Tableau是自助分析软件的开山鼻祖，目前相似产品国外有Qlikview、Power BI，国内有帆软BI、永洪BI、SmartBI等。
最新讯息是Tableau157亿美元卖给了Salesforce，算是商业智慧（BI）领域成功的案例。在此之前，商业智慧被大资料抢了风头，一直在不断被边缘化的过程中。在大资料公司遇到危机（参考本人另文"Cloudera股价暴跌、MapR裁员，大资料公司危机说明了什么？"）情况下，算是为商业智慧扳回一局。
Tableau虽然成功了，也确实满足了企业的一些需求，但对于整个BI领域来说，毕竟是在外围绕着走，并没有解决BI的核心问题。
Tableau的成功是建立在其它BI产品失败上的，这些产品是所谓的重型BI，如SAP BO、IBM Cognos、Oracle BIEE。那么，Tableau和它们到底有什么区别呢？
一个IT专案，相关的双方为使用者和开发人员。开发人员可以是来自外部的第三方服务商，也可以是企业内部的IT部门。使用者是企业业务部门人员。开发过程中，使用者提出需求，开发人员根据这些需求进行开发。如果使用者的需求不全面或不够准确，或者开发人员没有理解使用者提出的需求，那么开发的成果就不会被使用者接受。
重型BI产品是面向开发人员的。因此，使用者的需求非常重要。
BI开发的产品称为决策支援系统，简称DSS，而一般专案称为事务处理，两者也可以用OLAP和OLTP来区分。
目前大多数专案都是OLTP专案，因此开发人员需要先了解全部需求，再做开发。可以通过多次沟通，明确需求，最后即使有误差，占的比值也不大。
但是，DSS专案使用者却无法提出完整的需求。因此，根据开发前所收集需求完成的专案，验收时却发现有新的需求无法满足。而且新需求还源源不断涌现，即使后续追加开发也无法穷尽，导致专案失败。DSS专案的失败与专案的性质有关，而与开发者的水平和经验无关。
既然使用者无法一次性提出完整需求，那么提供一个工具，让使用者在有需求时自己开发，是一个很巧妙的解决方案，当然前提是工具使用非常直观方便。Tableau就是这样一个讨巧的产品。
解决了一个问题，必然留下更多问题。比如说，使用者的开发工作可能重复，开发成果无法在企业级共享；资料量一大，速度很慢，等等。
因此，企业级的自助分析系统还是有需求的，前提是不基于使用者需求，却能够满足使用者需求。这需要用一个模型来推导使用者需求，找到使用者需求的边界。有了边界后，对使用者的新需求不再是无条件的满足，而是能够告诉客户，除了已经实现的功能，你的这个新需求无法满足，并给出一个能被使用者接受的理由：或者是缺乏资料，或者是逻辑有问题。
速度等问题的解决需要建立资料中台，资料中台包括建立资料集市和立方体。有了资料中台，Tableau的使用者们不再需要直接访问业务系统的数据库，而是通过API界面访问资料，或直接访问立方体。这样，不但能加快资料访问速度，而且不会影响业务系统的执行效率。我们知道，资料分析常常需要访问的是大量资料，对数据库服务器资源的消耗很多，会对数据库效能产生潮汐式冲击。采用独立的资料仓库服务器，可以有效的解决这些问题。
总结一下：传统重型BI面向开发人员，无法满足使用者潜在需求，企业内部二次开发功能太过复杂；现代轻型BI面向业务人员，不能满足企业级自助分析需求，无法分享成果和处理大资料；未来BI面向专业开发公司，通过模型推导满足使用者绝大部分需求，使用者基本无需二次开发。
本文为范煜原创文章。
