2022年BI趋势年度盘点：数字化转型看重ROI，场景化分析成刚需，BI基础设施需求提升

近年来，数字化成为全球不可逆转的潮流，而通过数据整合、分析及可视化实现商业价值的商业智能（Business Intelligence，BI）也成为这一潮流中最受关注的行业之一。

回望2022，中国BI软件市场增长亮眼：根据IDC日前发布的《2022上半年中国商业智能软件市场跟踪报告》，这半年间中国BI软件市场规模为3.8亿美元，同比增速24.7%。到2026年，中国商业智能软件市场规模有望达到19.6亿美元，未来5年市场年复合增长率（CAGR）为20.2%。

更微观地看，根据笔者观察，2022年BI行业呈现四大趋势：

趋势一，中台式的系统建设预算在2022年明显压缩，谋求数字化转型的企业整体上越来越关注ROI（投资回报率），能够满足企业业务需求的软件产品公司机遇扩大。

趋势二，随着企业数字化转型进程加速与敏捷运营需求的提升，SaaS软件厂商更为迫切地需要快速提升产品竞争力，行业对于BI基础设施的需求不断增加。

趋势三，随着企业自身的IT运维水平和数据意识不断的加强，行业逐渐由方案优先阶段转向工具软件推动；同时，BI厂商与垂直行业结合地更加紧密，和业务结合的场景化分析成为SaaS厂商普遍刚需的亮点功能。

趋势四，随着数据准备工作量、分析成本以及分析门槛的极大降低，推动客户自助分析是必然趋势。

趋势一：数字化转型成本整体下降，ROI指标受关注

笔者观察到的趋势一是，疫情以来经济整体下行，过去几年风靡的高成本投入建设模式及重型服务模式逐渐走不通。尽管数字化投入总量持续增长，但大中台式的系统建设预算在2022年明显压缩。

在这样的背景下，谋求数字化转型的企业整体上越来越务实并关注ROI（投资回报率），能够满足企业业务需求的软件产品公司具有广阔前景。产品软件公司功能的完备性和成熟度，为企业的数字化减少了重复投入，有的甚至能让数字化转型成本系统性下降。

据衡石科技创始人、CEO刘诚忠介绍，“2022年的变化趋势是有一些非常资深的行业ISV厂商和标准的数据能力工具平台厂商合作，基于日益成熟的标准化工具平台，为客户敏捷交付全面的中台方案，这样的合作甚至可以把成本压到之前的一个中台建设成本的1/10 。它降低的是方案交付厂商大量功能性的重复产研投入和人力实施交付成本，最后为客户带来诸如CDP用户洞察平台、营销中台等方案，解决了之前中台的长建设周期、高失败风险和大成本投入的问题。”

事实上，在经济下行压力增加的2022年，帮助企业降本提效的BI工具市场仍保持快速增长。各行各业的数字化转型都在加速，BI日益成为企业数字化转型的切入点。诚然，IDC报告提到，进入2022年以来，企业IT投资变得更加谨慎，部分IT项目出现延期或暂停的情况。但从增速来看行业整体仍保持良性增长，IDC预计2022全年中国商业智能软件市场规模达到9.6亿美元，同比增长22.8%。

从BI行业格局来看，大的厂商仍然占据较高的市场份额。根据IDC的数据，2022上半年，中国商业智能市场前10名厂商占比共计65.2%，分别是帆软、微软、永洪科技、SAP、百度、IBM、SAS、思迈特软件、Salesforce.com、浪潮。

从融资数据来看，2022年是数据分析和BI厂商融资的大年，观远数据、数说故事、新略数智、海致BDP等均获得了亿元以上融资，累计融资超过20亿元。

随着云计算、大数据等技术的进入成熟期，各行业SaaS产品也更趋专业化。对于客户而言，企业真正期待的是通过使用产品解决业务问题，从而获得商业成功。这也让敏捷建设、低代码成为当下两大流行趋势。

