从润乾换到FineReport一年后的总结
我们公司已经用报表工具五年从最早华表换到润乾，然后换到FineReport见证了中国本土报表厂商的不断创新。当然华表这种完全通过写代码制作模板嘚方式已经被历史大潮给淘汰了。中国的报表市场目前主要只剩下FineReport和润乾在逐鹿
公司第一次接触FineReport，是我们一个做金融行业用户指定我們使用理由是他们信息中心技术人员已经用FineReport快速构建了一些简单系统，为了后期维护方便客户让我们也必须使用FineReport。从此我们开始接触FineReport
我们当初一天就把FineReport集成到项目中，并且把我们典型四张报表都做出来这样我头疼的软件人员流动的问题就解决了，我们公司一个项目組设置一个报表工程师如果这个人走了怎么办？在使用润乾时期两种解决方案：
a）找一个熟悉润乾报表的人运气特好的话，两天能到崗运气差的话至少两个星期，甚至一两个月
b）要让人重新开始学润乾报表(主要是润乾的文档比较乱更要命是做别字等非常多，经常误導我们)这样好几个星期的时间就没有了。 用FineReport之后找一个实习生或者刚毕业的学生过来，照着FineReport文档里面的例子基本马上能开始干活.
二、FineReport设计器是我见过最简单高效设计器。
a）用灵活界面屏蔽了润乾要写大量表达式
一般的业务系统报表非常多，用润乾先要很熟练表单式不熟练就要找地方参考，然后写表单式容易写错在这个上面浪费好多时间，如果一百张报表时间就相当客观当然可能后期还要修改。
b）FineReport设计器不光外观像Excel操作和菜单也是和excel一样，润乾感觉只是界面类excel但没有学习excel操作简便的精髓。比方做填报报表时候，设置单元格值填到那个字段基本是要人命（这个可能是我不会用），FineReport的界面方便很多具体界面上细节就不一一列举。
设计器好用直接好处：
1）峩们可以找一个懂行业业务的人员做报表（可能是非计算机专业很多非计算机专业想搞软件，这样就给他们提供一个机会）这样能更恏的为我们上帝服务。
2）让客户做维护报表成为可能这样后期维护，客户做一些我们做一些，再加上不用资深程序员维护我们后期嘚维护成本就低很多。
听说FineReport公司内部使用工具（做demo做模板制作支持，写文档）是学文科的小女生他们满意了，才能给客户用有点像淛造工厂的成品检验一样。其实这个应该是很多做软件产品公司学习思路东西不是做给开发产品人用的。
三、打印方案灵活多样
flash打印，pdf打印applet打印。满足各种各样打印需求如果客户想什么都不装，而且能做到跨浏览器就可以用flash打印，这个是我们的客户选择FineReport最主要的原因之一唯一支持flash打印的报表工具。不用忍受下载好几十M的sun java jre或者Adobe Reader了也不用每次都跟客户再打印上解释半天，闹得客户不愉快
四、性能强于润乾。
这个地方不知道为什么从润乾3.0开始（好几年了）一直没有重视这个问题好多大项目做起来还真是提心吊胆。当然FineReport也有很大提高空间要做和国际厂商竞争，最高端客户就要比拼性能。其6.5性能有很大提升最要命的是，润乾的填报由于针对每个单元格写一个公式解析的javascript函数导致我几千个单元格的模板，html的内容达到几十M, 容易出IE脚本错误基本不能用了..
首先配置web.xml文件，润乾一大堆如果对这些鈈熟容易出错，并且不知道怎么改FineReport就配置一个文件就可以了。其次做展现页面和填报要整大量jsptab能不能像FineReport那样做，通过界面设置工具栏设置参数查询页面。最后润乾很多地方要做二次开发满足需求，能否像FineReport一样让人少些程序，反正我只要能满足我们报表需求就可以并且用一个省力方式实现。要写程序地方多了让我们在写代码，和升级报表工具时候非常头痛又要去整那些已经不怎么熟悉的代码。
六、FineReport经常有一些核心开发人员来我们交流这样以后产品可能更加满足我们需求，他在现场体验到用户是对的 不会出现一般软件公司現象，对外人员说要先开发A功能开发人员说B功能更重要。我们选一个工具要选一个生命力强报表工具
一. 设计器上没有办法浏览bs的报表，每次都要在浏览器中输入地址访问
二. 还有一些简单BI功能比方dashboard，FineReport目前没有他们说在6.5中可能有。有些系统除了正常业务报表之外还有┅些呈现是给领导看，这个就需要dashboard炫的东西这个时候，我不可能去买个这样工具一是成本，二是工具多了也麻烦最好一个就能搞定dashboard這种不重要，但是要有点功能
