Gartner Group，成立于 1979 年，是全球最专业权威的 IT 研究咨询公司，研究的范围覆盖全部 IT 产业。Gartner在全球范围内差不多有 1000 多名 10-15 年 IT 技术工作背景的分析员，大多都有 CIO 背景，拥有非常专业的技术能力，对 IT 行业的研究和解读也极具专业性。
Gartner每年都会发布各个 IT 细分领域的分析报告，其中，魔力象限（Magic Quadrant）是最受关注的两个行业报告之一，一般在每年2月份发布。作为IT市场观察的手段和工具，魔力象限（Magic Quadrant）报告可以帮助IT专业人士做出未雨绸缪的选择并影响着企业的战略投资。
本文将分从以下几部分为大家详细解读《 2020 Gartner Magic Quadrant for Analytics and BI Platforms》（数据分析与商业智能魔力象限）。
2020年ABI魔力象限报告翻译解读
ABI市场的战略规划与设想
ABI市场定义与描述
ABI魔力象限解读
魔力象限玩家解读
全球ABI市场概况
观远数据关于ABI魔力象限报告总结
中国ABI市场现状
2020年ABI魔力象限报告翻译解读
增强功能正在成为分析和BI平台的关键区别因素，与此同时，云生态系统也在影响选择决策。这个魔力四象限将帮助数据和分析领导者根据这些变化发展和进化他们的分析和BI技术组合。
ABI市场的战略规划与设想
在Gartner2020年的ABI魔力象限报告中，对于未来五年ABI市场的发展趋势做了大胆的设想：
到2022年，增强分析技术将无处不在，但只有10%的分析师会充分利用其潜力。
到2022年，40%的机器学习模型开发和评分将在不以机器学习为主要目标的产品中完成。
到2023年，90%的世界500强公司将把分析治理整合到更广泛的数据和分析治理计划中。
到2025年，80%的包含电子产品的消费产品或工业产品将纳入on-device分析。
到2025年，数据故事将成为最普遍的消费分析方式，75%的数据故事将使用增强分析技术自动生成。
ABI市场定义与描述
这几年Gartner关于BI魔力象限的定义逐渐由过去相对传统的Business Intelligence变更成 Modern Analytics and Business Intelligence（现代分析和商业智能，以下简称“ABI”)。这其实是行业在倒逼数据分析业务变得越来越敏捷和一站式，不再像传统BI一样需要完整的产品切割，不同的产品应对数据分析过程中不同阶段的数据处理过程。
随着数据量越来越多，ABI平台更强调产品的易用功能，支持从数据准备到可视化探索和洞察力生成的完整分析工作流，强调报表功能的集成和增强分析技术等方面。而对我们新的ABI平台在产品功能上的要求可以体现在以下几个层面的改变和优化：
数据源层面：从关系型预处理数据到无处不在的数据，从前期建模必需的数据仓库到变得可选，即使是半结构化或非结构化的数据也需要有能力轻松接入。
数据提取和准备过程：需要更多地赋能业务人员，使用拖拽式ETL就可以进行数据分析，而不是强代码。
内容创作：主要赋能用户，自己就可以完成可视化分析，通过业务故事去思考出现的问题。
分析过程：从预定义报告到自由格式的可视化探索
见解交付：从数据分发到数据协作与数据故事
ABI市场的供应商从历史悠久的大型科技公司，到由风险资本基金支持的初创公司，不一而足。较大的供应商与包括数据管理功能的更广泛的产品相关联。这个市场上的大部分新支出大多花在了云部署上。
ABI平台不再因其数据可视化功能而有所不同，这些功能正在成为常规必须。相反，差异化正在转向:
对企业报告功能的集成支持。企业感兴趣的是，这些以敏捷数据可视化功能而闻名的平台现在如何帮助它们实现企业报告需求的现代化。
增强分析强调的是机器学习和人工智能相关的数据准备、生成和洞见解释，增加业务人员和分析师如何探索和分析数据，正在迅速成为差异化竞争优势的关键来源。
对于ABI平台的功能，Gartner在报告中也列举了以下15个关键指标。(这些关键指标每年都在被不断更新和迭代，反映出对企业报告的重新关注和增强分析重要性的持续增加)
安全性:支持平台安全性、管理用户、审核平台访问和身份验证的功能。
可管理性:跟踪使用情况、管理信息如何共享和由谁共享、执行影响分析和使用第三方应用程序的功能。
云:支持在云中构建、部署和管理分析和分析应用程序的能力，这些应用程序基于云中和本地的数据，并跨多云部署。
数据源连接性:允许用户连接并获取各种类型存储平台(包括本地存储和云存储)中包含的结构化和非结构化数据的能力。
数据准备:支持拖放、用户驱动的来自不同数据源的数据组合，以及创建分析模型(例如用户定义的度量、集合、组和层次结构)。
模型复杂性:支持复杂的数据模型，包括处理多个事实表、与其他分析平台互操作以及支持知识图部署的能力。