首先是敏捷建设，BI近年来逐渐由传统走向敏捷。何为敏捷？传统BI由数据仓库、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成，往往由IT人员根据业务人员的需求建立数据仓库，而业务人员在前端查看报表结果。敏捷BI则基于大数据处理技术实现快速部署、数据源集成、高性能计算、探索式分析，核心目标是帮助企业建立一个高度整合和自动化的数据决策系统。

另一大风口是低代码开发平台。低代码开发从字面上来理解，即只需要编写少量的代码，就可以构建应用程序。换句话说，低代码能够让不懂代码的人，通过“拖拉拽”开发组件，就能完成应用程序的搭建。从价值来看，低代码可以弥补日益扩大的专业技术人才缺口，同时促成业务与技术深度协作的敏捷形态。近年来，包括得帆、Mendix、Outsystems等厂商出现均是低代码赛道上的新锐。

趋势二：敏捷运营趋势下，BI基础设施需求快速提升

2022年，BI行业展现出的第二大趋势是，随着越来越多企业数字化转型向敏捷运营进阶，SaaS软件厂商快速提升产品竞争力的需求更为迫切，行业对于BI基础设施的需求陡然增加。

一位BI行业的从业者告诉笔者，随着企业数字化转型进程加速，在玩家不断增多与需求快速迭代中，软件厂商变得更“卷”了。他们不仅需要快速提升自己的产品竞争力，也面对着日益增长的、更复杂的数据分析需求。

随着越来越多SaaS企业的成长，提高用户粘性、增强复购与增量的需求也就变得更为迫切。对他们而言，强大的分析模块成了必备的功能，客户需要在其平台上对业务数据进行完整的展示与分析，但却面临两大问题：

首先，自行研发的成本则相对较高，对现有的产品及研发团队有较大挑战。企业宝贵的研发资源大都投入在核心业务上，需要极大研发资源投入的数据分析虽有强烈需求，却难以通过自研来保证项目落地。

其次，和SaaS企业合作也往往不能满足企业客户日益增长的需求。很多人会把BI简单看成可视化报表，但实际上在落地的时候，客户不会只遇到可视化报表的问题，他们遇到的是围绕数据的全部问题，包括数据的性能、整合，以及在最后查询的时候如何应对并发的问题等，这些问题有时并不是纯粹的BI工具能够解决的。

在这样的背景下，中国BI领域未来需要不断建设基础设施逐渐成为行业共识：有厂商专注于为行业搭建底层数据仓库能力，也有厂商专注提供通用数据能力的标准产品，与专业领域的SaaS厂商深度协同。后者正是上文提到的衡石科技，它的产品HENGSHI SENSE是业内独特的企业级BI PaaS平台，通过与SaaS企业进行产品层面的深入合作，提供标准化数据分析能力引擎，快速帮助SaaS厂商在自己的领域内从0到1轻松构建数据分析和BI报表能力。

当下，ToB行业的SaaS厂商往往希望通过与BI PaaS厂商合作，提高在业务场景中整合添加数据分析和BI报表能力。这从近年衡石科技的增长速度中可见一斑。

数据显示，衡石科技2022年营收增长率超过200%，远高于BI行业整体增速。在疫情侵袭、企业数字化预算上保持审慎的情况下，衡石科技仍保持增长与近乎100%的续费率，保持持续与长期服务。

越来越多的案例表明，数据分析交付的不是一套标准的报表方案，而是在构建一个习惯：数据从产生到开始分析，快速形成看板，再利用看板指导业务，这是个反复迭代的敏捷运营过程。

在客户方面，衡石科技更多地是选择与各垂直领域的专业企业合作，将数据分析的标准能力赋能给SaaS企业，如财税、ERP、CRM、营销、CEM等通用职能SaaS厂商，零售、建筑科技、医疗、金融、工业、BI/可视化方案等垂直行业的SaaS厂商以及大数据SaaS厂商及ISV（独立软件开发商）等。此外，衡石也拥有宝马、元气森林、西云数据、新世纪医疗集团、太太乐等直客，直客群体覆盖零售、医疗、金融等领域，并在2022年产品合作伙伴突破了100家。

