分析和商业智能平台的魔力象限
2023年4月5日发布 – ID G00768632 – 阅读时间：64分钟
分析师：Kurt Schlegel、Julian Sun、David Pidsley、Anirudh Ganeshan、Fay Fei、Aura Popa、Radu Miclaus、Edgar Macari、Kevin Quinn、Christopher Long
数据和分析领导者必须使用分析和BI平台来支持IT、分析师、消费者和数据科学家的需求。虽然与云生态系统和商业应用的集成是影响平台选择的关键要求之一，但买家也需要平台具备开放性和互操作性。
市场定义/描述
分析和商业智能(ABI)平台使技术水平较低的用户（包括业务人员）能够在信息技术的支持和人工智能(AI)的赋能下，对数据进行建模、分析、探索、共享和管理，并开展协作和共享成果。
几年来，分析和商业智能平台魔力象限一直在强调为最终用户提供经AI增强的可视化自助服务，进而提供自动化洞察。虽然这仍然是一个重要的用例，但ABI平台市场将越来越需要关注分析内容消费者和商业决策者的需求。为了实现这一目标，自动化的洞察必须与用户的目标、行动和工作流程相关。
许多平台正在增加各种功能，使用户能够轻松地编写低代码或无代码的自动化工作流程和应用程序。此类功能融合正在帮助扩大分析的应用前景，而不仅仅是提供数据集和展示仪表盘。 现今的ABI平台可以提供丰富的情境洞察，将注意力重新集中在决策流程上，并最终采取能带来商业价值的行动。
除了越来越关注消费者设计的趋势外，我们还看到其他关键市场趋势，包括需要改进对分析内容创建和传播的治理，以及对无头开放架构的相关需求。例如，无头ABI平台可以将指标存储与前端表现层分离，从而增强与竞争产品的互操作性。
ABI平台的功能包括以下12项关键能力，这些能力已得到更新，能够反映市场变化、差异化和客户需求方面的现状：
-
自动化洞察 — 增强分析的核心属性之一，是应用机器学习(ML)技术为最终用户自动生成洞察的能力（例如，通过识别数据集中最重要的属性）。
-
分析目录 —支持显示产品分析内容，使其易于查找和使用。该目录可供搜索，并会向用户提供建议。
-
数据准备 — 数据准备包括支持拖放、用户主导的不同来源的数据组合，以及创建分析模型（如用户自定义的指标、集合、组和层级）。
-
数据源连接 — 数据源连接能力使用户能够连接和提取包含在各类本地和云端存储平台中的结构化数据。
-
数据故事化 — 数据故事化是将交互式数据可视化与叙事技术相结合的能力，以引人注目、易于理解的形式包装和提供洞察，以便向决策者推销。
-
数据可视化 — 数据可视化涉及对以下方面的支持：交互式水平较高的仪表盘，以及通过操纵图表图片探索数据。内含众多可视化选项，除饼图、条形图和折线图，还包括热图和树形图、地理图、散点图和其他专用视觉效果。
-
治理 — 治理能力能跟踪使用情况并管理信息的共享和宣传方式。
-
自然语言查询 — 自然语言查询(NLQ)功能令用户能够通过在搜索框中输入或口述词语，对数据提出相关问题。
-
报告 — 报告功能可提供清晰准确的分页报告，用户可以按时间表向大型用户社区发布这些报告。
-
数据科学集成 — 支持公民数据科学家和数据科学家增强可组合数据科学和机器学习(DSML)模型的开发和原型设计能力，并将该模型集成到更广泛的数据科学和机器学习生态系统中。
-
指标存储 — 构建虚拟化层，支持用户以代码形式创建和定义指标，从数据仓库管理这些指标，并为所有下游分析、数据科学和业务应用程序提供服务。这也包括目标管理等能力。
-
协作 — 分析协作是指将协作能力应用于分析工作流，适合希望提供便利环境使广大用户能够同时共创分析项目的组织。
Gartner今年在我们的评估标准中增加了三项新的关键能力：指标存储、协作和数据科学集成。这些新能力反映了买家期望他们的ABI平台供应商能提供的一些关键功能变更。
ABI平台始终以衡量为重点。几十年来，按维度属性对衡量指标进行切割划分是执行商业智能行为的代名词。然而，在过去十年中，数据可视化的风头掩盖了对指标和衡量的关注。随着数据可视化成为引人注目的能力，一些企业高管开始将ABI平台与数据可视化混为一谈，仿佛ABI平台是受追捧的图表向导。这种误解大大抹杀了ABI平台所做的许多工作和所提供的商业价值。将指标存储作为一种要实现的关键能力清楚地表明了在整个组织中定义和传达绩效指标是ABI平台的关键用途之一。
分析协作是许多功能的组合（如Slack/Teams集成，行动框架），这些功能共同提升了组织达成一致决策的能力。数据科学集成表明业务分析师越来越有可能希望使用数据科学来验证某些假设，数据科学家也愈加可能需要利用数据预处理和数据可视化等功能。
此外，Gartner将“目录”改为”分析目录”，以强调目前ABI平台供应商没有满足的一系列要求。大多数大型企业在多个ABI平台上构建了数以千计的报告，但这些组织的客户却不能轻松访问这些报告。改名为分析目录的举措反映了ABI平台供应商需要在考虑消费者的情况下提供分析内容。
我们在评估标准中删除了三项关键能力：安全、自然语言生成（NLG；并入“数据故事化”）和云分析（将不再被视为一种平台能力，而是魔力象限中涵盖的一种上市策略）。此外，还将关于授权粒度（例如，基于行的安全）的安全子标准移至企业报告能力。
魔力象限
供应商优势与劣势
阿里云
阿里云在这个魔力象限中是“挑战者”。它的主要竞争市场是亚洲/太平洋(APAC)地区。阿里云是该地区最大的公共云平台供应商。其产品Quick BI可提供数据准备、基于可视化的数据发现、交互式仪表盘和报告等功能。该平台可作为SaaS选项在阿里云的基础架构上运行。Quick BI还在Apsara Stack企业版上提供本地部署选项，以及与Alibaba Business Advisor和Alibaba DingTalk的嵌入式分析选项。
Quick BI已将其云路线图从阿里云扩展到与腾讯云、Microsoft Azure和华为云兼容的多云支持。阿里巴巴也在发展其区域合作伙伴网络。最终，在2022年，Quick BI将钉钉作为其主要销售渠道之一。
-
面向数字化工作场所的分析和协作：Quick BI可与各种数字化工作场所应用程序良好集成，如阿里巴巴钉钉、腾讯微信和飞书，这些应用已经在中国得到广泛采用。只需简单部署，用户就能快速访问Quick BI分析功能。
-
可组合分析：Quick BI可以作为独立工具运行。但它作为阿里巴巴LYDaaS产品组合（最初称为阿里云的数据中台）中的组件为人熟知，该产品组合具备可重用的模块化数据和分析(D&A)能力，并负责完成分析任务的闭环。它也可以嵌入到合作伙伴为某些用例和行业提供的基于场景的SaaS解决方案中。
-
数据素养计划：阿里巴巴通过启动各项计划来提高用户在数据素养、基于任务的训练方面的技能并授予证书，以此推动客户成功。阿里巴巴还为这些计划推出了配套的激励措施，在其中提供优惠券以抵扣许可成本和阿里云网店积分。
-
投资重点：虽然阿里云的公司总体规模很大，但与该供应商的DBMS和AI产品线相比，Quick BI并不是战略重点。Quick BI研发部门有大约100名员工，相较于主要超大规模企业的ABI平台，这一数量要少得多。
-
复杂的竞争环境：Quick BI主要在亚洲/太平洋地区开展业务。除了与全球供应商竞争外，Quick BI还与中国境内的其他知名供应商竞争，如帆软、永洪科技、SmartBI和观远数据。
-
地理覆盖范围和市场势头低迷：阿里云专注于中国市场，在其他地区的安装基数较小。作为一款SaaS产品，Quick BI通常会被打包到供应商一体化LYDaaS（数据中台）解决方案中。它在阿里巴巴生态系统之外的采用率有限。
Amazon Web Services
Amazon Web Services (AWS)在这个魔力象限中是“挑战者”。旗下Amazon QuickSight的主要销售对象是AWS客户生态系统。许多用户是分析开发人员，负责对集中管理的分页报告进行基于代码的编写。QuickSight的成熟API和软件开发工具包(SDK)可为嵌入式分析用例提供支持，包括为独立软件供应商提供支持。其业务范围遍及各地，企业版本可以满足各类规模和垂直领域客户的需求。客户表示，与AWS数据和分析堆栈的集成程度、可扩展性、性能和有竞争力的定价模式是左右采用与否的关键因素。
2022年，AWS加大了对无服务器云BI服务的投资，借助数据故事化和自动化洞察吸引更多消费者。这要归功于其在2021年推出的由ML驱动的自然语言查询功能QuickSight Q。
-
有竞争力的价格：Amazon QuickSight定价灵活，可帮助客户避免过度配置。用户访问仪表盘或报告时采用按使用量计费模式。这一模式的价格实惠，以每30分钟会话30美分的价格计算，每个用户每月至多只需花费5美元，如果启用Q，则需要10美元。其无服务器云架构可以根据使用情况而不是固定的资源来扩展高并发部署，进而能够充分减少所需的繁杂基础架构及容量规划和管理。
-
