一、商业智能
传统商业智能（Business Intelligence）是基于数据仓库、数据挖掘等大数据技术进行数据抽取、展示与分析，从而为企业实现商业价值提供支撑。新型商业智能（Business+ Artificial Intelligence）是在基于数据维度进行商业分析的层面之上，通过将人工智能核心技术（机器学习、计算机视觉、自然语言处理、智能语音交互、知识图谱）与大数据、机器人流程自动化（RPA）、运筹学等技术相结合，围绕商业活动中各典型关键环节进行洞察分析，并通过完整的解决方案级应用，推动产品创新与服务升级。本报告围绕上述界定的商业智能特征展开研究分析，描绘新型商业智能的应用现状、典型玩家布局及未来发展前景。
商业智能产业链的上游为基础设施、企业信息化系统、大数据平台服务商等，中游为解决方案提供商，下游主要为技术使用者及客户。
商业智能行业产业链示意图
资料来源：公开资料整理
二、中国商业智能行业发展现状分析
市场规模方面，据统计，2018年中国商业智能行业规模约为16.6亿元，同比增长25.8%，预计2019年市场规模约为21.1亿元。
2016-2019年中国商业智能行业市场规模及增长
资料来源：公开资料整理
企业用户分布结构方面，据统计，有61.62%的企业的数据分析工作是第二类型(IT强主导型)，有21.89%的企业的数据分析工作处在第一类型(IT完全主导型)，。
智能商业用户分布结构（单位：%）
资料来源：公开资料整理
随着人工智能技术与商业场景融合发展进程的加快，该领域内的资本关注度随之增高，投资事件密集发生。2014年至2018年，商业智能领域累计发生融资事件100起，2018年最多达到57起，预计未来将保持稳定增长态势。
2014-2018年中国商业智能行业投融资数量
资料来源：公开资料整理
从融资轮次来看，早期发展阶段的商业智能创业公司受关注较多，主要集中于A轮和天使轮，占比分别达到29%和19%。
2014-2018年中国商业智能行业融资轮次分布
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2020-2025年中国商业智能行业发展趋势预测及投资战略咨询报告》
三、中国商业智能行业竞争格局分析
从企业竞争方面来看，近年来，商业智能行业进场者越来越多。2018年活跃的BI工具和厂商约有50个，较2017年的42个多出8个，很多产品都是近两年推出的。2019年上半年，帆软以14.9%的市场份额排名第一，其次是SAP市场份额占比9.3%。
2019年H1中国商业智能软件市场份额（单位：%）
资料来源：公开资料整理
四、中国商业智能行业发展趋势分析
越来越多的企业使用数据来驱动他们的决策——这使得前沿分析和商业智能战略成为企业可以拥有的最佳优势之一。新兴技术正在改变企业从数据收集和提取可用见解的方式。
1、数据发现的新途径
像物联网(IoT)设备这样的新数据收集技术正在为企业提供大量的实时数据，这与以前收集的任何数据都不一样。人工智能和数据投资者MattTurck表示，“一切皆可数据化”，随着越来越多的人员上网，可以将信息进行分析、分类并将其转换为一种格式，而人工智能系统可能会崩溃。
这些新的数据发现途径将为商业智能分析师提供比以往更多的数据来源。与此同时，处理大量数据的公司将需要开始更加认真地对待数据安全性和隐私权，尤其是在处理机密的消费者信息时。正如企业越来越意识到数据的价值一样，黑客也越来越意识到这一点，因此，数据泄露的频率和成本也开始飙升。
依赖这些新数据源的公司也需要保护这些新数据，否则将面临难以承受的后果。
2、产业互联网的兴起将加速商业智能模式裂变
以信息传递、流量分发和注重用户体验为主的互联网上半场已接近尾声，被称之为“互联网下半场”的产业互联网兴起之势已不可阻挡。在逐步渗透打通各传统产业内外部连接、实现新旧动能有效转化的基础上，产业互联网会重建流量、科技、场景之间的共生关系，创造新型的商业发展生态。围绕数据资产的有效变现，产业互联网产生的丰富价值流量会持续为以“数据-算法-智能”为主线的商业智能应用路径注入海量数据，并凭借对传统产业链改造升级能力催生出商业智能更多应用场景与想象空间，加速商业模式创新与商业逻辑重构。
3、互联网巨头、科技公司与商业企业合作共建生态
随着人工智能技术的不断纵深发展，与传统商业领域融合程度持续加深，科技公司与互联网技术服务商已从原有的“赋能者”角色逐渐向“合作伙伴”角色转换。未来，商业智能企业所需要建设的能力不再是单点的垂直领域解决方案服务，而是希望基于对本领域赛道充分理解认知的基础上，实现对企业全业务流程服务能力以及跨场景生态拉通格局。为实现此目标，需要互联网巨头发挥流量优势与生态建设力，人工智能技术提供方打通技术开发到场景落地的应用路径，传统商业公司输入行业认知并思考模式创新方向，三方合力共建商业智能稳固生态圈。
4、个人数据监管不断趋严带来新的发展机遇与挑战
当前，大多商业场景都会产出与个人用户直接相关的核心敏感数据。针对个人数据的收集、存储与分析在为商业智能带来决策价值的同时，也会引发一系列隐私泄露风险与道德危机。为有效保护个人数据信息，全球各国密集出台以GDPR为代表的各类信息保护法规及条例，对技术公司收集使用个人用户信息进行较为严格的限制，一定程度上影响商业智能技术提供方的数据标注与算法模型训练。监管永远是一把双刃剑，在为技术创新带来外部限制的另一面，是激发技术企业形成“带着枷锁跳舞”的能力，通过算法迭代与产品测试流程创新减少对训练数据的依赖程度，通过尽可能小的数据样本完成模型训练与测试验证流程。
5、商业智能分析师日益短缺
与其他一些技术和STEM领域一样，商业智能和数据分析也面临着越来越缺乏高技能分析师的问题。目前还没有迹象表明这种趋势会逆转——随着基于人工智能的技术越来越广泛地被采用，越来越多的企业转向人工智能驱动的数据收集和商业智能，这种短缺情况甚至可能变得更严重。
很难说更好的教育计划是否可以改善这种情况。目前的商业智能和数据分析教育项目并没有有效地训练员工使用人工智能程序和其他现代商业智能技术。同时，这些商业智能职位的许多空缺都需要在该领域拥有多年经验和高技能水平的工作人员。通常，初出校门不久的大学毕业生不适合担任这些职位。企业可能需要为缺乏能够使用人工智能和大数据的业务分析师和数据科学家做准备。
