中国企业的BI系统正站“悬崖边”。
“如今，企业数据管理系统已经进入第三阶段，如果不走向第三个阶段，系统离‘死亡’也就不远了。”作为帆软的产品研发总经理，陈敏亲身经历的一个现象是：在过去一年时间里，帆软内部系统表的数量从8万张增长到16万张，一年内翻了一倍。
这种情况不仅出现在帆软，更在一众中国大型企业。用陈敏的话说，以这样的趋势持续下去，无异于“死亡倒计时”。
一个真实的情况是，在不少中大型企业中，伴随着企业业务的发展，其BI系统会趋于自治化，即IT部门和业务部门会各自建立自己的BI系统。而这种“自治化”对应的是多个肉眼可见的企业经营威胁：报表质量低、开发难度大，此外，随之增加的还有底层IT资源存储、和单独运维管理的成本。
实际上，帆软的模式也更是国内无数企业的缩影。甚至如果向更深处探寻，其对应的不仅仅是报表本身的问题，更反馈的是企业对于数据资产建立的“无秩序”。即在业务和IT的两套体系内，固有的数据始终保持隔离状态，对企业而言，其很难基于同一套标签体系进行归纳，由此带来自身的数据资产始终无法得到有效整合。
而伴随着如今AI时代的到来，如果企业自身没有足够清晰的数据和资产中心，一个共识是企业将很难构建自己的AI能力壁垒。
对企业，或者说对帆软而言，应该怎么办？
2023上半年，帆软内部召开了一次“火药味十足”的管理层大会，其核心面向就是作为智能BI的服务商，在帮助客户解决问题之前，帆软应该先“医好”自身。
“也是在那一次会上，我们砍掉了一些业务方向，决定重新梳理帆软的整个业务和产品。”陈敏回忆道。
这是帆软的又一次“自我革命”。
在过去的多年时间里，帆软一直是中国TO B市场上的一家特殊企业，不上市、不融资，同时公司总部设在非一线城市，但与这种企业模式上的低调形成鲜明对比的是，帆软连续多年出现在Gartner、IDC等顶级咨询机构的商业智能BI象限/报告中，中国500强企业客户中帆软产品的使用者接近80%。
此外，不论是FineBI、FineReport、FineViS，还是最近推出的FineChatBI，亦或底层的FineDataLink，在每一个单品上，帆软的市占率都较高，是名副其实的“单项冠军”。
而如今，这个中国BI市场的风向标，又在重新攀一座山。
一
一个BI的“死亡倒计时”
中国的BI市场，有一个奇怪的现象。
“我今年跑客户被问到最多的问题就是数据集成工具是一家，指标平台是另外一家或者自研一个，BI和报表用的是帆软，这三者配合的很不好，怎么办？”陈敏对产业家说。
如果把这些问题放置到放大镜下，不难看出，其对应的恰是不同数据工具之间存在严重的集成和协同问题。甚至于在某个环节，多个厂商提供的产品之间还存在烟囱重复建设的现状。
“本质是企业缺乏一个统一的BI视角，BI工程往往是为了满足一时需求，比如自助取数，比如业务基于BI生成报表等等。
诚然如此，从更大的视角来看，在中国BI市场，业务与IT“两套体系”的开发模式已经成为越来越多企业发展的绊脚石。由于缺乏统一的BI视图，内部的BI工程往往会变成为了满足特定需求的“孤岛”。
一份来自Gartner针对企业在数据和分析工具部署情况的调研数据显示，从企业的部署情况来看，一家厂商的端到端平台部署企业只有31%，而内部自建的占比38%，多家厂商合作的联合组装平台占比20%，多家厂商的烟囱式部署占比更是高达11%。
这种碎片化的建设导致企业在BI前端开发上投入的周期变得异常繁杂且低效，底层数据工程的不一致性更是让产品之间的数据复用成为奢望，重复开发成为常态。
服务商侧的问题同样突出。
“仅仅只有20%的客户把我们帆软的FR及BI产品集成部署在一起，接近80%的客户是分开部署的”，陈敏告诉产业家。
实际上，这也恰是中国BI市场的企业和服务商现状。即对大多数BI服务商而言，其提供的是单点、单渠道的需求满足，这种模式虽然能够解决特定场景的问题，但缺乏整体性和连贯性。企业在尝试整合多个服务商的产品时，往往面临技术架构、数据模型、用户界面、数据接口等等方面的兼容性挑战，烟囱式建设成为不可避免的结果。
这种“不可逆”的数据建设体系给企业带来的是显性和隐性层面的双重问题。
首先，从显性层面来看，伴随着企业内部报表数量的增加，其自身的运维成本、存储成本、数据调用成本等IT支出都会明显增多，甚至一定程度上会导致数据调用的敏捷性降低等等问题，影响业务反馈。
此外，从隐性层面来看，也或者说更根本的问题，长期以往，企业内部的数据不仅无法得到有价值的消费，同时在后续业务发展中产生的数据也更无法被有效收集和管理，对应到企业自身数据资产侧，则是很难构建有足够价值的资产体系，不论对企业的数据驱动决策的模型而言，还是如今的AI落地，都会在无形中产生负面影响。
这也恰是陈敏所说BI“死亡倒计时”。
换言之，如果要解决上述问题，企业要构建的是一个统一视图的BI体系。即一个理想的模型是，将IT需求和业务需求进行打通，基于统一的数据中心和资产中心进而构建数据层和消费层的闭环，在统一平台运维的基础上，实现清晰、明确的BI体系。
答案在哪？
二
FineONE背后：
由点到线，由线到面
故事回到2023年的那次帆软内部的争论，即在“火药味”之后，两个被达成的调整新共识是：围绕客户视角、围绕价值视角。
