隨著大數據和云計算的流行，云分析也開始在市場中展露了頭角。2017年二月，Garnter在其商業智能分析平臺魔力象限圖 報告中指出，大部分的受訪者（51%）已經或正在計劃部署BI分析。 

Garnter的分析師說到：“我們預計這種趨勢將會繼續，2020年絕大多數（超過一半）的本地許可證模式將遷移至云端。”據Garneter預測，到2020年，BI分析市場每年將增長7.9%。

而哈佛商業評論則認為人們對于云分析的興致似乎更高：到2017年底，預計將有69%的受訪者使用云分析。

來源：Harvard Business Review Analytic Services Survey, 2015

接下來，本文將介紹云分析的定義、優勢、存在的問題、熱門的應用案例，列出一些云分析工具。

云分析是什么？

當人們談起“云分析”的概念時，總是會說云分析是基于軟件即分析（SaaS）的數據分析軟件。根據Gartnet的解釋，“分析其實已經是一個包羅萬象的概念，包括商業智能（BI）及其相關應用方案皆可以涉及到分析，而“分析”也被人們越來越多的用來描述和統計數學數據、集群、細分、分數和預測可能發生的事件。”其他相似的術語還有基于云BI、SaaS BI和SaaS分析。

不過，有時人們會使用“云分析”一詞來指那些與云計算相關的數據分析。通常是那些用來監控云端設備和應用績效的云管理方案。

本文將會主要關注與云分析的第一個定義（通過云端進行的大數據分析）而不是第二個（云相關數據分析）。

云分析的優勢

云分析的優勢既包括云計算又包括大數據分析。下面是一些主要云分析優勢：

提升決策：

哈佛商業評論發現82%的受訪者指出他們的BI分析工具提升了他們的決策質量。公司可以從他們的數據中獲得寶貴的見解，使他們能夠獲得新客戶，增加收入和利潤，并可以更快的將產品推向市場。

改進計劃與預測：

云分析可以讓商業用戶，尤其是財務部門的用戶將多種來源的數據納入其數據模型。 因此，他們可以進行更為細致的分析，從而獲得更為精準的預測。 反過來，這又會允許企業領導者更加準確的達到投資者預期，提升其信息，從而有利于公司股價的穩定與上漲。

單一數據來源：

很多公司的商業數據來自于許多不同的數據中心和數據倉庫。而云分析公司可以讓公司更加容易驗證和整合這些數據，為公司帶來“單一的真實來源。”

更快的速度和效率：

傳統的本地部署的BI分析工具生成一份報告可能會耗費數小時，數天甚至于數周。而由于很多云分析工具依靠于現代話的軟硬件，其分析服務能夠大大降低報告生成時間；某些情況下，生成一份報告只需幾秒而已。所以，商業用戶可以得到更多的報告，分析更多的變量，使得分析工作事半功倍。

靈活性/敏捷：

云分析提高的高速也為公司帶來更大的靈活性。通過云分析，他們能夠更快地看到并及時相應市場的不斷變化，從而提升競爭優勢。

降低成本：

很多依靠傳統專利技術的 BI工具可能會非常昂貴。但云分析卻通常更具有成本效益。而且，云分析服務不需要公司購買，操作和維護分析工作所需要的硬件，這會進一步的降低成本。

可擴展性：

如今，人們面對的是數據指數級的增長。為了存儲和分析不斷增長的數據并持續擴大和升級他們的基礎設施，公司需要不停以高成本來購買硬件。 不過，在云模式下，公司可以根據需求隨時增添存儲或計算資源。

用戶滿意度：

商業用戶喜歡用云端工具而不是傳統本地部署BI的一個原因就是這樣不僅可以提升分析的利用率，而且還可以提高員工的士氣。

2016年，Aberdeen Group的一份報告發現，使用云分析的公司比使用內部部署BI方案的公司更具優勢。在比較商業用戶滿意度，客戶留存和營收增長方面時，云分析的優勢更為明顯。