目录:能够自动生成和管理平台及其依赖项创建和使用的对象的可搜索目录。
自动分析:增强分析的一个核心属性，它能够应用ML技术为最终用户自动生成分析(例如，通过识别数据集中最重要的属性)。
高级分析:用户很容易访问的高级分析功能，可以包含在ABI平台本身中，也可以通过导入和集成外部开发的模型来使用。
数据可视化:支持高度交互的仪表板和通过操作图表图像探索数据。其中包括一组可视化选项，它们超出了饼图、条形图和折线图的范围，比如热量和树图、地理地图、散点图和其他特殊用途的可视化效果。
自然语言查询:这使用户能够使用在搜索框中键入或说出的业务术语来查询数据。
数据故事:将交互式数据可视化与叙述技术相结合的能力，以便以引人注目的、容易理解的形式将见解打包并交付给决策者。
嵌入式分析:功能包括带有api的SDK和对开放标准的支持，以便将分析内容嵌入到业务流程、应用程序或门户中。
自然语言生成(NLG):自动生成数据中丰富的语言描述。在分析上下文中，当用户与数据交互时，叙事会动态变化，以解释关键发现或图表或指示板的意义。
报告:能够基于订阅基础，创建和分发给消费者表格样式、多页、像素完美的报告。
ABI魔力象限解读
Gartner魔力象限报告是监测和评估专业科技市场中公司的发展及定位的一种研究方法论和形象化工具。对于有意向找到一家满足自身需求的产品的公司领导者以及力图在市场中PK掉竞争者，获得优势的企业来说，魔力象限研究报告具有很强的参考作用。
ABI魔力象限是通过前瞻性和执行力两个维度去阐述各个ABI厂商之间的实力差距，可以配合以下图示去帮助理解。
根据标准对每个厂商逐一进行评分、加权，得出纵轴执行力和横轴愿景的分别总分，最后再将所有厂商的得分综合起来将各自定位在四个不同象限内。
挑战者（Challengers）象限的企业通常具备执行能力较高，但缺少强劲的发展势头等特征。一般为大型的成熟厂商，不愿打破当前的发展计划。
利基者（Niche Players）象限又被称为特定领域象限，入选公司发展前景的完备性和执行力较低但或许占有一定的市场份额。通常关注特定的领域或是新成立的公司。
领导者（Leaders）象限聚集的都是发展前景和执行能力都有较高得分的行业巨头企业，拥有较高知名度，有实力影响市场的走向。
远见者（Visionaries）象限代表了解市场动态并且有潜力创新，但缺乏足够强的执行能力。通常为规模较小的企业。
Gartner技术与服务供应商研究组首席分析师张瑾强曾表示：“这并不意味着入选在利基者象限内的企业是落后的，往往这些企业在特定的领域内处于领先地位”
评估标准
和2019年Gartner发布的ABI魔力象限相比，值得一提的是，2020年利基者象限玩家新增了阿里云（Quick BI）和Dundas，同时，Gooddata从利基者象限退出。
全球ABI市场概况
总览全球的ABI市场，Gartner在报告中总结了该市场的三大发展趋势。
一、用户基础大幅增长，速度放缓
从金融角度看，现代自助ABI平台的市场仍在快速增长，但速度比以前慢了。根据Gartner的市场份额分析，该市场的收入在2018年增长了22.3%，而2017年为35.0%。价格压力和激烈的竞争是造成这种减速的主要原因。
不过，尽管消费增长比以前更慢，但使用ABI平台的人数正在大幅增加。仅微软一家就在五年前推出了Power BI云服务，目前在全球拥有数百万用户。用户数量的巨大增长是因为每用户的价格是十年前的很小部分。
二、云生态化
2019年是向云生态系统主导地位过渡的一年。微软的快速增长基于azure BI云服务力量,Salesforce收购Tableau和Google收购Looker,标志着云化将使厂家可以拥有一个具有价格竞争力ABI平台。当然，伴随这种转变而来的是对“锁定”的自然担忧。这里的平衡因素是供应商对其栈的开放性的态度和实现，以及“多云”方法的重要性，客户可以选择在多个云IaaS产品中运行应用程序。
向云平台即服务(PaaS)转移的ABI标准正在影响不结盟供应商如何定位他们的产品和竞争。两种主要的战略正在形成。第一个是开放以前封闭的产品，以减少与其他ABI工具的竞争(如MicroStrategy为Microsoft Power BI、Qlik Sense和Tableau提供的连接器)。第二是专注于寻找特定的细分市场，并根据他们的需求提供相应的产品。
三、嵌入式分析
在ABI领域中，嵌入式ABI实际上有一个次级市场。它有一组不同的关键买家，即软件开发人员和产品经理。Gartner认为嵌入式ABI是一个重要的Case，因为组织希望创建外联网应用程序、将数据货币化，并将ABI作为整个业务应用程序的一部分。这些应用程序可以超越内部涉众，包括客户、供应商和公民。独立软件供应商也认为嵌入式ABI功能越来越重要。对于一些供应商来说，嵌入式用例代表了他们的主要市场。对于其他厂商来说，这是一个较小的关注点，但它代表了一个新的战场，需要特定的定价模型和改进的API。