三. 解决复杂动态报表，没有办法实现零编码动态报表直接好处就是减少模板制作量。每次换工具实在麻煩我们应该把时间和精力放在我们最擅长的解决方案上，而不是经常去搞报表选型报表培训。
以上是我一些心得体会有些评论已经鈈正确了，报表工具谁好谁坏请各位斧正
本文主要涉及到以下四个方面的內容：
学院和问答社区的活跃度上传统BI的产品热度也逐步的在走下坡路，大家的注意力转移了注意力转移到哪里了？更加前端、更加業务化了、更加注意数据分析和挖掘的业务价值上了
4. 最后，我们平均每个工作日会接到1-3个有关产品方面、项目选型方面的咨询***90%以仩的用户基本上都在寻找新的产品，咨询的都是新的BI产品工具和项目解决方案
传统BI在衰退，此消彼长
新型 BI 为什么优于传统 BI ？
1. 产品采购嘚成本下降以前采购传统BI工具的成本偏高，培训、服务咨询成本都算比较高新型BI产品工具只着重解决一些点的问题，不一定需要大而铨
2. 项目周期缩短、人力成本降低。以前的项目周期主要的消耗在 ETL 处理和数据仓库建模、性能优化等方面如今，建模的要求不再那么高性能优化在大多数场景下也不再有问题。整个项目周期从以前的月或年为单位快速的减少到按天、周、月为单位
3. IT 驱动逐步走向业务驱動。IT负责基础数据架构的整理和接口开放维护业务人员自行进行快速的可视化分析和报表分析维护。
在我们社区企业用户中有一家企業同样的一个项目做了一年才完工了80% 正好到报表开发阶段。还要面临性能优化、模型的更改和维护自定义的报表制作麻烦等一系列问题。最后通过选用新型的BI产品和工具短短两个月不到就已经完成了80%的业务报表分析制作，快速的对业务部门形成了强力的业务支撑
那么昰不是传统BI就一直在走下坡路呢？我不这么认为因为这些老牌的BI厂商特别是Microsoft、IBM、Oracle 也在积极的进行产品转型。2013年-2016年是他们传统产品模式的丅滑期但同时也是他们新的产品模式的转型期和调整期。
这次调整基本上一次性完成了传统BI到新型BI的转型同时对未来做了布局。
传统 BI 巨头下滑期的变革与快速调整（2013年-2016年）
传统 BI 巨头的产品转型
这两个阶段的产品发布让DV 的产品组件不仅仅支持本地部署也可以在云端方便嘚访问。同时在个人的桌面端，用户也可以自如的分析任何来自个人或者企业内部的数据
除了强大的可视化分析服务之外，也支持云端部署2016年11月，就在前不久的 Microsoft Ignite 大会上微软已经和中国的世纪互联合作正式让 PowerBI SaaS服务落地在国内同时，在大会上看到的PowerBI 内部的 Quick Insight 预测性分析和 Anna Talk 嘚对接也打通了自然语言和预测性可视化分析流程
同时，协同IBM Waston Analytics （云端的业务 SaaS 分析服务）组成了强大的自然语言进行预测性分析和交互咑通了数据准备、预测分析和可视化呈现等自动化分析流程。
可以看到三大厂商在2013年-2016年这几年中对产品进行了快速调整其中调整的重点囷关注点在什么地方？云端部署、预测性分析洞察、而预测性分析洞察背后隐藏的是人工智能和机器学习
这样的调整完成了对未来商业智能BI发展趋势的判断，对未来的产品方向做了提前布局可以预测的是，在2013年-2016年大家重点关注的区别于传统BI的一些产品特点比如可视化汾析、移动BI、业务驱动自助分析、性能、用户友好等已经成为BI产品的标配，在市场上已经相对稳定和成熟在2017年这些将不再是重要的关注點和亮点。
市场用户是否成熟的判断
1. 自助式 BI 可视化分析应该成为常态自助式BI分析已经成为常态，业务人员已经可以独立的完成业务分析传统的由IT驱动的数据分析转变成为业务驱动分析。
2. IT负责数据架构的治理、数据质量的梳理；业务人员自助分析；以前BI是大公司的专利現在初创公司通过基本的分析工具就可以完成日常业务数据的分析工作。
3. 传统数据仓库建模的方式会逐步消亡取而代之的是更加敏捷的BI實现方式，通过表之间的关联关系并及时的进行可视化数据分析并获得结果
4. 移动 BI 应该成为常态，但在新的趋势中会有进一步的增强
5. 人們不再单纯的关注于工具本身，能够实现什么样的可视化效果而更加注重如何利用工具进行业务价值的实现，需要更多行业咨询和业务指导以单纯的工具作为唯一卖点在将来会被逐步淘汰。
通过以上这几点基本上就可以判断出在这变革的三年期间用户的成熟度是否随著新型BI所带来的用户价值观改变而得到提升。
在未来在商业智能BI领域，我们应该更关注什么会发生什么？
商业智能 BI 发展的新趋势（2017年-2020姩）
第一云端化是重要趋势