集成式全球云服务：就收入和全球业务范围而言，AWS是全球最大的云服务提供商(CSP)之一。QuickSight属于AWS D&A堆栈，这是它能为客户带来的主要优势。许多企业架构师正在投资CSP堆栈，并优先考虑云集成（如亚马逊Redshift、Athena、Elastic MapReduce）方面，而非分析功能的竞争优势。
-
无服务器架构可实现灵活扩展：QuickSight可为分析复杂用例扩展用户量和并发性，客户无需争相添置更多服务器或基础架构。这种无服务器的云原生架构的弹性特性有助于QuickSight客户在面临季节性和不规则需求时，只分配合适的容量并为之付费，以确保高峰时段的响应能力。
-
对新兴关键能力的重视程度有限：与本研究中的同行相比，QuickSight的分析目录能力处于劣势。该公司在正在发生市场革新的某些领域也起步较慢，这体现在Gartner新推出的指标存储（独立于数据集）和协作这两项关键能力中。
-
客户体验反馈：Gartner同行洞察的评审员指出了整个QuickSight客户体验中的三个潜在改进领域：同行用户社区尚不成熟、可用的最终用户培训有限、区域第三方集成商和服务提供商（不包括AWS自己的ProServe团队）的广度有限。
-
缺少商业应用程序生态系统：AWS缺乏面向Amazon QuickSight买家和最终用户的第一方商业应用程序生态系统。同样，与微软和谷歌推出的类似产品不同，亚马逊新发布的个人生产力和协作产品(Amazon WorkDocs)也没有得到广泛采用。这既限制了QuickSight买家推动企业用户采用的机会，也限制了Amazon QuickSight对最终用户的相对吸引力。
Domo
Domo在这个魔力象限中是“挑战者”。过去它是业务执行用户的首选，但过去几年的产品创新使它成为分析开发人员、业务分析师和数据科学家的热门选择。
Domo已经在营销分析领域开辟了强大的利基，现在它正在收获那些缺乏强大数据仓库基础的组织（特别是中小型企业中的此类组织）的青睐。虽然Domo不是一站式解决方案，但其具备由1,000多个原生数据和应用程序连接器组成的库，佐以其数据和分析堆栈，可通过加速数据提取、集成和转换过程，快速实现价值。
2022年，Domo推出了“Domo应用框架”，使公民开发人员能够在低代码环境下将BI内容嵌入业务流程工作流，并通过隔离特定变量开展假设分析。同年，Domo深化与Jupyter工作区的集成，使开发人员能够以最少的编码将模型发布到生产环境。
-
多角色支持：在只关注商业分析师需求的市场中，Domo满足了分析内容消费者的需求。它现在支持分析员、设计师和开发人员。Domo的Magic ETL可提供出色的数据准备能力，使商业用户能够轻松关联、混合和完善数据。Domo的应用程序框架支持低代码开发方法，使公民开发人员能够将数据洞察力与业务流程工作流联系起来，并开展“假设”分析。
-
支持在兼顾控制和安全的情况下扩展：企业可通过Domo Everywhere中的新管理仪表板、Domo的JavaScript API和嵌入式分析环境，在不影响控制、安全和一致性的情况下，为组织内外数千名订阅者确定访问权限并安全发布内容。
-
推动创新：Domo在今年新增的关键能力（协作、数据科学集成和指标存储）中提供了广受好评的创新成果。此外，DOMO在分析目录和数据准备方面表现出众。
-
缺少更广泛的应用程序生态系统渠道：与ABI平台供应商相比，Domo面临着一个竞争劣势，这些供应商在自有应用程序生态系统和云平台的助力下，可利用现有安装基础。一些买家会优先考虑与自己使用的云（AWS、微软或谷歌）和应用程序生态系统（Salesforce、Oracle或SAP）能良好协同的ABI平台供应商。
-
地理分布有限：作为云供应商，Domo在美国、日本、英国和澳大利亚以外的国家/地区，以线上形式提供服务。用户应考虑云端或线上支持与国内业务的适配性。
-
溢价定价模式：与低成本的云提供商相比，Domo的价格仍处于高位。Domo被迫调整并推出全新预付费定价模式，但该模式目前仍处于早期阶段。
GoodData
GoodData在这个魔力象限中是“利基企业”。GoodData在以下用例中发现了强大利基：客户有兴趣使用与成熟的DevOps实践紧密结合的无头方法，在他们的环境中构建并集成一个指标存储作为通用语义层。GoodData的“分析即代码”的方法与众不同，可提供可靠的API和SDK，用于前端定制，以及与第三方ABI、各类数据科学工具和其他应用程序的集成。
GoodData在2022年推出并完善了旗下两个主要产品GoodData Cloud Native和GoodData Cloud（其SaaS产品）。作为一家自筹资金的私营公司，GoodData在2022年也达成了重要的里程碑：盈利。这预示着蓬勃发展的运营基础与其目标利基市场不断增长的需求相一致。
-
无头愿景：GoodData正在加倍满足市场对集中式度量标准存储的需求，以保持指标定义的一致性，并将其与业务目标相对应。通过与数据管道公司开展合作并与其他ABI供应商集成以实现指标的推送与拉取，GoodData能够以中立参与者的身份在指标存储市场占据一席之地。
-
可组合性的先驱者：GoodData的商业模式和功能遵循“分析即代码”的宗旨，并通过集成和调整分析内容开发与应用程序开发生命周期的能力，迎合可组合性市场。这种方法使GoodData能够帮助分析团队在自动化和发布管理的需求增加时扩展数据价值链运营的规模。
-
第三方资源的可用性：根据Gartner同行洞察，GoodData因其可利用第三方资源实现功能，以及支持与第三方应用程序的集成而脱颖而出。GoodData平台能够借此扩展合作伙伴网络并在技术生态系统中发挥良好作用，进而增强其对用例的支持能力。
-
仅限成熟的买家使用：采取“分析即代码”的方法在组织内扩展智能规模，需要有高水平的数据工程成熟度。潜在买家必须判断自身是否成熟到可以充分利用GoodData的服务。
-
指标存储的演变存在不确定性：GoodData已将自身定位为指标存储领域领先创新者。这一劣势是指，指标存储通常是一个模糊的概念，会在中短期内发生演变。一些分析供应商正在着手构建自己的指标存储，以实现指标的集中化。买家将不得不做出决定，选择“中规中矩”的指标存储技术，或者采用较大的ABI供应商提供的指标存储，并在其中集中管理相关指标定义。
-
传统的ABI部署有所限制：除指标存储外，GoodData在所有关键能力方面的评估结果均为低于平均水平。与竞争对手相比，它在支持传统ABI用例方面处于劣势。
谷歌在这个魔力象限中是“挑战者”。谷歌云的Looker是一个云架构ABI平台，提供具备高度规范性的分析能力，包括自助可视化和仪表盘，以及基于LookML的代码优先语义建模层。Looker Studio可以完全独立地以自助服务的方式运行，或者如果用户想利用语义层将规范化和未规范化的数据融合在一起，该产品也可以连接到Looker。Looker以开发者为中心的分析平台可提供版本控制型协作框架，以构建内部商业智能并支持客户构建应用程序。
2022年，谷歌统一了Looker平台，在其中纳入了Looker、Looker Studio（以前的Data Studio）和嵌入了对LookML语义层的第一类公民访问权限的Looker。此外，谷歌还支持该平台直接访问Google Sheets、Salesforce (Tableau)和Microsoft Power BI，扩大了平台对规范化语义层的支持范围。
-
规范化的自助语义层：Looker的构建基础是以重点面向开发人员、以代码为中心的虚拟化语义建模层(LookML)。谷歌现在已经向其内部工具产品组合开放了LookML，包括Looker Studio（旧称Data Studio）和Google Sheets。可作为通用企业语义层，为Salesforce (Tableau)和Microsoft Power BI提供原生连接。
-
决策支持和工作流资源：Looker内含“块”、预构建的仪表板和针对多个垂直领域的数据探索功能。这些块以LookML数据模型为基础，利用了来自Google Cloud Platform(GCP)环境内外的数据，还利用了BigQuery ML和Vertex AI API的功能。然后，Looker给出集成“操作”，将数据或指令推送给第三方工具。
-
GCP集成：Looker通过与更广泛的谷歌云平台提供的开源数据技术的深度集成，获益良多。包括Dataproc、Dataprep和Composer在内的工具为数据工程师提供了处理数据的原生能力，并利用Vertex AI、AutoML和BigQuery ML进一步增强了该能力。
-
重点面向开发人员/数据工程师：与竞争对手的可视化拖放数据建模和高级分析相比，Looker需要开发人员和数据建模人员进行编码。虽然预建块旨在支持行业分析模式，但整体的基础开发模式限制了非技术分析师对分析数据建模的使用能力。
-
分析建模回路不完整：Looker工具套件（特别是Looker Studio）的统一使其能够支持自助分析功能，而之前无法通过Looker单独实现这一功能。然而，目前尚没有开发路径可以将Looker Studio中创建的洞察纳入更广泛的Looker语义模型，这使得自助服务用户难以推广其分析内容。