也恰是这两个共识的推动下，FineONE应运而生。对FineONE的一个简单的介绍是，和帆软过去多个“单项冠军”产品不同，它更等同于一个面向企业的新BI视图，即一系列在企业实际经营过程中涉及到的BI应用、数据等不同节点都被整合到一个完备的框架内，在这个框架内不论是业务和IT之间的打通，还是数据在业务、IT等不同环节的流转，亦或全端的运维，都有足够明朗的设计。
“我们首先保证的是企业一头一尾的建设，这两头建立完成，企业内部就可以高效跑起来。”陈敏告诉我们。
他说的恰是FineONE的资产中心和底层统一运维平台。可以理解为，在FineONE面向企业设计的资产中心内，其对资产进行了更进一步和更细颗粒度的标签划分，以及设定的对应的申请权限，从组织流程上保证数据在统一沉淀后能够被科学的使用和治理。
而在底层的平台管理和运维侧，其更等同于重新建设了一个全新的BI全端“诊疗”机制。即把之前各个产品之间的服务共同抽离到底座，保证各个产品之间故障互不影响，独立升级；此外，基于统一平台，可以进行统一管理、全方位监控告警。
可以理解为，相较于之前企业内部不同节点及IT、业务分别自治或不治的模式相比，FineONE提供了一个全盘运转工具，从全局视角、全链路提供服务。
此外，在FineONE数据中心建设设定里，业务和IT只需要基于数据中心构建指标，不再出现类似的重复调用、烟囱建设等等，可以帮助企业实现真正的数据工程。
“我们更希望企业可以根据自己现阶段的需求选择适合自己的产品，而同时，伴随着企业的发展，我们也更可以提供更新的产品，保证企业之前的建设不会被浪费掉。”陈敏告诉我们，“比如有的企业之前用的产品不兼容，后面我们也会帮助企业做分期的项目规划建设，这是一个长期的过程。”
可以说，基于FineONE，企业可以根据自身的需求与发展阶段，不再像之前一样采购各种市场上不兼容的BI和数据产品，而是可以在FineONE提供的“BI自助餐”里进行按需调用，这种调用一方面在帆软单项冠军能力的加持下，其具备足够强的单项需求满足能力，另一方面也更基于无缝连接的共享平台特性，可以与后续的需求对应新产品保持兼容，更构建自身的全链路科学化BI能力。
三
帆软，再攀一座山
“但这个过程很难很难。”陈敏回忆道，“从某种层面说，这是帆软未来商业模式的变化，中间涉及到的业务、技术、人员等调整非常多。”
可以说，帆软正在治“未病”。在过去的多年时间里，在帆软内部，一直以来的一个口号恰是市场都熟知的“单项冠军”，即在每一个单品推出后，帆软都力求做到整个市场的前三，甚至第一。
这种理念对应到产品和市场侧给帆软带来了极强的市场影响力和竞争力。不论是FineBI、FineReport，还是零代码产品简道云，帆软的产品使用人群和调用量都在各自对应的赛道名列前茅。
但这种强势文化也更带来一些隐患。“比如我们内部一些产品在面向客户的时候也会出现一些边界不清晰，甚至不好的竞争现象出现。”陈敏表示。
供应问题，本身都来自需求。尽管陈敏等帆软决策层清晰这种模式的本质来自国内企业对于BI路径和思路的不清晰，但对帆软自身而言，这种“大跃进”式的模式也更带来了内部资源的浪费和不良性。
于是在一场激烈的讨论后，产生了前文所说“两个共识”。
但即使共识产生，推进依然不是一件容易的事。从产品来看，业务和业务之间、业务和IT之间、上层应用和底层数据、资产之间以及运维管理等存在太多的断点，对企业而言，全部打通几乎是一件不可能的事情，而对帆软而言，尽管这些不同模块的产品都隶属于自身的一个体系，但工程量也非常浩大。
“其实我们从去年开始一直梳理各个产品的边界，一直到今年4月份才把底层的产品逻辑理通，接下来就是把产品功能界面推上去。”陈敏对产业家说。
而在具体的执行上，陈敏有清晰的规划。“首先是先完成一头一尾的建设，让大家接受知道这个事情和理念，其次慢慢地向最复杂的业务推进，把每个产品的边界卡好，进而形成一个整体。”
而在这个过程中，帆软有自己的优势。“如果不是每个产品都是单项冠军，都能做到极致，那么梳理出来的BI框架和体系也就价值不大。”
可以理解为，也恰是基于过去单项冠军产品的积累，帆软才能构建出国内最优质的BI全链路数据解决方案，才能帮助企业构建最适合和最兼容未来成长发展的数据体系。
能够清晰可见的是，基于FineONE，中国企业将可以构建出较真实、较具成长性、较不“内卷”的智能BI体系，同时，在这个天然和数据资产挂钩的体系加持下，企业也将积淀出有足够价值的数据资产。
还不仅如此。在FineONE的整个视图之中，帆软FineChatBI也更在被嵌入到真实的使用侧。“包括在资产查询或者数据查询方向，我们后续也会考虑加入一些AI能力。”
但对于AI，陈敏和帆软有自己的克制和要求。据了解，在帆软内部，“确保用户持续使用”是FineChatBI的第一个目标，第二个目标是准确率，“今年将准确率提升到80%，明年争取进一步提升到95%。”一个数据是，截至目前，如今和帆软FineChatBI进行产品共创的企业已经达到24家。
“现在国内BI市场太卷了，大家应该把精力放到怎样一起做大市场上。长期来看，“BI的价值一定是大于钱的，甚至会远大于，这点企业一定会认识到。”
2024年的帆软，正在重新攀一座山。