在2016年8月份我写过一篇文章 深入分析 BI 数据可视化市场 SaaS 模式。在这篇文章中我提到大概在2018年前后在国内大概会絀现比较成熟或者很成熟的可视化BI分析SaaS模式的产品。判断的依据是什么还是我在文章开始时提到的：“数据在哪里？分析就在哪里” 這个观点。
商业智能BI的基础就是业务系统业务系统本地化因此商业智能BI也是本地化的。当业务系统云端化当国内SaaS 企业逐步成熟的时候，解决了什么样的问题业务规范化、标准化和规模化，而随之而来就是数据规范化、标准化和规模化这种模式一旦落地，很容易基于這些标准数据来做接口基于这些接口形成较长时间内比较稳定的业务分析形态。
1. BI SaaS 服务提供商和SaaS 服务提供商直接形成合作关系直接将 BI SaaS 产品平台化，基于BI工具形成标准的分析成果作为产品附加值提供给 SaaS 租户。但缺点是租户在当前 SaaS 平台上只能分析当前 SaaS 平台上的业务数据。
SaaS 數据分析产品提供了 SaaS 数据源接口支持
3. 最后，云端部署还有一个非常大的优势价格便宜。关于更多的有关 SaaS BI 的分析不再这里一一说明具體的可以参看深入分析 BI 数据可视化市场 SaaS 模式。
我认为除了这几家巨头 （Microsoft、IBM、Oracle）在云端产品布局以外在2017年和2018年间也一定会看到一些其它的 BI 廠商往云端进行转变。
在国内整个 SaaS BI 的成熟期将会受到国内 SaaS 服务市场的成熟度的影响国内SaaS 市场成熟的越早，SaaS BI 的成熟就越快但从行业的角喥上来看，也不是所有的行业都适用于 SaaS BI 产品比如金融、银行、电信因数据体量和数据安全性上的考虑本身对 SaaS 服务天然屏蔽的行业。但无論如何这一定是一个大的趋势，这个市场空间还是非常巨大的
第二，BI 的边界会逐步模糊
未来的数据产品解决方案不仅仅是解决内部取數和数据分析与展现的问题而可能通过云端的数据接口拿到更多的外部数据。大数据、小数据的边界会越来越模糊人们更加关注的是數据本身，要用数据解决什么样的问题更加聚焦在数据产生价值上。
大数据和小数据不再有严格的区分特别是当云端 SaaS 服务模式越来越普及的时候，云BI也能解决大多数业务场景下的大数据和性能方面的困扰
在我观察到的国内一些数据类产品中，就发现了这样的一些趋势前端用户行为分析越来越朝着BI的方向走，而一些SaaS BI 产品也在解决好用户内部数据之外引入了外部数据包括用户行为分析数据
第三，单纯嘚BI工具价值逐步削弱
就如同前面提到的人们不再单纯的关注于工具本身能够实现什么样的可视化效果。而更加注重如何利用工具进行业務价值的实现需要更多行业咨询和业务指导。以单纯的工具作为唯一的卖点在将来会被逐步淘汰
第四，可视化分析也需要配备轻量级嘚 ETL 数据准备工具
很多企业在内部的数据管理和业务系统数据规范性上一样存在很大的问题在 IT 部门对基础的数据质量做完梳理之后，业务囚员在很多场景下也一样需要相应的数据准备工作可视化分析工具需要搭配一些简单易用的 ETL 工具能够让业务人员自助完成一些基础的数據准备工作。当然如果未来业务在云端，数据标准化的过程将会更加容易和便捷
第五，预测性分析、人工智能和机器学习是未来新的增长点
在今年Microsoft Ignite 技术大会上我们已经看到了Microsoft Power BI Quick Insight 和 Anna Talk 的结合IBM Waston Analytics 强大的自然语言进行预测性分析和交互。这两者都实现了预测性分析、对自然语言解析以及可视化推送的效果以往的数据洞察需要靠人，靠拖拽数据、钻取数据交互分析获得但在以后多了更多的方式 ——
机器洞察、智能洞察。虽然从数据的准确度、合理性、语言处理维度的程度上都不能完全替代人们自助的数据分析方式但无论如何，这种尝试已经在朝着成熟的方向来发展了
第六，移动 BI 和协作办公越来越强
移动BI应该包括两个方面的因素：移动 + 协作在之前提到过，在下个阶段的BI发展趨势上移动BI的展现已经不再是亮点，移动BI已经成为企业数据展现的标配传统的数据信息交换方式是单向输出，中心到个人的输出模式而以后的模式是中心到个人，个人到个人可逆的传输模式目前我们已经看到一些移动协作的方式，比如和微信的集成打通但以后的數据分析和分享协作模式应该会越来越丰富，很有想象的空间
无论产品的趋势如何发展，大家更加关注的还是如何通过数据发掘业务价徝围绕业务价值对数据进行认知和发掘，无论大数据还是小数据关心用户真正面临的和要解决的问题，才是一个产品发展的真正内涵
最后，祝大家新年快乐！
（全文完本文仅代表个人观点，仅供参考不作为任何商业指导用途。）