观远数据关于ABI魔力象限报告总结
通过解读Gartner发布的《2020 Gartner Magic Quadrant for Analytics and BI Platforms》，观远数据产品团队对于本年度的行业报告中的新方向提炼了以下四个核心观点：
一：突出增强分析
在企业数据量还有限的时候，报表就可以满足数据分析需求，而随着业务量逐渐扩大，单靠一个报表是无法满足决策层看数据需求，因为无法进行关联去找到问题点，而通过BI的钻取、联动可以精准定位到问题所在。
BI在原先的理解中包含数据的切片、旋转、聚合、分析等，而此次报告强调ABI平台更应该关注数据的分析能力，尤其是增强分析，不仅是在分析展示的那一层，还包含数据准备和数据融合的过程。比如，观远的Smart ETL可以支持更加复杂的分析，这其实也是一种增强分析的能力。
二、强调数据分析全链路的打通
数据分析的全链路不仅仅是分析本身，也在强调数据分析全生命周期的因素，包括数据采集、数据接入、数据准备、数据治理、数据管理、数据分析、增强分析、可视化呈现等等。如果ABI企业在数据分析全链路上都有一个完整的布局，相对来说竞争力会更强。
三、强调机器学习与AI赋能
当企业的业务迭代的速度又进化到下一个阶段，传统的BI也无法跟上数据分析需求时，企业会更需要AI的介入，帮助我们在一些链条做到自动的数据处理和分析。而对ABI平台的要求就是通过ML与AI赋能增强分析，在数据分析全链路中加入更多AI能力。
四、增强系统融合，提供数据服务能力
ABI平台的整个边界在不断模糊化，企业IT建设的的节奏从信息化、数字化再到数据信息化。这就需要ABI厂商在未来需要具备数据服务的能力，帮助企业把业务端的需求通过数据加智能自动地去解决。
例如我们常说的千人千面，过去门店营销是靠销售员记住消费者的身份去给他提供个性化服务。而在互联网时代，这种千人千面的营销是需要数据和AI驱动的，这就是数据服务化。
传统企业往未来发展，或者现在碰到疫情这么大的挑战，很多企业都在反思，我们能不能有这么强的数据服务化的能力，把数据变成信息，直接融入到各种各样的业务系统中。比如在疫情面前，把原先线下的服务能力转移到线上，当用户打开一个APP，就能够自动地识别他的消费喜好并进行智能推荐，这样就会大大提高企业在风险面前的自愈能力。
Gartner在本次报告中表达了一个最核心观点：就是在整个数据化浪潮的推动下，数据分析的产业应该往和业务深度绑定的趋势去发展。在过程中也倒逼企业不断去思考，我们要通过什么样的产品和架构去解决数据分析？AI的元素怎样去融入？传统的切割的比较明确的产品模块又怎样把他重新地有机地组合起来提供给客户带来新的体验？这个是Gartner此次报告带给我们的思考。
另外，中国的ABI企业需要清醒地认识到我们是在中国本土，同时又是BI增长非常迅猛的市场，我们需要思考怎样去捕捉中国本土的一些市场机会。
中国ABI市场现状
Gartner报告主要是针对全球的ABI市场，而回到中国本土，和全球相比其现状与发展趋势又不尽相同，主要体现在以下几方面：
起步迟，发展快：中国ABI行业成熟度教低，而客户对于不同平台边界是比较模糊，他们更希望BI厂商提供完整的数据解决方案，上下游融合更自然，而不是采购一个工具还需要配合采购其他工具。
信息化和数据化共同推进：很多国内企业目前处于信息化和数据化共同推进的状态，他们的数据基础不是很完善，数据分析人员素养、数据分析意识有待提升，市场有待教育和培养。
报表与可视化看板需求还是主流：报表与看板还是主流需求，两端赋能需求强烈，移动端需求旺盛，自助式分析需求逐渐激发，自动化分析、增强分析需求整体还较弱。
市场规模高速扩张：每年20%~30%的市场增速，成为中小企业、新零售、新制造、新金融的标配。
本土化、个性化、定制化需求多：本土化数据对接，定制化系统集成、账户对接，嵌入式分析成为普遍需求，国外BI产品毫无优势，这也是国产BI产品弯道超车的好机会。
相比全球市场，中国ABI市场专业分工不够精细化，有时候会让我们感觉困惑。但反观国外ABI平台在精细化分工发展到一定阶段后，也需要不断地延伸和拓展能力，产品边界也在不断的模糊化，这对我们是很有借鉴意义的。
商业与经济密不可分，我们粗浅地比较目前中国经济对世界经济的贡献比例（2019年，16%），和中国商业智能市场规模在全球商业智能市场规模的占比（2%左右，5亿美元/200亿美元）。两者之悬殊，可以想象中国的商业智能市场发展潜力之大。但前面说了，中国商业智能的市场与国外有着非常大的不同之处，本土BI企业有更多的本土市场深耕的机会。
不同的市场与用户基础，行业特征，造就不同的发展机会，就像移动支付诞生在美国，却在中国有更适合的成长土壤，最后就被中国弯道超车。