-
原生增强有限：与Looker的竞争对手相比，自动化洞察仍处于劣势。此类别中的某些功能仅在整合Looker之外的Google产品时可用，例如BigQuery ML。该产品尤其缺少对数据故事化的支持，包括叙事自动化和信息图支持。
IBM
IBM在这个魔力象限中是“前瞻者”。IBM Cognos Analytics with Watson可在混合云、多云、公共云和本地部署中提供一致的核心功能。Cloud Pak for Data中的Cognos Analytics服务可以部署在AWS、Azure、GCP和IBM云上。客户可以选择将其与IBM的数据和分析服务（包括存储、数据虚拟化、数据提炼、数据目录和DSML服务）的容器化堆栈结合使用。
2022年，IBM增加了Analytics Content Hub，这项新的平台能力可以令企业统一从多个供应商（包括IBM、微软、Salesforce和谷歌）处获得的分析资产。通过打破分析孤岛，用户可以访问来自多个ABI平台供应商的内容。此外，IBM还对其增强功能进行了若干改进，改善了其时间实体过滤、多变量预测、时间序列库、自然语言生成和搜索等方面。最后，IBM在现有的Slack集成基础上增加了与Microsoft Teams的集成。用户现在可以将内容从Cognos分享到Teams中，并将仪表盘和报告直接嵌入到其Team环境中。
-
服务全面，功能多样：IBM是为数不多的能够在单一平台上支持企业报告、治理和自助视觉探索、自助数据准备、增强分析和嵌入的供应商之一。
-
灵活的部署选项：IBM提供的部署选项包括本地部署、SaaS、在IBM云上托管、针对任何第三方云提供商的“自带许可”，以及使用容器化的IBM Cloud Pak for Data平台的部署。
-
适用于各领域的分析路线图：IBM提供的ABI平台是为数不多能提供“假设” 情景规划、模式1报告、预测模型和预测的产品。其销售策略包括销售Cognos和IBM Planning Analytics with Watson，以及与更广泛的IBM产品组合的关联。
-
市场知名度日渐降低：IBM为其广泛的数据和分析营销工作和以IBM Cloud Pak for Data为中心的愿景花费了大量心血。虽然这一愿景在技术上推崇开放和市场融合，但根据Gartner的调查，这一口号并未引起该市场评估者的共鸣。Cognos很少出现在Gartner看到的评估短名单上，IBM已是现任供应商的情况除外。
-
缺乏销售采用驱动力：尽管IBM是一家拥有广泛数据和分析产品的大型供应商，但由于未在数字工作场所应用程序方面更进一步（如Google Workspace、Microsoft 365、Zoho Workplace），也没能借助企业应用程序这一“东风”（如Oracle、Salesforce、SAP），IBM Cognos Analytics与可能投资该平台的组织的接触点受到了限制。
-
与云供应商竞品相比的价格：对于新客户而言，每月每个用户的Cognos订阅许可价格已大幅降低，向小型或独立ABI供应商的价格看齐。虽然每个用户的价格高于一些其他大型云提供商，但Cognos提供的端到端分析生命周期能力可能会抵消这一点。
Incorta
Incorta在这个魔力象限中是“利基企业”。Incorta的关键价值主张是能够快速地对来自SAP、Oracle、Salesforce和JD Edwards等企业应用程序的数据进行建模。借助Incorta的直接数据映射技术，客户可以省去数据建模及提取、转换和加载(ETL)流程中的许多步骤。支持系统在不转换数据的情况下，以数据的原始形式进行提取，同时根据元数据推断出连接。在此数据仓库自动化功能之上，Incorta增加了数据采集、数据管理和数据可视化/报告功能。
2022年，Incorta推出了Marketplace，这个平台会展示合作伙伴和客户能贡献内容的数据应用程序和应用程序组件。Incorta还扩展了其提供预建内容的数据应用程序。此外，Incorta增加了数据目的地，支持搭建用以接收数据输出的第三方系统，如数据湖、数据仓库、文件系统和其他数据库。
-
灵活的运营报告：商业用户可以从关键绩效指标(KPI)入手，逐渐深入到交易层面的细节，发布即席查询，触达各职能领域和数据源。无需实施冗长的ETL和数据仓库工作，即可实现。
-
安全性和可扩展性：Incorta可以处理每天直接在企业应用程序中刷新数百次的数十亿条记录。Incorta推出了可在部门级别开始采用的单一平台，也提供企业采用所需的性能和管理方法，包括细粒度安全。通过从源应用程序继承数据访问权限，IT部门可以消除与数据有关的合规和安全风险，并为所有企业用户提供数据访问权限。
-
对低成熟度的客户吸引力较大：客户反馈显示，Incorta往往被那些缺乏高度数据和分析成熟度的组织列入候选名单，这些组织正在寻求方法，以期通过自动化数据仓库创建流程快速提升其能力。
-
缺乏吸引增强型消费者的功能：Incorta缺乏NLQ、自动化洞察和协作能力。Incorta客户将需要依靠与第三方合作伙伴的集成来实现这些功能。
-
与打包模式的分析应用程序的竞争：Incorta的大部分业务来自于与大型企业应用程序的集成。越来越多的企业应用程序供应商将把全面的分析和商业智能平台嵌入到自家应用程序中，从而减少对Incorta等数据仓库自动化平台的总体需求。
-
缺乏市场知名度：Gartner的调查和搜索数据以及对第三方网站招聘信息的审查显示，相对于竞争对手，Incorta的发展势头较弱。将该产品与其他ABI平台进行对比时，客户会赞赏其强大的报告、治理和数据源连接功能，但对其他关键功能的评价大多低于平均水平。
Microsoft
微软是这个魔力象限的“领导者”。Power BI是该公司的主要ABI平台，凭借与Microsoft 365、Azure和Teams的集成、灵活定价、高于平均水平的功能以及宏大的产品路线图，市场影响力巨大，发展势头强劲。
2022年，微软增加了指标跟踪功能，使团队能够在协作式视觉体验中调整他们的目标和关键优先事项。全新推出的Premium Gen 2通过其可扩缩功能提高了产品性价比和价值。最后，微软新增了低代码数据集市，以便轻松访问与自助托管相关的分析解决方案。
-
契合Microsoft 365、Teams和Azure Synapse：Microsoft 365 E5中包含的Power BI为该平台的提供了一个巨大的传播渠道。随着许多客户开始使用Teams开展远程工作协作，支持在同一个Teams界面中访问Power BI和当前“目标”的这一集成十分吸引商业客户。Power BI与Azure Synapse的契合使前者能够应对多个数据和分析角色及用例。
-
价格/价值组合：Power BI服务现在提供按用户计费的方案，以吸引员工数量不超过300人的小型组织。大型企业仍然可以选择按容量计费的方案，对于用户更多的组织而言，这种方式往往更具成本效益。微软没有像大多数ABI平台供应商那样，使用交叉销售策略来增加在每个客户上实现的收入。
-
Power产品组合和版图规划：微软对交叉使用Power BI、Power Apps和Power Automate来推动业务价值有着清晰的愿景。Power Apps可以嵌入到Power BI仪表盘中，也可以访问Power BI数据集。用户可以构建根据数据采取各种行动的Power Automate流程。Power BI Premium具备由AI驱动的服务，如文本、情绪和图像分析。
-
对内容创作和发布方面的治理：Gartner收到越来越多来自Power BI客户的咨询，这些客户在治理分析内容创建和发布流程方面陷入困境。客户对完成大多数任务（如数据建模或推广内容）的多种方式表示担忧。例如，数据建模任务可以通过数据集、数据集市、数据流和Dataverse完成。由于成本低，设置简单，Power BI的部署势必会激增，而且很难落实标准治理实践。
-
开放的无头架构有限：虽然大多数Power BI服务的客户都很赞赏微软架构的紧密集成，但涵盖众多互为竞对的BI平台的更多互操作性已成为日益增长的需求。具体而言，就分析目录和指标存储而言，许多Power BI客户希望看到与微软竞争产品的更开放、无头程度更高的集成。
-
Azure是唯一的部署选项：微软并不支持客户灵活选择云IaaS产品。虽然数据连接支持多云和混合云场景，但微软的Power BI服务只能在Azure中运行。然而，使用Azure的客户可以利用微软云平台的全球影响力和跨地区提供的众多功能。
MicroStrategy
MicroStrategy在这个魔力象限中是“挑战者”。MicroStrategy在可扩展性、可管理性和规范化方面表现出色。它提供了丰富的商业智能和报告功能，包括超智能，该功能使用语义图来动态识别现有应用程序中的预定义洞察。MicroStrategy的业务范围很广，遍布37个国家/地区，并于2022年在阿根廷成立了新的卓越技术中心。
