在前一篇文章中,我们对比了Tableau与帆软产品的易用性、本土化特性,Tableau的易用性在一定时间内都无人能敌,即便与巨头微软的产品相比也并不逊色;而在适应中国中下层企业的需求方面,帆软也有它相应的特长。也正如我们所见,在中国市场,Tableau赢在各行各业的头部企业,并开始向二线城市拓展;而帆软在二三线城市,甚至四线城市都都借助“数据收集”的功能开疆拓土,并试图以农村包围城市。

就目前我了解的策略来看,Tableau正在自上而下进一步拓展标杆企业,而帆软视图巩固“农村市场”,并大力发展BI产品试图实现客户往上走,谁更可能成功?这就不仅仅是易用性的问题,对比的关键是产品的前瞻性与平台性,以及综合成本的考量,想必你也会自己的答案。

企业采购软件的本质是“用金钱换取时间”,而业务分析师则是“用时间换取金钱”,能满足二者需求的产品,才是符合消费者(企业)和顾客(分析师)的好产品。

对于分析师而言,我们要找一把职业生涯的宝剑,门槛足够高又不能太高、跑道足够长又不会漫长、随时间和经验累积会构建护城河、保持与世界层面的技术同步确保不会落伍,怎样的产品才能满足如此苛刻的要求?

三、前瞻性与平台性:谁是真正的敏捷BI?

“我们想成为谁,最终我们就会成为什么模样”,一个企业的长远规划决定了它的典型客户,也可以看得见它的未来。

1、前瞻性规划

早期的Tableau是可视化产品的代名词,如今,这个定位反而成为了拓展市场的某种制约,总有不少的客户说“你们不就是把数据转化为图形嘛”,他们说的对,但不全面,就像没有人意识到卖office的微软已经全面转型云服务,而不仅仅是办公软件和windows。

从最早的desktop数据分析,Tableau每年都在拓展自己的产品线,通往一个宏大的愿景:构建企业级的大数据分析与治理平台。通过Server扩展了团队协作与分享功能,通过Prep Builder拓展了数据准备功能,如今增加了Data Management弥补数据治理的短板,俨然已经发展成为完整的大数据分析平台。它在地理位置分析、多维数据支持、面向业务的即席分析方面,短期内更是无人能敌,方圆十里不见对手。除了没有默认安装第三方数据库并支持数据录入和数据库操作,Tableau已经可以满足你对数据分析的大部分想象(内置的PostGreSQL是系统组件,不面向客户)。

Tableau的使命,也从“帮助人们看到并理解数据”,上升为“推动成为数据驱动的个人与组织”(非官方术语),Tableau更加强调帮助大家产生价值,以数据驱动未来。

屏幕快照 2019-05-24 下午10.07.16.png

在新推出Prep之后,我对Tableau的感情又上升了一个层次;作为业务出身没有科班技术背景的人而言,prep缓解了数据整理带给我的痛苦,大幅度地拯救了我的时间。虽然产品稳定性有待提高,Prep用可视化的思路做ETL的产品特性,以及无需增加额外费用的许可方式,足以让所有Tableau新老用户兴奋到天亮。几乎每个大项目,我都会用prep是审视和整理数据,它也帮助我大幅度优化了Tableau Desktop的性能。

相比之下,帆软的自助式业务产品就单薄的多,实质的产品只有帆软BI和帆软Report两款,前者在Tableau desktop面前毫无还手之力,这一点无需辩护;后者虽然帮助帆软赢得了三四线下线市场的中低入门的客户,却难以吸引真正的头部市场(部分作为嵌入式分析需求不再此列)。帆软自称为“大数据BI和分析平台提供商,专注商业智能和数据分析领域”,更像是传统BI到敏捷BI的过渡性企业,在商业智能领域,帆软对整个产品线的设计和理解,还不足以支撑真正的BI=business intelligence的业务场景。只有足够长远的产品规划,才能帮助企业赢得未来。

屏幕快照 2019-05-24 下午10.32.27.png

2、BI的基本标准

说到BI,检验的首要标准是什么?商务智能的终极需求是“计算机辅助决策”,是通过软件工具帮助商业分析师更好地形成业务洞察,获得决策见解,就像IBM沃森帮助医生更好地诊疗癌症。因此,商务智能的分析过程,就是是不断的猜想与反驳、假设与验证的过程,这就要求,敏捷BI必须具有很好的交互性和探索分析功能。而这,自然可以是为判断敏捷BI真伪的关键标准。