这样的客户数量及质量意味着，在企业级BI PaaS平台领域，衡石科技已经获得了SaaS厂商群体的认可，在这一利基市场通过差异化创新策略确立了市场地位。同时，这样的合作也能保证“共赢”，对于SaaS/ISV伙伴来说节省了巨量的研发成本、大幅缩短开发周期；对于衡石来说可以更专注地做好通用的标准化平台产品；对于终端客户来说则可以在业务场景中即时得到专业的分析体验。

整体而言，商业智能借助大数据、AI等技术手段，通过提供行业应用方案体现数据价值。能够真正理解行业痛点，帮助各种SaaS厂商构建数据分析能力和BI能力的PaaS厂商无疑是稀缺的。从赛道内企业数量来看，当下聚焦行业的数据分析解决方案层出不穷，但是真正意义上的标准化产品形态的BI平台/数据分析平台在国内数量很少，只有不到10家，而具备企业级BI PaaS能力的仅衡石科技一家，其后续发展潜力值得关注。

趋势三：与垂直行业结合更紧密，场景化分析成刚需

第三个趋势是，随着企业自身的IT运维水平和数据意识不断的加强，企业数字化转型逐渐由方案优先阶段转向工具软件带动方案。同时，纵观当下的BI市场，BI厂商与垂直行业结合得越来越紧密，和业务结合的场景化分析成为SaaS厂商普遍刚需的亮点功能。

过去相当长的时间，数字化由一些先进的咨询公司和先进的方法论推动，是一个观念先行的状态。随后，大量中国企业通过不同领域的解决方案推动数字化转型，进入方案优先阶段，在这一阶段，企业更加关注客户场景，而较少关注效率和ROI。

而在当下，越来越多行业人士意识到，随着企业自身的IT运维水平和数据意识不断的加强，市场正逐渐进入第三个阶段——工具软件带动方案的阶段。

“当下的阶段在变化，成熟的产品开始脱颖而出，产品和方案开始紧密结合。”一位数据分析业内人士表示，未来，数据驱动型企业将更依赖于有高质量数据，以此作为优化业务流程和开发新数据驱动服务和产品的先决条件。

根据BARC2023的数据分析报告，目前企业对高质量数据及数据管理的需求正不断提升——企业需要尽可能灵活地应对动态变化的市场需求，业务用户要求从集成数据中进行越来越多的跨部门分析，快速响应变化和新需求的灵活数据环境至关重要。

另一方面，在BI SaaS市场，一个显著的趋势是，BI正更加紧密地与垂直行业结合。

越来越多SaaS软件厂商选择下沉到专业细分领域进行深耕。由于云端都是基于微服务架构，集成起来相对容易，集成一家以后就可以给所有客户提供服务，为未来在各自垂类输出标准化产品与规模化获客打下基础。

艾瑞咨询发布的《2022年中国企业级SaaS行业研究报告》显示，2021年，中国行业垂直型SaaS市场规模达到339亿元，同比增长37.6%。其中，微商城、电商ERP等SaaS产品继续保持稳定增长，加之跨境电商SaaS异军突起，零售电商领域增速领跑行业垂直型SaaS，市场规模占比进一步提升，达到36%。此外，随着企业接受程度的持续攀升，SaaS开始进入到更多的垂直行业，呈现出百花齐放的态势。

（图片来源：艾瑞咨询《2022年中国企业级SaaS行业研究报告》）

不管是数字营销、ERP、CRM、SCRM、CEM、HR、业财费控、MES，还是供应链管理，垂直领域的SaaS企业可以通过自研或是外部采购的方式增加BI模块，而这一能力也会通过SaaS厂商传递至终端厂商。

值得注意的是，和业务结合的场景化分析成为SaaS厂商普遍刚需的亮点功能。分析的本质是一种业务运营需求，每天都可能有新的业务问题需要分析，它的变化频率是以天为单位的。当前，许多企业迫切需要一套能够让一线业务人员快速获得一线数据、及时响应的系统，并能让业务人员快速上手、高频使用。

当前，场景化分析领域已经涌现出一些优秀案例。比如，一个电商平台希望能够在查询用户历史订单的情况下（图查询），基于图数据对用户进行商品个性化推荐（图计算）。而智能BI厂商“欧拉认知智能”可以满足这个需求，通过其纯自研的图计算引擎可以进行数据分析，帮助客户在单个系统中进行高效的图查询和图计算操作。