2022年，MicroStrategy获得了FedRAMP授权，进而能够为美国境内的政府机构提供托管式服务，这是该公司2023年的重点领域之一。截至2022年12月27日，该公司已投资40.3亿美元购买了132,500个比特币。虽然MicroStrategy在2021年经受住了比特币价格大幅下跌的考验，但大量的比特币投资仍然是MicroStrategy的一些客户和潜在客户的担忧。
-
集成产品的稳定性：MicroStrategy不购买代码库。所有新的开发都是由组织自行实现。这种方式可以实现更稳定、错误更少的代码，与那些通过收购来填补产品空白的竞争对手相比，更是如此。
-
开放平台：由于企业难免要进行跨越多个云和商务应用堆栈的投资，MicroStrategy作为少数几家真正重视部署和数据连接互操作性的供应商之一脱颖而出。该公司产品的互操作性以强大的直接查询架构为后盾。
-
企业级报告和治理：MicroStrategy的治理和报告能力方面都得到了高度评价。这两种能力的结合，以及该公司在可扩展性和安全性方面的声誉，是企业买家选择该公司的一大动因。
-
缺乏周边数据或应用程序生态系统：ABI平台市场的大部分动力仍然来自向云生态系统部署以及基于云的业务应用程序的转变。尽管MicroStrategy的平台会以服务的形式出现在AWS和Microsoft Azure上，并能与其他云技术良好互动，但云和商务应用巨头拥有的ABI解决方案具有上市优势。
-
增强的分析能力：尽管MicroStrategy Insights于2022年推出，表明MicroStrategy明白应将该领域作为投资重点，但该产品在提供自动化洞察和NLG方面的能力仍落后于大多数竞争对手。
-
产品特色化不足：尽管能提供出色的企业报告功能，但随着市场不断偏向增强的消费者体验，该产品可能不足以从激烈的竞争中脱颖而出。以往，MicroStrategy在所有关键能力方面都被评估为顶级供应商之一。在过去的几年里，只有该公司的企业能力得到了同样程度的赞扬。
Oracle
Oracle在这个魔力象限中是“前瞻者”。Oracle分析云(OAC)是该公司的主打ABI平台。其他云服务提供商因其生产力软件而获得认可，而Oracle因其在数据库管理和全面的云商务应用方面的领导地位而获得认可。Oracle分析云能为几乎所有Oracle商务应用提供预构建OAC内容，作为其上市战略的关键部分。该产品还包括17个预构建数据科学模型，可缩短客户提供高级分析的价值实现时间。
2022年，Oracle通过可组合性、行动框架和讲解分析新闻的仿真虚拟人物等革新性新功能展示了超前愿景。该公司的路线图显示，其已在与热门应用程序（如ServiceNow、Mailchimp、SurveyMonkey和Yelp）的外部连接方面注入大量投资。
-
企业云数据和分析：Oracle提供端到端云解决方案，包括基础架构、数据管理、分析和分析应用程序，在全球各云区域均设有数据中心。此外，Oracle Fusion Analytics为Oracle的ERP、人力资本管理、供应链和NetSuite产品提供原生集成和闭环操作，使其成为Oracle商务应用用户的绝佳选择。
-
全面增强的能力：Oracle通过增强其数据故事化的能力，进一步强化了其已经很强大的增强分析能力。这进一步推进了其综合图型分析能力（如子图、最短路径和页面排名），并增强了生成的ML模型的可解释性。Oracle致力于将OAC的使用范围扩大到技术含量较低的用户，这体现在其对未来商业消费者分析的前沿愿景上。OAC也是市场上唯一支持28种语言的NLQ平台。
-
全面的数据管理：Oracle为其客户和整个数据和分析连续体中的每个角色都能提供强大而一致的数据视图。通过使用ML技术和基于底层OCI平台的技术，DBMS能够进行自我调整、修补和升级，以提升安全性。对于在数据和分析管道各环节中投资Oracle产品的客户而言，他们在数据管理和整合方面将更省力。
-
在拥挤市场中的发展势头：与这个魔力象限中的“领导者”身份不同，Oracle经常以其他身份出现在Gartner所知的竞争性评估中。当用户没有在其商务应用生态系统中投资时，该公司的优势就不那么明显了。除了现有客户群，客户为新项目物色供应商时，该公司也经常遭到忽视。
-
Oracle以应用程序为中心：虽然OAC可以访问任何数据源，但其封装的分析应用程序（Fusion Analytics Warehouse和NetSuite Analytics Warehouse）刚刚开始与非Oracle企业应用程序提供商的产品兼容。例如，在2022年，Oracle推出了适用于Salesforce的直接连接器，用于实时查询，以将数据缓存到OAC中。
-
定价：Oracle的定价较为死板，有些方面毫无协商空间。对于超大型供应商，这种情况并不罕见。Oracle对其云投资进行了适当的优先排序，但对许多客户来说，本地部署许可可能是一个痛点，因为他们将面临不断攀升的价格和支持成本。本地部署客户可以利用Oracle的自带许可(BYOL)选项，以获得更多的灵活性，按照自己的节奏向云端迁移。
Pyramid Analytics
Pyramid Analytics在这个魔力象限中是“前瞻者”。Pyramid为现代ABI提供涵盖整个数据生命周期的一体式套件，开箱即用。Pyramid的“工厂”设计以基于ML的数据准备和数据整理为基础，通过业务用户在低代码/无代码环境中生成的仪表板和报告进行数据发现和共享。Pyramid完全基于浏览器构建，与云平台无关，可在AWS、Azure、GCP、Oracle Cloud或阿里巴巴中托管。
2022年，Pyramid推出了Tabulate，这个应用程序为仪表盘和报告开发流程引入了多项电子表格功能和业务建模能力，允许用户在分析部署中嵌入这些电子表格。同样在2022年，Pyramid的Solve插件引擎使业务分析师和分析开发人员能够进行决策建模和规范性优化。 支持轻松地向其他用户分享在Solve中开发的洞察，助力他们做出最优商业决策。
-
可供非技术用户的使用：作为基于浏览器的无代码环境，Pyramid可向企业中的非技术用户提供其全套数据准备、建模、发现和部署功能。Tabulate的纳入可为寻求加入和增强更多类似传统电子表格的功能的客户赋能。
-
以增强分析为核心：基本的DSML功能及全面的数据科学工作台均是模型开发的数据准备阶段的原生功能。Solve具备实现规范性分析的功能：“解释差异”功能利用AI来识别数据模型中多个点之间的显著影响因素。
-
社区营造方面的投资：Pyramid对客户咨询委员会和学习中心的投资似乎有助于用户社区的增长，该公司在社交和数字互动量方面的增长以及2022年社区成员的总体增长证明了这一点。
-
缺乏市场知名度：虽然Pyramid已经开始看到市场的改善和媒体报道的增加，但在寻求低代码/无代码ABI解决方案的消费者中，知名度仍有不足，Gartner很少看到该公司被列入候选名单。
-
不太关注以开发者为中心的能力：Pyramid的界面和流程主要针对非技术用户或那些寻找低代码/无代码环境的用户，但平台中也存在高代码选项。采用以现有代码为中心的开发实践的组织可能会难以对开发流程进行调整。
-
目录互操作性和用户的完善能力受限：随着分析目录需求的增长，Pyramid缺乏与第三方目录工具集成的重要能力。用户完善原生Pyramid目录的能力主要集中在报告和仪表盘工件上，与相关数据组件的联系很少。
Qlik
Qlik在这个魔力象限中是“领导者”。该公司在分析和BI平台市场的主要产品是Qlik Sense Enterprise SaaS，其中包括Qlik Sense、Qlik AutoML和Qlik Application Automation。Qlik还将Qlik Sense作为客户端托管式产品进行销售，该产品可以在本地或客户自己的云中部署。然而，Qlik Sense Client-Managed并没有与Qlik AutoML或Qlik Application Automation捆绑在一起。Qlik是一家与云无关的供应商，与三大主要云服务提供商（AWS、微软和谷歌）都建立了最高级别的合作伙伴关系，同时还与Databricks和Snowflake建立了合作伙伴关系。
2022年，Qlik整合了收购的Big Squid，以此创建了Qlik AutoML，为公民数据科学家提供自动预测、聚类和关键驱动因素分析功能。Qlik还具备增强型创作功能，支持通过自然语言输入和自动化仪表盘布局创建AI生成的仪表盘。
-
可组合分析：Qlik的开放式API与Application Automation相结合，可以实现分析与业务流程的整合。支持将分析功能嵌入到商务应用中。Application Automation利用可视化无代码方法，快速构建可供安排或由事件驱动的自动化流程。
-
全面的数据和分析能力：通过收购和有机发展，Qlik已经创建了一套全面的技术，可为多种业务角色提供支持，包括公民数据工程师、公民数据科学家、业务分析师和分析开发人员。
-
与云无关：许多市场正经历着来自云供应商的干扰，这些供应商使他们的客户能够以便捷且经济的方式将他们对云基础架构的投资扩展到紧密集成的应用软件堆栈。然而，一些组织担心他们的云提供商存在供应商锁定情况，因此重视像Qlik这样与云无关的供应商。
