根据Gartner的最新预测,2017年全球商业智能(BI)和分析软件市场收入预计将达到183亿美元,相比2016年增长7.3%,到2020年该市场预计将突破228亿美元。
据Gartner称,现代商业智能和分析继续以超过整体市场的速度扩张,这弥补了传统商业智能支出的下滑。最近几年出现了不少现代商业智能和分析平台以满足新的需求:可访问性、敏捷性、更深度的分析洞察、从IT主导的、系统记录报告转向业务主导的、包括自助服务的敏捷分析。
然而,现代商业智能和分析市场预计将减速,从2015年63.6%的增幅减少到2020年的19%。Gartner认为,这反映了数据和分析逐渐成为主流。该市场在席位扩张方面呈现增长,但是收入会受到定价压力的抑制。
Gartner研究副总裁Rita Sallam表示:“采购决策仍将受到企业高管以及那些希望有更高敏捷性、可选择小型个人和部门级部署以证明成功的用户的影响。企业友好的采购模式对于成功部署将变得越来越重要。”
Gartner认为,快速变革的现代商业智能和分析市场正在受到以下七大动态的影响:
1、大规模现代商业智能将主导新的采购——虽然商业用户最初涌入新的现代工具市场是因为这些工具在不需要IT辅助的情况就可以使用,对监管越来越高的需求将成为IT重新参与进来的催化剂。从企业层面来看,支持更高可访问性、敏捷性和分析洞察力的现代商业智能工具将主导新的采购。
2、新的创新厂商和知名厂商将推动下一波市场变革——智能数据发现能力、机器学习和整个分析工作流自动化的兴起,将推动新一波的采购热潮,因为其中存在缩短从高级分析中获得洞察、将洞察提供给企业中更多人的潜在价值。虽然这个“智能”热潮正在受到有创新性的初创公司的推动,但是传统商业智能厂商也在缓慢地进行调整以适应目前的“现代化”浪潮,他们在某些情况下也起到了推动发展的作用。
3、需要复杂数据集推动数据准备中的投资——商业用户希望分析多样化的、通常很大且更为复杂的数据来源和数据模型,速度超过以往任何时候。以自动化的方式快速准备、清理、丰富和发现可信赖的数据集,这一能力亿i纪念馆成为一个重要的推动力。
4、可扩展性和可嵌入性将成为扩大使用和增强价值的关键推动力——互联网的用户和客户要么使用更加自动化的工具,要么把分析嵌入到后台使用的应用中,或者两者兼有。内嵌和扩展分析内容的能力,将成为推动普及和从分析中获取价值的关键因素。
5、支持实时事件和流数据将扩大使用——组织机构将越来越多地利用设备、传感器和人生成的流数据来快速决策。厂商们需要投资类似的能力,为采购者提供把实时分析与流数据和其他类型源数据结合其他的单一平台。
6、对云部署的兴趣将越来越高——商业智能和分析平台的云部署有降低总拥有成本和缩短部署时间的潜力。不过,企业仍然有很多数据是保存在本地中的,这将成为阻碍采用的一大障碍。不过这个情况正在发生改变,Gartner预计到2020年大多数新许可的采购都将是针对云部署的。
7、市场将为企业机构创造机会,采购和售卖分析能力,加速获得洞察——一个活跃的市场中,采购者和售卖者聚合到一起交换分析应用、聚合数据源、自定义可视化及算法,这将引发越来越多对商业智能和分析的兴趣,推动未来的进一步增长。
Sallam表示:“很多新的创新厂商将不断涌现,来自大厂商对创新的重大投资、以及获得风投的初创公司,这些都将让企业机构从中受益。然而,他们需要特别小心,当多种单独解决方案快速展现业务价值、不需要特别关注设计、实施和支持的情况下投入生产环境中可能导致的技术债务。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。