而其中，上文提到的衡石科技则通过嵌入集成产品优势独树一帜。以衡石科技的产品HENGSHI SENSE为例，它可以赋能各个领域的SaaS企业，让产品高度灵活地嵌入集成到各类应用场景中，零代码构建高级分析场景。业务人员只需经过简单培训，知道特定的函数或者使用规则，就可以在“指标管理” 里便捷写入各类计算公式；还能在搭建看板时通过拖拽维度、度量表达出复杂的计算逻辑，全程无需IT团队支持。

（通过HENGSHI SENSE，业务人员经过简单培训，即可表达出复杂的计算逻辑，全程无需IT团队支持）

趋势四：四级台阶，客户自主分析时代来临

BI本质是持续高频迭代的运营工作，随着数据准备工作量、分析成本以及分析门槛的极大降低，推动客户自助分析是必然趋势。

纵观数据分析行业的客户需求，主要分为四级台阶。

最初的台阶是标准分析模板。无论是拥有个性化需求的重点客户，还是通过基础的标准报表就能解决大部分分析需求的普通用户，其数字化转型往往起步于此，当一个组织逐渐让业务部门参与数据分析，就意味着它开始采用数据驱动业务进行真正的决策了。

在这个阶段，关键是要让业务团队能够以更低的门槛参与其中，需要能够自助分析。

第二级台阶是个性化报表。对于软件公司而言，千人千面的研发能力并不容易，而像衡石这样的PaaS平台则能够帮助他们快速拥有这种专业的能力，灵活高效地满足KA客户（重点客户）的个性化分析需求，软件厂商也需要相应的分析专员响应客户的个性化需求；同时衡石还能帮助SaaS企业进行多租户的管理，以及更为精细、安全的权限控制。

第三级台阶是终端客户业务侧自助分析。在这一阶段，由终端客户的业务人员自己使用数据分析；让租户（终端客户）获取自助分析能力，帮助SaaS企业维护好指标体系，让SaaS平台方的客户能自己构建看板。

第四级台阶是终端客户分析师专业分析，从自助走向自主。在这一阶段，不只是终端客户的业务人员可以进行数据分析，终端客户的数据分析师也能做更专业的分析。未来，标准化的数据分析产品能够为其提供深度预测能力、数据关联和模型学习能力，通过API导入其它SaaS的业务数据，让SaaS平台方的客户进行更高级的探索分析、整合分析。

值得一提的是，未来在人工智能(AI) 和机器学习(ML) 的支持下，增强分析允许非技术人员创建高级数据分析模型，甚至可以从中快速获得商业洞察。它通过促进数据收集、数据清理和洞察生成来帮助企业处理数据的复杂性和规模；它也能让更多企业可以访问数据分析，以便从数据中获取价值，让他们有机会提出正确的问题，并以易于理解和对话的方式产生洞察，并为相关洞察提供进一步解释。

可以说，这四个阶段也是业务智能化程度由低到高发展的顺序。当前市场上SaaS企业自研能力主要集中在首级的需求，对于客户个性化需求难以应付。

纵观行业，当下已经涌现出一批较为成熟的自助BI商业化产品，如帆软BI、BDP、Tableau、永洪BI、亿信华辰、云厂商阿里QuickBI、网易有数、火山引擎智能数据洞察等等。

上文提到的衡石科技的能力则覆盖了全部四个数据分析阶段，目前阶段在合作中则主要集中于第二和第三级需求。

未来，随着企业数据量快速增长，内外部数据来源不断丰富，总体数据分析需求也在不断增加；另一方面，数据分析环境也正变得越来越复杂——企业从各种来源收集越来越多的不同结构的数据，同时还会实施新的分析解决方案。

在这一背景下，更好地管理和使用数据，及清晰定义数据关系的重要性会不断提升。

不难想象，当数据得到妥善管理并以高质量提供，数据分析能力能够随心而动、深入业务，未来的“数据驱动公司”能释放其数据的全部商业潜力，甚至对现代企业的运行方式进行整体变革。