-
缺乏周边数据或应用程序生态系统：ABI平台市场的大部分动力仍然来自向云生态系统部署以及基于云的业务应用程序的转变。尽管Qlik Sense是作为一种服务提供，并能与其他云技术良好互动，但云和商务应用巨头拥有的ABI解决方案具有上市优势。
-
优先考虑数据集成：该公司最近宣布打算收购另一家领先的数据集成供应商Talend，这进一步夯实了Qlik对数据集成的承诺，并因此减少了聚焦分析领域的时间。虽然Qlik对Big Squid的整合进展顺利，但该公司正在进行大量收购，这增加了产品整合的负担。
-
产品许可复杂性：虽然该公司的大多数直接竞争对手都提供成本较低的消费者或观察者许可，但Qlik不这么做。Qlik价格最低的产品Qlik Sense Analyzer的目标受众更接近于大多数竞争对手的中档用户角色。有时这种较高的价位会在企业许可协议中被否定，但并非总是如此。Qlik Sense客户也可以选择互动性十足的基于时间的方案。然而，对于经常查看的用户来说，这种方案可能较为昂贵，而且更难根据不可预测的消费模式制定预算。
Salesforce (Tableau)
Salesforce旗下的Tableau在这个魔力象限中是“领导者”。其产品主要侧重于基于视觉的探索，使商业用户能够访问、准备、分析和展示他们的数据结果。CRM分析，即以前的Tableau CRM，为分析师和公民数据科学家提供增强的分析能力。Tableau在全球开展业务，为各种规模的客户提供服务。
2022年，Tableau加强了其经过完善的消费者愿景，通过与Salesforce数据云的深度整合，提供情境化洞察。IT部门还通过Revenue Intelligence和其他Salesforce原生应用程序将领域感知洞察转化为行动，从而改进了决策智能。可扩展的设计和X平台的集成（Salesforce Flow、MuleSoft、UiPath和Looker）进一步使可组合分析能够灵活地为工作流提供洞察。
-
Tableau即技能：Tableau创建了一个大规模的可视化分析开发人员社区，这一社区影响了ABI的购买决策。其用户社区已成为推动工具采用的强大的自学中心，随着人才市场对Tableau技能的要求越来越高，其市场势头也不断向好。
-
无关性和灵活的定位：虽然已被Salesforce收购，但与一些竞争对手相比，就与云、数据源以及应用程序的无关性而言，Tableau仍然是更合适的选择。用户仍然可以使用本地部署版本，该版本与云端版本差别不大。现今的组织仍然使用产品组合方法来构建分析解决方案，而Tableau通过技术合作，在更广泛的数据和分析生态系统中具有更好的可组合性。
-
分析方面的经验：专有的VizQL引擎是整个Tableau分析工作流程的核心，可提供出众的可视化分析体验，同时将更多增强分析功能纳入平台。产品以用户为中心，可改善工具内的多角色协作，促使更多业务用户采用该工具。
-
市场势头和支持方面的担忧：虽然Tableau仍然表现出强劲的市场势头，但最近的收入增长较慢。而客户也对近期的裁员表示担忧。此外，一些支持功能的及时性仍然是问题，对于需要标准支持的客户而言，这一问题更为严峻，一些此类客户不得不另外购买高级支持以获得充分支持。
-
以Salesforce为中心的创新：Tableau的一些新兴功能（包括CRM分析和数据云）旨在与Salesforce集成。一些客户担心如果他们不过渡到Salesforce，就无法充分利用合并后的平台。或者，他们将需要额外付费来获得其他产品线的能力。
-
服务本地部署客户：Tableau有大量使用Tableau Desktop和Tableau Server的本地部署客户。借助从Salesforce收购的功能，产品组合的方向明确为云优先甚至仅云端，以便与Salesforce的总体产品战略保持一致。此举可能会影响不打算很快过渡到云端的现有客户。
SAP
SAP在这个魔力象限中是“前瞻者”。SAP分析云是一个云原生多租户平台，具有涉及数据可视化、报告和增强分析的众多功能。该产品将分析和企业规划相结合，构建了从洞察到业务行动的端到端流程。在过去的一年里，根据Gartner客户问答服务、搜索和Gartner同行洞察，SAP分析云的市场势头明显增强。
2022年，SAP改进了其报告、数据故事化和分析开发人员的能力，以优化公民分析开发人员、业务分析师和报告消费者的用户体验(UX)。分析应用程序的低代码和高级编码能力可为业务线(LOB)提供可组合的分析应用程序。此类产品增强了数据集成和建模能力，在利用SAP数据和应用程序生态系统的完整情境方面，表现尤为明显。
-
SAP数据集成和连接：SAP分析云可提供与SAP企业应用程序（如SAP S/4HANA、SAP SuccessFactors和SAP Ariba）的无缝原生连接。支持直接在SAP数据源的基础上利用预定义数据集成和数据模型。SAP分析云会直接查询本地SAP资源（SAP BusinessObjects Universe、SAP Business Warehouse和SAP HANA）以获取实时数据。与SAP Datasphere的深度集成也丰富了该产品的连接能力。
-
增强能力和闭环分析：SAP分析云支持假设模拟、预测性预报和关键影响因素分析。它涵盖了闭环分析和规划流程，以最终确定业务决策和行动。这些用于规划、分析和预测的集成功能使它从竞争对手中脱颖而出。
-
适用于SAP业务应用程序的分析加速器：SAP分析云是更广泛的数据和分析产品组合的一部分，这一组合包括SAP Datasphere，可为各行业和业务线在线提供预建业务内容。其中包括数据模型、数据故事和可视化、SAP Digital Boardroom议程模板，以及使用SAP数据源的指导。
-
平均产品能力：在所有供应商中，SAP分析云的产品关键能力被评为平均水平。虽然该产品在不同的用例中性能稳定，但在任何一种用例中都没有真正突出的表现。客户应仔细评估他们产品的能力，以确保功能能满足需求。
-
在SAP生态系统之外的采用有限：SAP分析云的销售对象主要是其现有的商务应用客户和已安装旧版BI的客户群。根据通过Gartner问答服务与客户的对话，未采用以SAP为中心的应用程序或数据生态系统的客户很少将SAP分析云加入候选名单。
-
仅支持云端部署：SAP分析云是一个公共云原生平台（尽管该产品可以查询本地数据并提供私有租户）。寻求本地部署或私有云部署的客户需要利用SAP BusinessObjects BI，并支持SAP Analytics Cloud及其分析目录功能和Universe连接器，以获得完整的混合部署体验。SAP分析云和SAP BusinessObjects BI的路线图、支持和维护计划不同。
SAS
SAS在这个魔力象限中是“前瞻者”。SAS Visual Analytics隶属于SAS端到端产品组合，提供可视化和增强型数据准备、ABI、DSML和AI解决方案。
2022年，SAS Visual Analytics通过在Databricks中发布模型发布和对操作评分，扩大了与Microsoft Azure的集成，Databricks也可在AWS上使用。SAS Embedded Process for Spark与Databricks或Synapse的连续会话可实现启动和停止操作。其他功能也得到了增强，如地理饼图对象、离群值洞察，同时为SAS Viya SDK新增了一个内容组件库，以便在自定义网页或网络应用程序中更便捷地实现内容导航。
-
统一的平台：SAS为客户提供了具有吸引力的产品愿景，包括数据准备、可视化分析能力，以及在增强的设计体验中构建、实施和管理数据科学、ML和AI模型。此外，在Visual Analytics的加持下，SAS是这个魔力象限中少数几个在核心产品中以原生方式支持文本分析的供应商之一。
-
市场领先的数据可视化和自动化洞察：SAS Visual Analytics在数据可视化、互动性、支持的各种可视化风格、地理绘图、支持图表库和时间序列动画等方面继续引领市场，并获得了较高评价。该产品可为离群值检测、关键驱动因素分析、聚类和时间序列预测提供了一套全面的自动化洞察功能。
-
触及全球的行业解决方案：SAS是最大的私营软件供应商之一，在47个国家/地区设有实体机构，拥有由系统集成商组成的全球生态系统。SAS Visual Analytics是SAS众多行业解决方案的基础。
-
采用有限：根据Gartner问答服务、Gartner.com上的搜索情况和Gartner同行洞察的反馈，SAS Visual Analytics在市场上的吸引力有限。缺乏主要的商务应用或公共云生态系统导致该产品没有庞大的安装基数，销路不畅。然而，随着SAS Viya在Microsoft Azure市场的推出，SAS的安装基数有所提升，销路将打开。
-