在Tableau中,典型的交互性包含参数、下钻查询、筛选器、高亮等,而为了增强这些交互,背后需要用到集、分层结构、计算字段等。在近期更新中,Tableau又推出了增强交互方式:集动作(set action)和参数动作(parameter action),特别是集动作,令人爱不释手。我还把LODs、TC表计算和集动作Set action并称之为Tableau高级互动的“三剑客”,这是学习Tableau坡道上极其重要的锚点【平民数据科学家】Tableau学习锦囊与“三剑客”套装)。

相比之下,帆软的产品前瞻性缺少更加广袤的视角,而且目前的产品尚难支撑高级互动分析的要求。多个工作簿之间的互动方式有限,无法通过参数、集等实现更加精准的灵活控制,即席计算功能太弱,不得不花费更多时间用其他方式代替,这反过来影响了假设和验证的效率。很多Tableau中轻松实现的功能,在B/S架构中模仿都是难以实现的,不得不说,这限制了帆软BI的成长空间。从BI的角度,帆软还需要在高级互动方面开发更多的功能,才能匹配产品的野心。

对于业务分析和敏捷BI而言,我更愿意把高级互动和探索分析称之为核心;从我的使用上看,Tableau目前还保持在相当好的领先地位。新推出的自然语言查询,更是进一步奠定了和其他产品的领先地位;唯一的真正有实力的竞争者,恐怕就是巨头微软旗下的Power BI,它的语言查询与Cortana还有无限的整合空间;不过Power BI在灵活性方面,还需要做减法才能匹敌Tableau。

3、争在当下,赢在未来

考虑到帆软的中国化特性,它满足了不少传统行业中传统部门的填报需求,这就是“社会主义初级阶段”的国情,因此,我经常把帆软带给企业的进步比做从-5到5的过程,从接纳企业的落后现状开始,然后获得价值提升;相比之下,Tableau带来的企业价值是从1到100,Tableau适合于有一定数据基础的企业,它所带来的业务洞见,可以让更多企业提前看见未来、赢在未来,这就是我押Tableau的底气。

 

四、综合成本与综合价值

最后,我们需要衡量两个产品的综合成本和综合价值,这虽说是仁者见仁的问题,但是通用的分析方法,能帮助我们理清逻辑。在开始下面的分析之前,我想说明几条基本的逻辑假设:

  • 综合成本不仅包括软件可见的采购成本,更大部分的是无形的部署成本、实施成本、人工成本等隐形成本,甚至包括试错成本;HR招聘员工懂得“贵就是便宜”,因为产出效率更高,软件亦是如此;
  • 综合价值通过数据有效地驱动业务来实现,因此评价指标应该是“深度使用BI系统与业务结合的用户数”,不能驱动业务人员深度与数据互动,就无法弥合业务与IT之间的割裂,也就难以真正推动数据转化为价值。
  • 企业采购软件和服务的本质是“用金钱换取时间”,而数据分析师和业务分析师的工作,则是“用时间换取金钱”,能满足二者需求的产品,才是符合消费者(企业)和顾客(分析师)的最好的产品。

1、综合成本

消费经济时代,商品经济正在加速转向会员经济和服务经济。小米衡量每位客户的综合价值,滴滴终于推出了储值赠送活动,万科说自己是一家美好生活的服务公司,商品的交付越来越变成了整个服务的开始,而不是结束。因此,不管是提供商还是采购方,都应该学会用周期的思维来思考整个生意的价值。

屏幕快照 2019-05-25 上午12.04.10.png

Tableau是全球透明的公开报价、折扣基本统一,完全按照用户+角色付费,同时是订阅式计费;而帆软的报价相对不透明、折扣非常灵活,这就给了报价相当的灵活性,帆软按照功能付费,和Tableau的巨大不同在于它是买断+每年维护费的成本组合。

具体而言,帆软分为标准功能和扩展功能(插件)两个部分,前者分为报表、仪表盘、填报、门户、高级图表、移动端六大功能,基础的报表功能功能又分为两个部分,基础功能6.4万,完整功能则要12万,如果包含其他五个模块,合计需要57万(以2018年的数据参考,如果更改以厂价为准)。

