盡管很多企業已經意識到數據的重要性，并加大在數據處理、分析方面的投資，但是大部分企業收效并不理想。IDC數據顯示，44%的企業有足夠的用于市場分析的數據，而僅有29%的企業經營者獲得了有效的業務產出。

導致這些問題的原因是：很多企業將數據集成和業務智能分割為兩個獨立的領域，形成了數據孤島，導致團隊缺少一致性，在使用數據方面出現了問題。這種孤島效應使得IT調用的數據沒有被用在業務上，業務方面也沒有使用到有效的數據。只有把這兩個孤島結合在一起，提供端到端的數據分析管道，才能從被動BI轉變為主動智能BI，才能讓數據真正地為業務服務。在Qlik的定義中，主動智能包括數據集成，數據分析，以及在此基礎上借助Qlik提供的數據素養服務，讓企業從整合的數據中找出有業務價值的信息，從而及時做出正確決策。

用主動智能驅動最佳分析

近日，Qlik大中華區及韓國區售前產品總監張海鵬在媒體溝通會上，展示了Qlik是如何利用主動智能為企業級客戶帶來價值的。

如上圖所示，在主動智能驅動最佳分析實踐中，縱軸是數據層面的及時性、實時性。橫軸是分析、應用就緒的水平。也就是說在縱軸，位置越往上，企業對于數據的獲取和使用就越及時，支持業務、市場的決定就會越精準。在橫軸上，位置越向右，說明分析業務就越偏向業務就緒的狀態，也就意味著業務分析是分布在各個業務部門的，如財務部門、HR部門或者供應鏈部門的倉儲管理員，以及門店經理等等，這就是更加民主化的BI或者自助式狀態的BI。

Qlik大中華區及韓國區售前產品總監 張海鵬

Qlik通過數據服務能力包來釋放數據的獲取性，進而把數據傳遞到分析端，由分析服務能力為用戶提供對數據的解讀，最終的結果可能是顯示在儀表盤，也可能是預警或者是用戶自由使用的自助功能，為后續數據使用提供一些行動。

接下來，張海鵬從增強分析（Augmented Analytics）、預警（Alerting）、Qlik AutoML和應用自動化（Application Automation）四個板塊，詳細介紹了Qlik主動智能的過人之處。

賦能金融和食品行業的數據驅動力

采訪中，張海鵬向51CTO記者分享了金融和食品兩個行業的案例。

首先是金融行業的證券公司--中信建投。中信建投面臨著三大痛點：需要實時了解客戶資產的移動情況，來優化自己的投資策略；面向投資客戶不同渠道的應用，能夠實時地向用戶展示其最新的資產狀況和收益情況；數據來源廣，且交易規模很大。

Qlik利用數據實時捕捉方案Qlik Replicate實現了數據庫之間的自動化同步，幫助用戶從不同的投資交易中進行數據的抓取和整理，如黃金交易、債券、股票、期權等。之后，Qlik將這些交易數據實時地反應到用戶的下游業務端。中信建投的長期目標是要構建自己的數據湖，中間利用KAFKA的流處理平臺進行數據對接。Qlik Replicate可以把數據從各個業務系統中放到KAFKA中，使得KAFKA的對接更加廣泛，這也為中信建投下一步構建大數據平臺的數據歸集做好鋪墊。

通過這些方案，中信建投的終端投資者可以從APP端實時看到自己投資組合的效益情況。并且，這種業務原先是一個小時級別的數據更新，借助Qlik
Replicate，現在已經達到了亞秒級別。同時，Qlik Replicate產品非常易于使用，擴展性和運維非常友好，這就降低了企業IT和數據團隊的工作量。

第二個案例是食品行業客戶--華御結。華御結諸多的門店交易都是通過POS系統來完成，他們希望有分鐘級別的數據收集方案，能夠從100多家連鎖店收集數據，以更好管理和平衡庫存和供應水平。因此，一款體驗比較好，易于使用的工具，使得門店員工可以自己操作的系統是他們急需的。

Qlik利用分析產品，幫助華御結實現了全香港POS數據自動化收集和分析，Qlik的客戶成功團隊還幫助華御結組建了其門店運營團隊。通過Qlik的方案，華御結可以及時了解產品供應、銷售的情況。同時，基于這些數據，構建了需求預測系統，能夠讓供應緊跟需求，極大程度的避免了產品的浪費和短缺。據悉，華御結近50%的員工已經可以將Qlik的分析報告作為日常工作中進行運營和決策的工具。

張海鵬表示，Qlik在中國發展多年，一直對中國市場有著廣泛的投入投資。除了制造領域，Qlik在高科技、汽車、零售領域都有很多大型客戶。此外，生物制藥、快銷等行業也是應用BI非常好的場景，這是Qlik未來將要去賦能的領域。