捆绑式定价：SAS Visual Analytics通常作为其他SAS产品的大型软件的附带产品捆绑销售。SAS已经大幅降低了SAS Visual Analytics的价格，使其更具竞争力。虽然SAS提供项目定价，但客户很难知道他们在SAS Visual Analytics与其他SAS产品方面所花费的具体费用。作为大型软件捆绑包的一部分，如果不作为独立服务出售，SAS Visual Analytics会显得更加昂贵。
-
自然语言查询受限：该平台在NLQ能力方面落后于市场。该产品缺乏对问答格式、同义词、空间和时间推理、预先输入功能以及建议的支持。其他用户体验方面的劣势包括个性化功能较弱和非原生聊天框。智能建议会被委派给对话设计师，而非内置功能。
Sisense
Sisense在这个魔力象限中是“前瞻者”。Sisense是唯一能够在混合云环境中同时支持自助式增强分析和嵌入式用例的非超大型供应商之一。其产品投资可满足对嵌入式分析的需求增长。目前的平台产品有Sisense Fusion Analytics、Sisense Fusion Embed和Sisense Infusion Apps。Sisense Fusion的部署选项涵盖自托管和SaaS或Sisense Cloud，支持单租户和多租户方案，使用相同的代码库实现一致性。2022年标志着人们对Sisense云部署的兴趣发生了关键性的转变，这是由中端市场的吸引力增加以及企业对托管的需求所推动的。
-
强大的嵌入式产品：2022年，Sisense继续保持对嵌入式能力的投资势头，通过加强与Microsoft Office 365的集成来支持嵌入式用例。该公司还加强了其增强分析的能力，特别是在自动化洞察和NLQ方面。
-
DevOps优先原则：为了满足开发人员的需求，并在应用程序中集成智能，Sisense在Sisense Fusion中为DevOps提供原生Git集成。这将数据工程、分析开发任务和应用开发连接在一起，形成了一致的发布管理工作流，使通过Git服务器功能实现细化的文件级访问权限成为可能。
-
创新速度：过去，Sisense一直是其平台中集成增强服务的先驱，包括Alexa和NLG服务等第三方服务。2023年初，Sisense宣布与ChatGPT集成的计划，主要用于实现数据准备自动化，以及为在平台中办公的开发人员生成代码。
-
指标存储集成：根据买家的反馈和其他供应商的行为，指标存储支持和/或集成正在成为一种核心能力。然而，Sisense并没有提供一个指标存储产品，这限制了该公司提取指标或将指标定义推送到集中式存储以供上游或下游使用的能力。
-
缺乏周边数据或应用程序生态系统：ABI平台市场的大部分动力仍然来自向云生态系统部署以及基于云的业务应用程序的转变。尽管Sisense是作为一种服务提供，并能与其他云技术良好互动，但云和商务应用巨头拥有的ABI解决方案具有上市优势。
-
社区支持：Sisense一直专注于发展其用户实践社区。在他们的努力下，社区成员数增加了450%。然而，根据Gartner同行洞察对社区支持的综合评分，与同行相比，Sisense的社区支持仍然低于平均水平。
Tellius
Tellius是这个魔力象限中的“前瞻者”。该产品可为消费者、分析师和公民数据科学家赋能。Tellius使用其“内容”“原因”和“方式” 界面提供洞察。“内容” 洞察使用NLQ搜索界面得出。“原因” 界面自动显示隐藏的关键驱动因素和趋势。“方式” 界面可确定潜在细分市场，并助力决策者采取行动。
2022年，Tellius推出了Multi-Business View Vizpads (MBV Vizpads)，允许用户在具有共同列的数据源之间执行分析，而无需合并两者。Tellius还直接在其面向消费品和医药客户的搜索界面引入了行业特定的市场份额计算。
-
借助NLQ和自动化洞察，快速获得洞察：Tellius是一个NLQ优先平台。该产品可提供强大的问答功能，包括通过用户行为学习以及提供情境化的洞察。Tellius的自然语言搜索支持多语言，并预训练了常见同义词。Tellius在关键驱动因素分析、离群值检测和聚类等自动化洞察能力方面得到了非常高的评价。
-
性能和可扩展性：Tellius支持自动扩缩，以灵活应对工作负载和消耗。它可以处理临时查询以及AI/ML工作负载。Tellius利用Apache Spark进行数据处理。Tellius以基于微服务的架构为基础构建，其中每个服务都支持独立扩展。
-
多角色支持：Tellius将分析工作流程的关键环节自动化，使业务用户能够更快获得洞察。此外，该公司通过引导式AutoML功能为公民数据科学家和数据科学家提供支持，并支持通过编写Python代码来构建预测模型。
-
市场势头不足：Gartner同行洞察、gartner.com搜索数据和客户问答数据显示，与市场上其他供应商相比，Tellius的市场势头较低。Gartner同行洞察评价中还提到，新用户最初会觉得掌握平台的所有功能很困难。
-
产品差距：Tellius可提供强大的NLQ和自动化洞察功能，但该公司没有聚焦数据故事功能，如支持信息图、连接幻灯片，以及允许用户控制数据故事的冗长度、细节或语气。该公司的产品不允许用户发布和共享指标，也不允许与DSML平台集成以访问这些来源中的功能
-
新兴地区战略：Tellius的总部设在美国，在美国有三个支持中心，在印度有一个支持中心，同时在亚太区域也有工程业务。虽然Tellius的客户遍布在美洲、欧洲和亚洲，但潜在客户应仔细评估Tellius提供全球支持的能力。
ThoughtSpot
ThoughtSpot在这个魔力象限中是“前瞻者”。ThoughtSpot的客户经常将其对消费者友好的用户体验、处理复杂分析的能力以及能够分析大型数据集的可扩展性作为购买理由。在使用ThoughtSpot搜索时，该软件会对数据模型、元数据和每个数据值进行索引和排序，从而能够引导用户获得更细化的洞察。SpotIQ — ThoughtSpot的自动化洞察能力： 不断监测数据，学习生成更加个性化的洞察。值得注意的是，ThoughtSpot通过直接查询数据库来运行其搜索和自动化洞察工作负载，以尽量减少数据移动。
2022年，ThoughtSpot采用基于使用量的定价模式，将目标客户对准了规模较小的团队和组织。其他近期创新包括与新的合作伙伴dbt Labs的无代码集成，集成Sync（以前的SeekWell）以将洞察纳入第三方业务应用程序中，以及兼容Google表格的免费网络插件。
-
市场认可度：ThoughtSpot的前瞻性愿景最终使其作为增强型分析平台得到了广泛认可，这具体表现在，大多数Gartner问答服务用户在优先考虑增强型消费者和直接查询NLQ能力时，都会将该公司列入候选名单。
-
经过增强的以消费者为中心的产品供应：ThoughtSpot的产品战略针对增强型分析为买家提供了宏大愿景，使不太懂数据的分析消费者也能够通过由ML驱动的个性化来监测KPI。该公司通过SpotIQ和NLQ以搜索为中心的发现模式提供自动化洞察，这些模式会随着时间的推移根据使用情况和反馈进行学习，并包括游戏化功能和数据故事化能力。
-
嵌入式产品提供战略：ThoughtSpot Everywhere支持分析开发人员的可组合性愿景，在规范化的现代数据堆栈（dbt、Alation、Matillion、Fivetran、Google Big Query和Marketplace原生应用程序插件，以及AWS Marketplace）上实现了大规模的直接查询实时分析。该产品开放的低代码开发者乐园、CodeSpot样本和自带模型功能使开发者能够构建自定义分析应用程序。
-
功能差异化较小：ThoughtSpot作为注重创新的“前瞻者”而崭露头角，引导市场制定新的愿景，从“传统的”可视化自助分析转向增强型分析平台。然而，一些供应商现在也在大力投资AI和自然语言能力。随着时间的推移，ThoughtSpot可能很难保持这种差异化。
-
作为单一业务公司，ThoughtSpot缺乏完整的数据和分析堆栈解决方案：虽然ThoughtSpot确实可与Snowflake、dbt和Databricks等云堆栈的领先供应商良好集成，但该公司没有自己的大型商务应用或云平台生态系统，无法为自己打开销路。随着行业倾向于SaaS提供的更快的软件发布周期，一些公司正在优先考虑堆栈集成而不是功能差异化。
-
较小的客户安装基数：ThoughtSpot在过去几年中达成了稳固的业务，增加了若干主要客户。该公司的增长势头在继续，但客户安装基数没有“领导者”象限中的供应商那么大。
TIBCO Software
TIBCO Software在这个魔力象限中是“前瞻者”。TIBCO Spotfire结合了可视化探索和数据科学，可为流式传输提供强有力的支持，包括合并实时和静态数据的能力。该产品还可以对流式数据执行预测模型。Spotfire还为业务用户提供45个预建数据功能，方便用户开展高级分析。
2022年，TIBCO Spotfire推出了“行动(Actions)”，这是一种无需代码的功能，可在云端和本地部署应用中触发工作流。该公司还持续构建了超过25个由社区开发的模块，这些模块可用于创建领域特定应用的定制可视化。此外，TIBCO加强了该产品的模型管理能力，使客户能够在可视化分析环境中对预训练的数据科学模型进行评分和监控。