在灵活性上,完全按照用户付费、按年订阅的方式更胜一筹,它大幅降低了企业的试错成本,毕竟并非每次都会选择正确。因此,Tableau的成本完全是以价值输出的节奏来逐步增加的,就像一家企业只有在产生销售时才会核算成本一样。即便我们用同样的配置采购不同的产品,用三年比较,Tableau也只有在超过100个用户时才会高于同行,而如果要用五年以上的时间去衡量,软件采购成本则会随着其他隐形成本的降低而被平衡。

Tableau的综合成本可控,很大程度上归因于它面向业务、简单易用、适用性广泛而带来的正向的外部性。随着模型的成熟,业务的实施成本和人力成本还会持续下降。

2、如何衡量订阅式产品的综合价值

订阅式产品的价值衡量,与传统的方式不同,我想介绍一个特别成熟的评价模式,也就是基于SaaS的服务定价模式。David Skok在“SaaS Metrics 2.0”文章中阐述SaaS的商业模式说,有两个核心的指标公式需要关注,一是订阅期内价值与成本的倍数,也就是投入产出的杠杆率;二是多久能实现平衡,越短越好。

屏幕快照 2019-05-25 上午9.32.30.png

备注:LTV=long time value,CAC= customer annual cost

假设我是采购订阅式BI平台的公司,我要保证我的产出要至少三倍于我的综合成本,其实,我要确保年内能收回成本,当然,对于企业而言,CAC成本是无法收回的,只能通过增加价值产出来弥补,因此,我们可以把上面的公式归结为一条:

LTV > 4x CAC 

也就是说,只要你采购订阅式软件在年内有四倍以上的价值杠杆,马上去做吧! 

3、如何产出四倍以上的价值?

对于传统公司以及互联网公司,产生价值的方式可能有所差异,前者在于减少浪费,后者强调提高效率。对于BI软件而言,有一些事情是通用的价值,比如实现报表的随时访问、减少重复劳动、统一数据口径、推动数据共享,但是这些只是让产品值,却不足以产生四倍,甚至十倍的价值。

什么才是价值之源?是与业务的结合,是把数据视为资产的文化,是数据辅助决策的运用。

从这个角度我们衡量不同产品的价值,就会更加清晰。和Tableau相比,帆软的灵活性不足,特别是高级互动无法满足企业随时随地的假设验证场景,产品的体系化不够,难以在公司形成普遍的数据文化。对于企业而言,每一项决策都可能影响百万,敏捷BI会帮助企业从报表互动走向业务探索,这正是Tableau向来的专长。

  • 每一项假设,都应该用昨天的数据去验证;
  • 每一次决策的影响,都应该用数据去追踪。

也正因此,我是一向不太赞成企业实施外包的(短期的培训和实施协助不在此类),中国的企业,普遍缺失的是数据洞察,而洞察依赖于经验和建立在经验之上的猜想假设。这个神圣而重要的工作,只应该有业务经理和管理者自行来完成,管理者应该发现和形成结论,执行者只是执行动作。

不要轻易把你最终的资产金矿,外包给施工队来挖掘

 

五、赋能个人价值

很多人说我们正处在“信息时代”、“数据时代”、“第四次工业革命时代”,不管什么称呼,数据作为事实真相背后的逻辑记录者,俨然已经成为了金矿,企业需要挖金矿的人,数据分析师就是当代的矿工。

2801476_173603946000_2.jpg

随着工具的兴趣,越来越多的业务人员会从业务转向业务与分析的交叉领域,也正因为此,Gartner说“平民数据科学家”正在兴起,到2020年,平民数据科学家的增长会五倍于专业分析师。上面我们说过,企业是希望“金钱换取时间”的,而作为数据分析的从业者,我们是“以时间换取金钱”,同样的逻辑,如何才能实现杠杆的最大化?我们需要最好的生产力工具。

我们要找一把职业生涯的宝剑,门槛足够高又不能太高、跑道足够长又不会漫长、随时间和经验累积会构建护城河、保持与世界层面的技术同步确保不会落伍,怎样的产品才能满足如此苛刻的要求?

你可以有你的选择,而我选择Tableau。

 

May 25, 2019
May 30, 2019 revise