FineBI(HCS版)

企业为什么需要FineBI？
来自企业产品，运营，供应链，市场营销各侧的数据呈现爆发式增长，公司人开始言必称大数据。越来越多的企业开始意识到利用数据资产的重要性，强调运用数据进行科学化运营，传统的粗放式经营已经成为过去式。然而想要实现利用大数据分析来驱动业务增长的理想蓝图，却面临众多挑战。

一、大数据分析驱动业务增长的现实困境
（一）业务发展的瓶颈：
业务部门对于数据分析具有极大的需求，但却苦于没有数据以及工具的有效支持，依赖于IT的报表制作，报表需求得不到及时响应。
    固定报表缺乏灵活性，这就会导致业务部门缺乏对业务现状的精确把握，对业务背后逻辑的洞察，以及对业务未来的可见与预测，这样的决策还流于拍脑袋。
（二）IT信息中心的瓶颈：
    IT集权下的疲于应对：IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。信息中心自身成员熬夜加班多，却成就感低。
    放权下的数据管理混乱：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现。
（三）大数据应用的瓶颈：
    对于企业大数据的应用，大部分企业普遍存在这样的心态：不利用时觉得心慌，现在大数据如火如荼，感觉落后一步就要跌入深渊。想要上马利用时却又觉得迷茫：如何真正从企业治理的全局出发，基于行业需求，整体架构以及应用角色和场景，让数据发挥出最大价值？
    现实的情况是大数据倒逼企业不断地去升级硬件，扩展底层架构，但存储的数据越来越多，如何真正让数据发挥价值，很多企业都倒在大数据应用的最后一公里。也就是说让数据能够结合企业运营的核心指标，以可视化的方式展现出来。通过响应型分析——诊断型分析——战略型分析——预测型分析，让数据真正对企业的运营决策起到辅助和参考的作用。这就要考虑数据应用和展现层，怎么借助有效工具让数据发挥作用，指引业务。走好这大数据应用的最后一公里。
    小结：以上三个瓶颈是一串连锁反应，问题的根源是缺乏有效的工具支撑。工欲善其事，必先利其器。实现数据驱动业务增长的理想蓝图，企业需要强有力的BI工具支撑。

二、 自助探索式BI工具已成趋势
著名咨询公司Gartner在2017和2018年的《商业智能和分析平台魔力象限》报告中已经清晰地描绘了这一现象：越来越多的企业采购开始偏好现代的、以业务用户为中心的自服务数据分析平台。传统的以IT为主导的，高度集中化的工具正面临替换。市场已经从“IT主导的报表模式”往“业务主导的自服务分析模式”转折。
    自助式数据分析让人和数据的潜能都得到释放，无须建模，让数据分析更易得。
    作为新一代自助大数据分析的商业智能工具，FineBI是由帆软软件有限公司自主研发，旨在帮助企业的业务部门充分了解和利用他们的数据，再也无需苦苦等待信息中心的报告。
    从本质上讲，FineBI为企业提供了一站式商业智能解决方案，提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案，创造性地将各种“重科技”轻量化，使用户可以更加直观简便地获取信息、探索知识、共享知识。
    FineBI对业务人员自主探索数据的需求有着深刻的理解，所以FineBI又是一款将“业务人员做数据分析”诠释到极致的商业智能工具。他简捷易用，像iPhone那样甚至无需培训就可以上手，拖拖拽拽就可以设计出自己需要的业务分析报表。

三、 FineBI的核心优势
科学技术是第一生产力，FineBI作为新一代自助大数据分析的BI工具，就是因为他有领先的技术和完整的策略做支撑

（一） 完善的数据管理策略
    企业在发展过程中，伴随着自身信息化程度的不断提高，为了解决特定信息化问题与需求，企业系统中的信息系统数量也越来越多，ERP，CRM，OA甚至专业的财务软件等。这些系统，从整个企业的大粒度来看，业务流程有相对的联系，但是在细粒度上，数据相互独立，内在逻辑互不联系，信息孤岛问题十分严重。
    企业经常需要对这些独立系统进行统一的数据分析，从而进行正确的决策。系统数量较少和数据量级较低的时候这个问题尚不突出，但随着系统数据来源的增多，每次整合调用数据就会耗费大量的时间精力，这个时候在企业系统中部署BI工具就成了一件必要的事情。
    帆软商业智能FineBI有着完善的数据管理策略：
支持丰富的数据源连接，帮助企业进行多样数据整合；
支持数据业务包功能，基于业务需求做好数据分类管理；
支持智能的表间字段关联，多种关联方式搭配使用；
支持表与字段名称智能转义，增强数据可读可用性；
FineBI自带数据处理工具，支持对数据进行转换处理，如构建自循环列等。
    从数据采集，到数据处理，再到数据的存储和管理，FineBI完善的数据管理策略为前端的业务自由探索数据分析提供了强大的数据支持。