來源：Aberdeen Group, 2016

云分析的挑戰

有利必有弊，云分析在應用中也會面臨一些挑戰，下面列出的是其中比較重要的幾個：

安全：

任何公有云計算服務都會有公有云問題，而基于SaaS的分析服務也不例外。很多公司都希望可以進行交易數據和客戶服務數據的分析，所以他們需要足夠的安全措施來保護這些敏感的數據。因此，他們使用的任何云分析服務至上需要提供強大的身份驗證和加密功能。

合規性：

在一些行業中，比如金融服務和醫療，公司必須遵守嚴格的客戶或患者信息資料管理法規。因此，公司必須需要確保他們的云分析可以符合相應的要求。

缺少技能：

數據科學家供不應求，這說明很多公司內部缺少專業知識來選擇和使用云分析解決方案。因此他們可能需要對員工進行培訓或引進外部顧問，以確保其云分析計劃的成功。他們也可能會需要那些專門為商業用戶而不是為數據科學家設計的工具。

數據遷移：

將PB（petabytes,拍字節，2^50）級的數據從內部遷移到云端的過程將會是相當有挑戰性的。 而且由于數據總量一直在增長，遷移的過程不會一蹴而就。因此，公司需要不斷的調整其流程和程序，以確保其云分析服務提供適當的數據。

易用性問題：

哈佛商業評論發現，只有3%的受訪者表示他們現有的分析工具的易用性“非常好。”大部分的受訪者（68%）則表示他們的工具直白、單一或過于單一。由于數據科學家的供不應求，更多的公司開始尋求無需相關數據培訓即可使用的云分析工具。不過，盡管一些人認為現有的工具要優于過去，但易用性卻還是問題。

缺少個性化：

公司可以對傳統本地部署BI工具進行不同的改變，從而滿足他們定制化的需求。但在云端，定制化卻不是那么容易，為盡可能的滿足客戶各種不同的需求，供應商必須提供一個“廣泛的方案”而不是一個“專門的方案。”

供應商綁架：

云分析服務商使用不同的技術來打造他們的分析服務產品，因此更換服務商將變得異常困難。公司必須花費大量的時間進行供應商的挑選，因為在使用了某一特定分析工具后再去進行更換的成本是非常昂貴的。

何時使用云分析？

公司在很多領域中都使用云分析功能。比如，商業用戶可能會分析銷售，營銷，供應鏈或顧客服務的數據來尋找新的機會，他們會通過分析交易數據來發現欺詐。而且，他們通常還會將一些外部數據（比如顧客人口統計，市場規模和競爭力信息）納入云分析中，以提高其營銷和預測能力。

IT部門也會使用云分析。比如，他們可能會使用云端工具來分析他們的網頁流量，從而在日志數據中發現安全事件，或追蹤公司云端設施和應用的性能。

一些服務商銷售定制的云分析工具，這些工具針對一項特定的需求（比如銷售或營銷）而打造。而其他的工具具有更廣泛的功能，適用面也更廣一些。

云分析工具服務商

這些工具的服務商分為兩類： 具有云分析產品的單一分析服務供應商和提供云分析產品在內的多種軟件供應商。

具有云分析產品的單一分析服務供應商：

· Adaptive Insights

· Angoss Managed Services

· Birst

· Domino Cloud Data Science

· Domo

· GoodData

· KNIME Cloud Analytics

· MicroStrategy

· RapidMiner Cloud

· Snowflake

· Tableau Online

· Teradata Intellicloud

· TIBCO Spotfire Cloud

具有云分析產品的軟件供應商：

· FICO Analytic Cloud

· HPE Big Data Software

· IBM Watson Analytics

· Informatica Cloud Analytics

· Microsoft Power BI

· Oracle Analytics Cloud

· Salesforce Analtyics Cloud Einstein

· SAP BusinessObjects Cloud

· SAS Cloud Analytics

· Zendesk BIME