-
为数据科学家和公民数据科学家提供支持：Spotfire可以与R和Python集成，为自动生成的模型提供可解释性，并支持通过TIBCO进行引导式建模。借助TIBCO ModelOps，用户可以监控和管理模型性能。
-
支持灵活部署和自动扩缩：Spotfire平台可以部署到本地或云端的任何位置。Spotfire的设计完全与云无关，具备混合部署和多云选项。Spotfire还会根据独立指标进行自动扩缩。
-
预建的领域应用：Spotfire支持针对特定行业用例的预建解决方案加速器，如动态定价加速器、医疗保健互操作性加速器、连续供应链加速器等。此外，Spotfire用户可以借助Spotfire Visualization Mod创建和部署自定义可视化；借助Spotfire Data Functions执行任何类型的数据管理或数据科学计算；以及借助新推出的Spotfire Actions，从Spotfire分析中调用数百个其他系统中的外部行动。
-
市场增长动力有限：与市场上的其他供应商相比，TIBCO的整体势头相对较弱，这可能是由于其在PerkinElmer（制药）、Schlumberger（能源）、Change Healthcare（医疗保健）和PDF Solutions（制造）等专业合作伙伴服务的市场中的长期存在。Gartner收到的关于Spotfire的客户咨询相对较少。
-
学习曲线陡峭：虽然Spotfire的功能相当丰富，但Gartner同行洞察显示，Spotfire并不容易学习，为新用户提供的指导较少。根据Gartner同行洞察，最终用户培训和支持有限似乎是大量用户的痛点。
-
产品功能差距：TIBCO Spotfire的自然语言查询能力较弱。该产品不会为用户提供内联预先输入或预输入建议。此外，该产品也不会从用户的搜索行为以及与内容的互动中学习。Spotfire有一些数据讲故事能力，但可以为此流程带来更多自动化。
Zoho
Zoho在这个魔力象限中是“利基企业”。Zoho Analytics主要专注于数据准备、数据可视化以及面向业分析师预建的分析应用程序市场。微软的业务遍布世界各地，其客户多数是小中型企业。
2022年，Zoho通过为公共云部署引入可扩展的微服务架构改善其可组合性，并通过实现与所有来源（包括流行的SaaS业务应用程序）的实时连接改进数据源连接性。
-
统一的业务分析：用户可以集成众多LOB应用的数据。Zoho Analytics自带数百个领域的特定预建报告和仪表盘。智能数据混合能力使用户能够自动混合多个LOB应用的数据，以提供端到端的业务洞察。
-
可组合的分析愿景：Zoho Analytics拥有可扩展的微服务架构，支持买家选择将首选云供应商（包括AWS、微软和谷歌）作为部署平台时使用自己的服务。市场方式使具有低代码/无代码经验的用户能够利用丰富的预建内容组装基本组件，例如使用Shopify的电子商务分析。
-
Zoho机会：Zoho拥有8000万现有SaaS用户，将借助平台效应加速Zoho Analytics的采用。企业可以购买任何Zoho应用程序，并轻松与Zoho Analytics集成。具体而言，Zoho的独特优势将令用户告别依靠报告和分析的时代，实现真正的决策智能。这得益与业务应用程序的集成以及Zoho在协作方面的优势，这是今年新增的三项关键能力之一。
-
产品能力差距：Zoho的许多产品能力的评价低于本魔力象限研究中评估的20家供应商的平均水平。然而，该公司有长远的产品发布计划，在2022年更新了70多个产品。
-
市场增长动力：根据招聘信息、gartner.com搜索和Gartner问答服务量数据，与该领域的其他公司相比，Zoho的增长动力较弱。它在全球范围内只有三个专门针对Zoho Analytics的支持中心。然而，该公司确实还有可为整个Zoho产品套件（包括Zoho Analytics）提供支持的其他全球支持中心。
-
缺乏高级分析：Zoho Analytics主要服务对象为自助式业务分析员。该产品缺乏支持高级分析用例的愿景，包括使用增强型分析或与数据科学工具集成。
新增和摒弃的供应商
Gartner依照市场变化审查并调整了魔力象限的入选标准。由于上述调整，任何魔力象限中的供应商组合可能随着时间的推移而变化。若某一年魔力象限中出现某供应商但第二年无该供应商，则这并不必然表明我们已经更换了该供应商。这种情况可能是市场变化和评估标准变化或该供应商重心变化的反映。
新增的供应商
GoodData符合2022年的纳入标准，已加入名单。
摒弃的供应商
根据市场增长动力指数，Yellowfin没有入选20家供应商名单。
入选和排除标准
为符合本魔力象限的入选资格，供应商需同时满足下面两个标准：
-
提供一个全面上市的软件产品，且产品符合Gartner对ABI平台的定义：
-
分析和商业智能平台使技术水平较低的用户（包括业务人员）能够在信息技术的支持和AI的赋能下，对数据进行建模、分析、探索、共享和管理，并开展协作和共享成果。此类平台也可能具备创建、修改或充实语义模型（包括业务规则）功能中的一项或多项。
-
在Gartner为此魔力象限定义的市场增长动力指数中排名前20的组织。用于计算ABI平台市场增长动力的数据输入包括一套平衡的衡量指标：
-
Gartner客户的搜索和咨询量以及趋势数据。
-
TalentNeuron以及美国、欧洲和中国的一系列招聘网站上指定ABI平台的招聘信息量。
-
在截至2022年7月的一年中，在Gartner的同行洞察论坛的评论中被提及为其他ABI平台供应商的竞争对手的频率。
-
社交媒体社区和总体趋势。
-
根据Gartner的魔力象限方法，涵盖的供应商数量限制在20家。还有许多ABI平台供应商未在本研究中提及。
荣誉提名
下面提到的供应商或出现在2022年版的魔力象限中，或有一定市场势头，除当前的魔力象限所涵盖的供应商之外，各组织也会对其产生兴趣。以下列表按字母顺序排列，不包括不在这个魔力象限中的所有知名供应商：
-
Aible。Aible提供了几种产品，包括Sense、Explore和Optimize，以使用AI来自动化数据工程、数据分析和数据科学任务。Aible可确保数据的质量足以让用户生成洞察，发现数据中的模式，并生成建议。
-
AnswerRocket。AnswerRocket提供支持数据探索、分析和洞察发现的增强型分析平台。该公司可支持用户监测关键指标，识别性能驱动因素，并在几秒钟内检测关键问题。AnswerRocket的最新版本有OpenAI的ChatGPT技术的加持，可实现对专有数据的对话分析。
-
AtScale。AtScale具备语义层平台，可在使用普通BI工具的数据消费者与云数据平台中托管的数据资产之间架起桥梁。AtScale还提供一个数据建模工具，可让数据团队构建语义模型、设计指标和符合要求的维度，这些维度会发布在可从BI平台访问的指标存储中。
-
Board。Board的与众不同之处在于，它提供了一个智能规划平台（分析和财务规划与分析），相比于同类ABI产品的供应商，能够更全面地支持业务流程。
-
FanRuan。FanRuan是中国最大的ABI供应商之一，其传统的、以报告为中心的BI产品FineReport在中国得到了广泛应用。该公司新推出的FineBI产品可通过本地部署模式提供可视化驱动的自助BI。
-
Infor。Infor Birst是专为云构建的端到端数据仓库、报告和可视化平台。Birst可与具有情境感知的过滤和工作流的Infor ERP应用程序集成。
评估标准
本魔力象限使用的执行能力标准如下（关于Gartner使用这些标准进行评估的信息来源，请参阅“证据”部分）：
-
产品或服务：此标准旨在根据供应商的RFP响应和视频提交内容，评估供应商的ABI平台产品在关键能力领域的竞争力和成功程度。
-
整体可行性：这一标准涉及组织中与ABI有关的财务状况和模式，还衡量现有和潜在客户对供应商未来可能的相关性的看法。
-
销售执行/定价：这一标准涵盖供应商在销售活动中的能力。它包括对供应商的总体评估、与供应商签署合同时的谈判体验/灵活性，以及客户获得的价值。
-
市场响应/记录：该标准采用一套平衡的衡量标准，评判供应商在全球市场上的增长动力和成功的程度。
-
客户体验：这一标准衡量客户在购买产品后与供应商合作的体验。衡量因素包括优质第三方资源（如集成商和服务提供商）的可用性、最终用户培训的质量和可用性，以及同行用户社区的质量。
-
运营：这一标准衡量供应商为客户提供支持的质量，以及其软件的可靠程度。
执行能力
本魔力象限使用的愿景完整性标准如下（关于Gartner使用这些标准进行评估的信息来源，请参阅“证据”部分）：
-
市场了解：这个标准衡量供应商对分析买家需求变化的跟进有多密切，以及客户对最近和新兴能力的使用有多广泛。
-
营销战略：该标准考虑供应商是否有一套明确宣传语，以传达其在ABI平台市场中的价值和差异性，以及该供应商的差异性是否在提升知名度。
-
销售战略：这一标准衡量供应商的销售方式在多大程度上受益于鼓励客户评估其ABI平台的一系列选项和驱动因素。
