BI和数据分析行业中的地平线收购？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-02-20
像数据分析这样的行业中的融合可以采取多种形式
我们已经看到了行业汇总，其中公司创建了一个品牌下的一系列分析工具，每次私募股权基金行动之后，都将收购更多的其他供应商，就在过去的12个月中，我们看到大型SaaS参与者通过购买供应商或与之合作来添加分析模块，但是如果您是新兴行业的，则可以采用以下两种方式之一，收购或被收购，对于获得的或与其他新兴合并，这种融合是一种加速增长，扩展功能并提前数年交付产品路线图的战略，这是进入数据分析行业的激动人心的时刻，而对于我们来说，充满活力的融合与整合年也将继续，作为我们自己的新兴行业，我们选择了一条在创新和成长过程中将创新与主动收购相结合的道路，旨在不仅为我们的客户，而且为任何寻求端到端，高度通用的BI平台的客户提供加速的功能。。
除了更多的汇总之外，整个行业的未来还将如何发展？
我看到了两个主要战略和里程碑：云本地生态系统获取战略和开放式多云平台战略。
1.云供应商分析收购创建一个特定于云的本地生态系统
在BI的这十年中，已经开发出两种正交的数据分析方法：
1.操作“数据内”以直接查询非结构化数据湖，并在它们之上提供可视化层。通常，这是在高性能数据库之上完成的，而如今，在云数据仓库之上完成。
2.在数据内和跨逻辑数据中心进行操作可提供一个完全灵活的堆栈
可处理大型和小型数据，无论其驻留在哪里，执行数据库-是否，每种方法都可以实现相同的结果：将数据转换为驱动业务决策的见解。看到BI供应商加倍使用数据技术不足为奇。企业产生的数据比以往任何时候都要多- 2021年甚至更小的企业也可以轻松生成PB级的数据，数据湖作为用于大型，非结构化数据存储和计算的具有成本效益的解决方案的兴起既是合乎逻辑的，也是预期的。在这些碎片驱动战略中，在这些不断扩展的数据湖之上开发探索和可视化功能是一种逻辑方法。
没有任何一家公司比云厂商更关注这一趋势
他们敏锐地意识到，在庞大的数据规模以及存储和操作数据所需的基础架构方面，这种发展都是如此，他们还拥有获得满足这种需求的技术的资源，有趣的是一些ISV在数据价值链上开发独立的可视化功能将受到大型云供应商的反对，他们试图重新整合其价值链并提供完整的套件，因此在接下来的12个月中收购专用的数据内BI供应商是合乎逻辑的，并且也应该如此。
实施BI数据的吸引力在于其简单性
但是这种范例需要时间，专业知识和专有的脚本语言才能将查询发送到数据湖深处，除非您的整个公司已经集中在一个云数据仓库周围，否则选择在数据中进行操作的公司会牺牲速度和灵活性以实现结构和可预测性，他们依赖于他们选择的云供应商和他们自己的数据团队来加载，建模和持续更新他们的数据，然后直到那时他们才可以在云数据湖之上运行他们的BI。
2.实现灵活的，多云的，开放平台的，数据中心驱动的未来
真理总是浮出水面。BI市场融合故事中的另一项策略将是市场对BI和数据分析的真正未来的认可：具有逻辑数据中心的灵活，多云，开放平台，可将大数据的价值和力量置于分析人员的手中，在企业中各个级别的构建者都可以在逻辑上连接其自己的数据集，包括实时和缓存的，云内和本地的数据集，他们可以构建健壮的数据管道，对数据进行建模以适应任何需求，并借助全栈解决方案的功能查询内存中数据，而无需离开BI环境，而且，它们将比以往任何时候都更深入地在云中运行，数据工程师和数据科学家将被授权使用纯SQL，纯R和纯Python在原始数据级别上进行操作-所有这些都直接集成到产品中，在构建器及其数据之间没有混淆层。无需锁定任何单个云数据供应商。
技术的进步和对数据价值的日益了解为在现代云数据分析的新世界中业务的巨大变化和构建者的巨大机遇奠定了基础