  （二） 对大数据的良好支撑
    无性能，不数据。无论是大数据还是小数据，都必须有高性能做支撑。FineBI在产品的稳定性，以及并发数、超大数据量处理上，都有着绝佳的表现，这都归功于FineBI所采纳的性能处理方案。
    FineBI的Spider计算引擎支持实时数据和抽取数据两种模式，让FineBI既可以预先抽取数据使用分布式引擎进行离线计算，来支撑快速灵活的前端分析；也可以通过数据库实时引擎，进行实时大数据分析。
    Spider引擎分布式方式，结合HADOOP大数据处理思路，以最轻量级的架构实现大数据量高性能分析。此分布式方案集成了ALLUXIO 、SPARK、 HDFS、ZOOKEEPER等大数据组件，结合自研高性能算法，列式存储、并行内存计算、计算本地化加上高性能算法，解决大数据量分析问题与在FineBI中快速展示的问题。同时从架构上保证了计算引擎系统全年可正常使用。
    这一切都稳定地支撑着FineBI面向企业大数据的时候的高效与可靠。

（三） 自助数据准备
    实际在企业的数据分析应用中，分析人员对于数据处理的需求灵活多变，并且经常需要对不同的业务数据根据相同的维度或者属性进行关联分析，IT部门对数据提供的基本处理和基本的关联关系并不能完全覆盖分析人员的需求。比如分析人员需要根据公司产品销售明细数据分析购买用户的特征，并调整相应的销售策略，这个时候分析人员需要基于销售清单数据，计算一些相应的分析指标，如每个用户的消费频次，单笔消费最大金额，最近一次消费时间间隔。就需要用到自助数据集来解决其问题。 如果分析用户还获取到了一些行业竞争数据，还需要根据同类型的产品，做关联分析和横向对比分析，这些任务对于接触实际业务较少的IT部门来说，都是很难在基础的数据处理中帮分析用户做到的，而且业务的调整变化和分析角度的变化也很难做到信息和IT及时同步，这些问题都是企业在推行数据化管理过程中碰到的亟待解决的问题。
    FineBI重点打造的自助数据集，提供了新增列，分组统计，过滤，排序，上下合并，左右合并等功能，让用户以极低的学习成本将数据处理成自己需要的结果。让IT更专注于基础数据的准备，将真正对数据的分析处理交还于更熟悉业务的分析人员。

（四） 可视化探索式分析
    FineBI的可视化探索分析，是面向分析用户，让他们能够以最直观快速的方式，了解自己的数据，发现数据问题的模块。用户只需要进行简单的拖拽操作，选择自己需要分析的字段，几秒内就可以看到自己的数据，通过层级的收起和展开，下钻上卷，可以迅速的了解数据的汇总情况。

（五）完善的多屏应用方案
    支持PC端、移动端以及大屏，是商业智能工具的必备功能，尤其是在移动互联网时代的今天，对移动BI的价值和倚重已不言而喻。

商品规格说明

基础版：基础模块-Basic Module；BI-设计用户2个；BI-查看用户8个；
展现版：基础模块-Basic Module；高级图表-Chart；BI-设计用户4个；BI-查看用户16个；
门户版：基础模块-Basic Module；门户-Portal；BI-设计用户4个；BI-查看用户16个；
移动门户版：基础模块-Basic Module；门户-Portal；移动端-Mobile；BI-设计用户4个；BI-查看用户16个；
移动展现版：基础模块-Basic Module；高级图表-Chart；移动端-Mobile；BI-设计用户16个；BI-查看用户64个；
高级版：基础模块-Basic Module；门户-Portal；高级图表-Chart；移动端-Mobile；BI-设计用户20个；BI-查看用户80个；
高级集群版：基础模块-Basic Module；门户-Portal；高级图表-Chart；移动端-Mobile；BI-设计用户20个；BI-查看用户80个；2套产品组成集群部署；（实际：BI-设计用户40个；BI-查看用户160个）
大客户版：基础模块-Basic Module；门户-Portal；高级图表-Chart；移动端-Mobile；BI-设计用户40个；BI-查看用户400个；
大客户集群版：基础模块-Basic Module；门户-Portal；高级图表-Chart；移动端-Mobile；BI-设计用户40个；BI-查看用户400个；2套产品组成集群部署；（实际：BI-设计用户80个；BI-查看用户800个）
集团版基础模块-Basic Module；门户-Portal；高级图表-Chart；移动端-Mobile；BI-设计用户120个；BI-查看用户480个；