-
产品战略：Gartner评估了供应商支持未来将创造商业价值的关键趋势的能力。根据每个供应商提出的路线图，有助于促成这些趋势的现有和计划中的产品和功能将计入供应商在该标准上的得分。
-
垂直/行业战略：这一标准衡量供应商通过模板或打包的数据和分析内容可以满足各行业需求的程度。
-
创新：这一标准衡量供应商将在多大程度上投资和提供独特能力。该标准评判供应商是否正在树立可供其他供应商效仿的创新标准。
-
地区战略：这一标准衡量供应商在全世界的覆盖情况如何。
愿景完整性
象限描述
领导者
领导者具备对关键产品能力的扎实理解，以及对客户成功的承诺，这是该市场的买家需要的。这类市场参与者将这种理解和承诺与易于理解且有吸引力的定价模式相结合，这类模型支持价值证明、增量购买和企业扩展。购买决定是由需要易于购买和使用的产品的商业用户做出的，或者至少受到其严重影响。他们要求这些产品能够提供明确的业务价值，并使技术专长有限的人员能在无需IT部门或技术专家预先参与的情况下，使用强大的分析。在以不断创新为特征的快速发展的市场中，领导者不仅仅关注当前的执行力。每个领导者还要确保制定强大的路线图，以巩固其作为市场领导者的地位，从而帮助保护买家的投资。
挑战者
挑战者在这个市场上处于有利地位，能够取得成功。然而，这类市场参与者可能受制于特定用例、技术环境或应用领域。他们的愿景可能会因缺乏针对产品组合中各产品的协调战略而受到阻碍。另外，在有效的市场营销、销售渠道、地理分布、行业特定的内容和创新方面，相较于领先者，这类市场参与者也可能有所欠缺。
前瞻者
前瞻者针对实现现代ABI平台制定了宏大或更具特色的愿景。这类市场参与者在所服务的领域提供了深层次的功能。但是，他们在满足更广泛的功能需求方面可能存在差距，或者他们在客户体验、运营和销售执行方面的得分可能较低。前瞻者是思想领袖和创新者，但他们可能缺乏规模，或者对自身实现增长并仍能稳定执行的能力存在担忧。
利基企业
利基企业在某一特定领域（行业、垂直领域或用例）表现突出，或者擅长满足使用特定云堆栈的组织的ABI需求。但他们在创新或性能方面超越其他供应商的能力可能有限。他们可能专注于ABI平台市场的特定领域或方面，但在其他方面缺乏深层次的功能。或者，他们可能有相当广泛的ABI平台，但实施和支持能力有限，或者客户群相对有限（例如，只覆盖特定地区或行业的受众）。
背景
本魔力象限基于供应商2022年的执行情况，以及未来的发展计划来评估供应商能力。由于供应商和市场在不断发展，评估可能只在一个时间点上有效。
读者不应孤立地使用该魔力象限作为选择供应商和产品的工具。读者应将其视为判断最适合的供应商和产品所需的众多参考点中的其中一个。选择平台时，他们应将此魔力象限与分析和商业智能平台的关键能力结合起来使用。我们还推荐使用Gartner的客户咨询服务。
读者不应该将自己对愿景完整性或执行能力的定义归于此魔力象限（他们往往错误地将这些定义分别等同于产品愿景和市场份额）。魔力象限方法使用一系列的标准来确定供应商的定位，如上面的“评估标准”部分所示。
市场概况
云数据和分析生态系统将推动市场投资。在七家超大规模云基础架构和平台服务供应商中，除一家外，其余都直接或通过收购的子公司在ABI平台市场提供产品（参见云基础架构和平台服务魔力象限）。1
主要的云ERP和CRM应用程序提供商的覆盖情况也是影响ABI平台选择的考量因素之一。一方面，以云为主导的采购不可避免地引发了对数据和分析组合的锁定和不可预见成本的担忧。另一方面，云服务提供商接受其软件堆栈开放性的重要性，以及“多云”方法日益增长的重要性，即企业在多个云产品中和跨多个云产品运行应用程序。
目前，微软一家独大，在用户采用方面主导着市场。Microsoft Power BI云服务的大规模增长仍在继续，这主要是由于该产品与Office 365（E5许可级别）的捆绑销售的价格优惠力度很大。鉴于远程工作的重要性，Power BI与Microsoft Teams的日益集成推动了进一步的增长。
ABI平台市场上的单一分析供应商正在利用其独立于大型云供应商的优势，作为与大型云提供商竞争的差异化因素，打消客户的锁定局面顾虑。一种变通方法是开放以前封闭的产品，尽量规避与无处不在的ABI工具的竞争。另一种方法是专注于找到特定细分市场，并根据相应需求提供产品。
增强型分析能力的激增将使ABI、数据科学和ML平台三个市场发生冲突。ABI平台包含的功能越来越多，能够执行增强的数据科学和ML任务，在“幕后”执行预测模型，并在ABI流程流中“体现”出洞察。数据科学和ML平台也日渐具有增强的数据转换和发现能力（如数据可视化），这些能力通常而言是ABI平台的特点（参见增强型分析市场指南）。
市场在不断发展，许多平台为公民分析员/开发人员增加了功能，使他们能够轻松地编写低代码或无代码的自动化工作流和应用程序。这种能力融合将帮助扩大分析的愿景，不仅仅体现在提供数据集和展示仪表盘方面，更体现在提供基于情境的丰富洞察。这使业内重新关注决策过程，并最终关注采取能带来商业价值的行动（参见嵌入式分析市场指南）。
依据
本魔力象限中的Gartner分析基于以下来源：
-
Gartner分析师对供应商的意见。
-
客户对供应商的优势和面临的挑战的看法，来自于Gartner收到的ABI相关咨询
-
Gartner同行洞察数据（见下文）
-
由供应商填写的关于其业务的调查问卷
-
涵盖差异化、客户用例和产品路线图的供应商简报
-
一份广泛的RFP调查问卷，询问每个供应商如何提供构成该市场12项关键能力的具体功能
-
供应商的ABI平台产品如何提供12个关键能力的视频演示
-
来自外部的市场势头数据（招聘信息、网络上的视频等）
Gartner同行洞察
Gartner同行洞察评价作为依据评判与运营（服务和支持，以及技术支持的质量）、客户体验（第三方资源的可用性，最终用户培训的质量/可用性，以及总体体验）、销售经验（定价和合同谈判）、市场响应能力（获得的价值）和市场理解（了解客户需求）有关的指标。我们考虑了从2021年12月26日至2022年12月26日发布的现代ABI平台产品的评价。
1 例外的是，中国供应商腾讯云投资了永洪科技，并以OEM的方式提供其Yonghong BI平台。
评估标准定义
执行能力
产品/服务：由供应商为既定市场提供的核心产品和服务。这包括当前的产品/服务能力、质量、功能集、技能等，无论是原生提供，还是通过按照市场定义和子标准中详细定义确定的OEM协议/合作伙伴提供。
整体可行性：可行性包括对组织整体财务状况的评估，以及对业务部门的财务和实际成功情况的评估，还有单个业务部门继续对产品进行投资、继续提供产品以及在组织的产品组合中提高工艺水平的可能性。
销售执行/定价：供应商在所有售前活动中的能力以及支持这些活动的结构。其中包括交易管理、定价和谈判、售前支持以及销售渠道的整体有效性。
市场响应/记录：随着机会的发展、竞争对手的行动、客户需求的演变以及市场动态的变化，做出响应、改变方向、保持灵活性并取得竞争成功的能力。该标准还考虑了供应商响应的历史记录。
营销执行：计划的清晰度、质量、创造性和有效性，这些计划旨在传递组织的信息以影响市场、推广品牌和业务、提高产品知名度，以及在买家心中树立产品/品牌和组织的正面形象。这种“品牌影响力”可以通过宣传、促销活动、思想领导、口头宣传和销售活动的组合来推动。
客户体验：能够让客户通过所评估产品达到成功结果的关系、产品和服务/计划。具体来说，这包括客户获得技术支持或客户支持的方式。可能还包括辅助工具、客户支持计划（及其质量）、用户组的可用性和服务级别协议等。
运营：组织达成其目标和承诺的能力。影响因素包括组织结构的质量，其中包含技能、经验、计划、系统，以及使组织能够持续有效且高效地开展运营的其他工具。
愿景完整性
市场了解：供应商了解买家的愿望和需求，并将其转化为产品和服务这一能力。供应商对其市场表现出清晰的愿景，愿意倾听并了解客户的愿望和需求，以及用自己增加的愿景来塑造或增强市场变化。
营销战略：在组织内部或通过网站、广告、客户计划和定位声明向外部持续传达的清晰、与众不同的宣传信息。
销售战略：销售产品的战略，运用恰当的直接或间接销售网络、营销、服务和通信附属机构来延伸所涉市场、技能、专业知识、技术、服务和客户群的广度及深度。
产品战略：供应商用于产品开发和交付的方法，强调市场差异化、功能性、方法和功能集，因为它们反映了当前和未来的需求。
业务模式：供应商内在业务主张的合理性和逻辑性。
垂直/行业战略：供应商的战略，用于引导资源、技能和产品来满足个别细分市场的特定需求，包括垂直市场。
创新：用于投资、合并、防御性或先发制人这些目的的资源、专业知识或资本的直接、相关、互补和协同性布局。
地区战略：供应商引导资源、技能和产品的战略，其目的是满足“本土”或本地地理区域以外地区的特定需求，可以直接实现，也可以通过合作伙伴、渠道和子公司来实现，视当地情况和市场情况而定。
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/313714.html