sap市场份额「SAP行业」

今天带来sap市场份额「SAP行业」，关于sap市场份额「SAP行业」很多人还不知道，现在让我们一起来看看吧！

日前，IDC发布了2018年全年中国大数据BI行业市场分析报告。报告按照服务商的不同类别，分别划分成“终端用户查询、报表和分析”、“高级预测分析软件”、“人工智能软件平台”和“内容分析与搜索软件”四个大类。其中“终端用户查询、报表和分析”、“高级预测分析软件”便是商业智能BI的领域定义，在该领域中，一家名为“帆软”的中国公司持续领先。

为了便于阅读，我们这里只列出了市场份额的前五名，更多低于7%市场份额的公司被归入了Others的范畴（下同）。从这张表中我们可以看到，在过去的2018年中，帆软公司一骑绝尘，以14.88%的份额成为市场第一名；紧随其后的SAP公司市场份额为10.28%。如果你觉得仅以不到20%的市场份额就能成为行业冠军有些疑惑的话，那么我们不妨来看看下一组图。

同样是来自IDC的数据（《2017年中国BI市场跟踪报告》）。从2017年开始，帆软、SAP、IBM与微软的“多强并立”格局就确定并持续下来，只是在占比份额上，帆软当时还远没有现在强大，与第二名SAP的差距只在伯仲之间。换句话说，在过去的这一年中，帆软的增长势头更为迅猛，超过了第二名的SAP。

如果看2018年实际销售额的话，我们就会发现帆软相比之下较SAP等其他品牌都有更明显的优势。我们不禁要问，为什么一家小公司能够有如此强大的生命力？为什么看似火爆的数据分析市场，并不是SAP、IBM抑或微软这些超一流的国际企业称雄，而是帆软这家国产一枝独秀呢？

数字化趋势不可阻挡

近年来，随着技术的提升，大家对于数据的重要性也有了更深刻的认识。同样来自权威机构的统计数据显示，到2020年全球的商业智能市场容量预计将达到228亿美元。同时，大数据、人工智能、机器学习、深度学习等技术的快速发展，也促进了商业智能和数据分析产品的新一轮进化。

如今，AI这个名字已经深入人心，Artificial Intelligence所代表的人工智能似乎也成为了整个IT行业发展的方向。但其实，同样以Intelligence来定义的BI（Business Intelligence）更能够代表企业发展的数字化情况，也更能够帮助客户实现企业精细化运营。

如果说AI的三要素是计算、算法和数据的话，那么BI更多则是依据于数据特别是大数据来实现的。而且相比于人工智能，BI更适合将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策，解决的是管理运营战略的问题。

大数据的出现彻底改变了BI市场的传统。如果说在此之前，传统BI的技术标签还只限于etl、数据仓库、OLAP、可视化报表之类的话，那么如今在大数据时代，更多包括Hadoop、MPP、HDFS、MapReduce、流处理等标签成为行业主流，而传统的BI功能也大多能够被大数据取代。对于蛋白粉用户来说，BI架设在大数据应用层，抽取etl后或者hive来的数据又可作通用类的业务分析。既满足了海量实时数据分析，也满足了决策型的业务分析。

IDC公布的数据也恰恰证明了这一点。从帆软、SAP、IBM等企业近年来的发展来看，BI市场正在逐渐定型，也呈现出“强者越强”的态势。而就日常的应用来说，具备广阔易用性和普适性的BI软件正在成为行业发展的主流，而受益于整个行业软件定义的“春风”，BI软件也越来越强调自主化的特性。轻界面，使得很多业务人员也能自主的进行一些可用数据分析。

小公司帆软“挑大梁”，凭什么？

虽然整个行业都在洗牌，也有许多新机遇的萌芽，但这始终是弱肉强食的时代，面对大公司的竞争，帆软这样的国产软件公司凭什么会跻身行业第一？是技术出色？还是人才优秀？是伙伴覆盖广泛亦或是更了解中国市场？在我看来，这些因素都有，并且相互作用，共同促进。

首先说技术。帆软有一款名为FineBI的软件，可以帮助企业快速搭建面向全员的大数据分析平台，让每一个成员都能充分了解并利用他们的数据，辅助决策、提升业务。从系统层面，FineBI支持Spark、ApacheKylin、Impala/hive、hive、星环等大数据平台，MongoDB等NO SQL数据库平台和Teradata、SAP Hana、Greenplum、SAPSybase等多维分析数据库平台。

FineBI之所以能够保障业务人员和数据分析师能够在前端快速地进行自助分析，核心是因为底层有Spider高性能分布式计算引擎支撑，引擎模式上主要分为本地模式、分布式模式和实时模式。 首先是本地模式，它可以通过先进的列示存储技术来对传统的数据库进行极大幅的提速。比如一些中小企业用得比较多的是一些关系型数据库，数据查询效率比较慢，比如要10s或者更长，通过FineBI的FineIndex模型，能够大幅提高前端数据分析的计算效率，可能就只要一两秒，就把数据计算出来了，实现亿级数据、秒级响应的加速处理。

除了单节点的本地模式之外，Spider引擎还支持多节点的集群计算，企业可根据数据量级与灾备需求，选择不同模式部署，更可弹性扩展节点。分布式模式下，任意节点宕机，只要还有一个节点在，服务都可正常运行。通过完善的调度机制，均衡各工作节点的服务器压力。

另外一个是实时模式，它的应用场景主要有两个。第一个是数据是实时性分析的需求。比如金融行业的交易数据，股票，我要看三分钟或者五分钟的数据交易情况，那么这个时候如果用本地抽取模式来进行数据二次索引建模，就会对数据造成一个延时性，不可能等交易已经结束了再看数据的完成情况，这时看到的数据已经失去了最新的价值。此时使用实时模式，就能解决这个数据分析实时性的问题。

除了技术之外，帆软还在积极打造行业的生态系统。其实对于这种规模的企业来说，打造生态系统并不容易，需要长期的、在多个领域的持续投入，这种投入包括资金、人力、时间等等因素，而且产生的价值很难实现具体的量化。简单说来，小公司搭建自主生态系统是一件“费力不讨好”的事情。

帆软的“朋友圈”：专注于产品和用户

不过与许多企业不同于打造立足于产业上下游的生态链不同，帆软的生态圈更专注于产品和用户，按照帆软CEO的说法是，“为客户创造价值，为所有同学创造机会，为帆软同学创造利润”。为此，帆软选择开放产品需求、设计、研发以及服务支持的各个节点，积极引导用户通过社区、社群等渠道参与进来，通过参与感的营造，打造基于产品、社区与用户的共赢生态圈。

如今，帆软的BI解决方案目前已经在银行、通信、医药健康、能源化工、零售电商、地产、证金期货、电子电气、时尚、交通、教育、电力、旅游、保险、建筑、医院等众多行业和组织得到成功开展。《财富》中国企业100强中，有62家选择使用帆软；《福布斯》中国最具潜力100家上市企业，52家与帆软合作；中国244家一级系统集成商，142家牵手了帆软……

在这些成就的背后，是帆软不断的进取和努力，是在产品技术层面的深度打磨、生态系统架构的开放优化，服务应用体验的不断完善。正如帆软一直所崇尚的企业愿景那样，“让数据成为生产力”已经成为整个BI行业逐渐认可的事实准则。