决策和规划。

发展历史

在发展的第一阶段，BI 主要包括 ETL、数据仓库、OLAP 和数据可视化四层，数据可视化主要指的是传统报表。当时，从 ETL 的数据接入开始到最后的报表呈现，整个流程非常繁琐，耗时较长，动辄需要数月时间，甚至数年，因此应用并不是非常广泛，更多的是大型金融机构或者运营商才会使用，目的也是了解业务的发展情况。

2010 年左右，BI 进入第二阶段。在该阶段，企业的数据量已经变得非常庞大，业务变化也非常快，传统的报表已经不能满足企业的数据分析需求。于是，敏捷式报表的概念逐渐深入人心。这个阶段，技术人员只需要准备好基础数据，剩下的数据分析和可视化交由数据分析师即可。这一阶段，BI 的流程已经大幅缩短，在决策中的作用开始被认可。在这个时代，我们可以粗略的认为，技术人员解决 50% 的问题，数据分析师解决另外 50% 的问题。借助敏捷式 BI 的发展，Tableau、Qlink 等企业在这一阶段得到了快速增长，Tableau 最终于 2013 年成功上市。

但敏捷式报表还不是终点。能否让技术工作变得更少更简单，让数据分析师更快上手承担更多任务？2017 年之后，BI 的发展进入第三阶段，智能化的概念开始对这个领域产生影响，各类 BI 应用的使用门槛得以进一步降低，比如自然语言等交互方式的加入，或者机器通过对数据进行分析给出可供参考的决策建议等。

技术门槛

上文提到，对谷歌和 Salesforce 而言，研发 BI 并不受技术水平所限，市场是更为重要的因素。对大部分 BI 厂商而言，技术反而是最直接的竞争力，可视化的页面设计并不是核心所在。通俗来说，能直观看到的东西都很容易模仿，但底层技术并不简单，尤其是智能化趋势的加入（AI 化）。

刘译璟表示，2017 年前后，百分点 因为在海外项目建设中发现客户存在此类需求，因此决定在大数据技术之上提供 BI 能力。这件事情本身比较顺理成章，因为早前（2010 年前后）大数据概念进入企业落地的第一步往往是 BI，通过对数据分析查看业务运行情况，二者的联系本就十分紧密，在既有大数据能力的基础上研发 BI 对百分点而言是很好的选择。

在实际调研中，百分点 发现商业应用的定制化能力存在不足，且周期较长，难以满足用户需求。于是，百分点决定构建新的解决方案，大量应用自然语言处理和深度学习技术，最终开发出如今的百分点商业智能系统。用户可通过自然语言与系统进行可视化互动，获取和分析数据，大大降低数据分析门槛；在数据分析方面，百分点商业智能系统通过对数据的智能分析，能够给用户推荐可能感兴趣的报告，并可以深度挖掘数据中隐藏的关系和价值，从而为商业决策提供有力支撑。由于该需求最初发现于海外市场，因此整套系统也匹配了多语言设置，目前支持简体中文、英语、法语、葡语四种语言。

在这个过程中，刘译璟表示，基础功能页面的设计和交互体验是可以不断改进和优化的，但智能化技术的演进并不是短时间内可以速成的，这项技术的门槛并不低，其背后的设计逻辑较为复杂，机器学习只是其中很小的一个环节。

发展趋势

百分点目前在“增强型分析“层面进行了大量探索，包含智能数据发现、增强数据准备、增强数据分析这些模块。百分点围绕“增强型分析”已经构建了图表推荐、智能建议、智能问答、图表见解四大能力，自助式分析通过结合图表推荐、智能问答等增强型分析功能，赋能用户分析思维，让普通业务人员和高管快速成为“公民数据科学家”。

刘译璟认为，在 BI 向第三阶段演进的转型期，“增强型分析”使 BI 成为更易用的产品，NLP 和 AI 将会是现代 BI 的主要特征。同时，在“增强型分析”方面的技术突破，使 BI 打开了一个增量市场。随着数据持续发挥价值，数据可视化需求水涨船高，未来的 BI 产品形态可能会发生改变，以 IaaS 的方式让越来越多的人应用起来。

目前，Tableau、Qlik 等 BI 产品已经加入了“增强型分析”这一特性，而在国内这样的产品还不多见，但很明显这会是未来一段时间内的重要趋势。这一名词同样出现在 Gartner 对 2020 年 BI 市场的预判趋势中。根据 Gartner 的报告：

• 到 2020 年，增强分析将成为新用户购买 BI 产品、数据科学和机器学习平台、以及嵌入式分析的主要驱动力。

• 到 2020 年，有 50% 的分析查询会通过搜索、自然语言处理或语音生成，或者自动生成。

• 到 2020 年，为用户提供对内部和外部数据策划目录的访问权限的组织将从分析投资中获得两倍的业务价值。

• 到 2020 年，业务部门的数据和分析专家数量的增速将是 IT 部门专家的 3 倍，这会迫使企业重新考虑其组织模式和技能。

• 到 2021 年，自然语言处理和会话分析这两个功能，会在新用户、特别是一线工作人员中，将分析和商业智能产品的使用率从 35% 提升到 50% 以上。

在商业层面，很多用户对国内 BI 厂商的前景表示担忧，一方面回顾 Tableau 的财报可以发现，自 2015 年以来，Tableau 便再也没有实现过年度正盈利，2018 年全年亏损达到 2.77 亿美元，这不得不让人思考已经处于市场领先地位的公司都不盈利，其他厂商是否会更加困难。刘译璟认为，这可能与 Tableau 选择的商业策略有关，该公司具备盈利能力，但前期可能更倾向于将资金投入技术研发或者生态建设层面，成本增加，利润自然被压缩；另一方面，两起收购可能会让国内云厂商受到影响从而发起一轮收购狂潮。刘译璟表示，至于云厂商是否有意收购还是取决于其业务发展，对于一些做数据起家的厂商而言，自身的 BI 实力已经完全具备。对于其他云厂商而言，如果不希望单纯通过基础设施盈利，可能会考虑合作或者收购相关企业。

结束语

2018 年 11 月，美国商务部工业安全署（BIS）出台了一份针对关键技术和相关产品的出口管制框架，其中就包括可视化、自动分析算法、上下文感知计算在内的数据分析技术。这既表明该技术的重要性，也给国内 BI 厂商提供了很好的发展机会。如果抓住这个时机前进，应该会在竞争力及用户增长上有所突破。