我们已经看到了行业汇总，其中公司创建了一个品牌下的一系列分析工具，每次私募股权基金行动之后，都将收购更多的其他供应商，就在过去的12个月中，我们看到大型SaaS参与者通过购买供应商或与之合作来添加分析模块，但是如果您是新兴行业的，则可以采用以下两种方式之一，收购或被收购，对于获得的或与其他新兴合并，这种融合是一种加速增长，扩展功能并提前数年交付产品路线图的战略，这是进入数据分析行业的激动人心的时刻，而对于我们来说，充满活力的融合与整合年也将继续，作为我们自己的新兴行业，我们选择了一条在创新和成长过程中将创新与主动收购相结合的道路，旨在不仅为我们的客户，而且为任何寻求端到端，高度通用的BI平台的客户提供加速的功能。。
除了更多的汇总之外，整个行业的未来还将如何发展？
我看到了两个主要战略和里程碑：云本地生态系统获取战略和开放式多云平台战略。
1.云供应商分析收购创建一个特定于云的本地生态系统
在BI的这十年中，已经开发出两种正交的数据分析方法：
1.操作“数据内”以直接查询非结构化数据湖，并在它们之上提供可视化层。通常，这是在高性能数据库之上完成的，而如今，在云数据仓库之上完成。
2.在数据内和跨逻辑数据中心进行操作可提供一个完全灵活的堆栈
可处理大型和小型数据，无论其驻留在哪里，执行数据库-是否，每种方法都可以实现相同的结果：将数据转换为驱动业务决策的见解。看到BI供应商加倍使用数据技术不足为奇。企业产生的数据比以往任何时候都要多- 2021年甚至更小的企业也可以轻松生成PB级的数据，数据湖作为用于大型，非结构化数据存储和计算的具有成本效益的解决方案的兴起既是合乎逻辑的，也是预期的。在这些碎片驱动战略中，在这些不断扩展的数据湖之上开发探索和可视化功能是一种逻辑方法。
没有任何一家公司比云厂商更关注这一趋势
他们敏锐地意识到，在庞大的数据规模以及存储和操作数据所需的基础架构方面，这种发展都是如此，他们还拥有获得满足这种需求的技术的资源，有趣的是一些ISV在数据价值链上开发独立的可视化功能将受到大型云供应商的反对，他们试图重新整合其价值链并提供完整的套件，因此在接下来的12个月中收购专用的数据内BI供应商是合乎逻辑的，并且也应该如此。
实施BI数据的吸引力在于其简单性
但是这种范例需要时间，专业知识和专有的脚本语言才能将查询发送到数据湖深处，除非您的整个公司已经集中在一个云数据仓库周围，否则选择在数据中进行操作的公司会牺牲速度和灵活性以实现结构和可预测性，他们依赖于他们选择的云供应商和他们自己的数据团队来加载，建模和持续更新他们的数据，然后直到那时他们才可以在云数据湖之上运行他们的BI。
2.实现灵活的，多云的，开放平台的，数据中心驱动的未来
真理总是浮出水面。BI市场融合故事中的另一项策略将是市场对BI和数据分析的真正未来的认可：具有逻辑数据中心的灵活，多云，开放平台，可将大数据的价值和力量置于分析人员的手中，在企业中各个级别的构建者都可以在逻辑上连接其自己的数据集，包括实时和缓存的，云内和本地的数据集，他们可以构建健壮的数据管道，对数据进行建模以适应任何需求，并借助全栈解决方案的功能查询内存中数据，而无需离开BI环境，而且，它们将比以往任何时候都更深入地在云中运行，数据工程师和数据科学家将被授权使用纯SQL，纯R和纯Python在原始数据级别上进行操作-所有这些都直接集成到产品中，在构建器及其数据之间没有混淆层。无需锁定任何单个云数据供应商。
技术的进步和对数据价值的日益了解为在现代云数据分析的新世界中业务的巨大变化和构建者的巨大机遇奠定了基础
新的正在涌现，火炬紧紧地握在手中，随着我们的崛起，分析构建者的时代也将如此，无处不在的构建者–数据科学家，工程师，业务用户，分析人员正在团结一致，将复杂的数据转化为所有人的见解，他们将改变我们所知道的世界，进行数据分析是一个非常令人兴奋的时刻。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
