保持商业模式的清洁
购买代码,人员,支持
远离复杂的合伙企业协议
1+1=1,文化、理念不合,随后员工外流(Hyperion离职员工使用微软SSAS开发新的产品-被SAP收购成为SAP BPC)
十多年后,Hyperion最终被甲骨文收购,现在它成为需要被现代化的4个BI工具栈之一
Hyperion业务规则管理器,最早的无代码之一
到20世纪90年代,还是由中央企业IT团队主导和推动的,而不是由业务部门主导和推动的
时机是否合适,市场是否为您的创业或孵化做好了准备
微软从全景公司获得了程序代码和5名工程师,与SQL Server捆绑发布SSAS
Amir Netz-20年后再次创业开发Power BI,每年的收入超过10亿美元
在正确的时间完成的小型收购,以敏捷、专注和独立性执行,并与更成熟的产品捆绑在一起,可能是完全正确的举措
商业智能行业的发展方向是互动性的分析体验-由于缺少高层支持失败
缺乏一个有远见的赞助商负责完成此次收购是毁灭性的
随着 Microsoft 以低成本成功实现商业智能技术的民主化,以及 Tableau 和 Qlik等新的敏捷和更灵活的视觉分析角色(提供面向最终用户的视觉分析体验)的加入,引发了第一波BI整合浪潮
Oracle-Hyperion, SAP-Business Object,IBM-Cognos(TM1)
甲骨文成功将Hyperion用于其财务报告软件
学习:当一个行业整合,并在最高领导者被撤出市场后,
如果你是在收购方面,你被留给市场最后的选择,除非巧合的是,技术堆栈和文化配合都是很好的匹配,否则从长远来看,这些选择可能被证明是代价高昂的负债。
如果你在收购的一面,如果你太挑剔,你可能找不到一个收购者留给你
Tableau ,Qlik都使用微软开发堆栈构建
如果你是像微软这样的大型、有财务保障的公司,如果你不能买下这些规模较小的颠覆性供应商,那么为什么不自己建造它,并与他们竞争呢?有多难?事实证明,这是相当困难和昂贵的了
微软执行副总裁(EVP):Qlik有多少工程师?我们:"100"。
EVP:"所以如果我给你100个员工(HC),你可以在一年左右内击败他们,对不对?
内部孵化团队,从零开始开发新的列式数据库引擎,针对业务用户,而不是IT部门
PowerPivot在技术上是成功的,商业上绑定Office失败,才有之后独立Power BI产品
Amir Netz-Microsoft Technical Fellow, 放弃多维模型CUBE,开发新的内存列式数据库引擎
PowerPivot已经成功,但它没有面向用户的可视化
Qlik和Tableau 继续增长,并在市场上取得成功,并有可能超越它
学习:做出艰难的决定。停止投资摇钱树产品,并在行业竞争到来之前构建下一代产品。做出这样的决定需要勇气和勇气,但它也可以产生巨大的结果
开发团队从90名工程师发展到略高于1000,上市是Tableau需要的是美国以外的知名度、可信度
并将一家超级健康、有趣、私人的公司转变为一家公开的公司
一个博士生在斯坦福大学校园里开发的小型视觉分析桌面应用程序原型,成长成被157亿美元收购
学习:持续增长只能通过与领导者在云应用领域的关联发生
到目前为止,大多数大型BI公司已被大公司吸收或私人持有(Qlik)。市场上很少有规模较小的公司。
微软拥有Power BI平台,亚马逊正在继续开发他们的QuickSight,
Salesforce已经吸收了市场领导者Tableau,甲骨文仍在努力理顺他们在过去10年中收购或构建的各种BI技术堆栈。谷歌在哪里?
Looker是相当于Business Object Universe略为现代的版本,其方法非常侧重于IT集中模型。它不是自助数据分析产品。
--微软放弃SSAS多维模型后,主要研发人员加入谷歌开发BigQuery BI Engine
学习:由IT团队提前构建的语义模型的旧世界早已不复存在
ThoughtSpot,其基于搜索的自然语言方法,以Ad-hoc,更适合谷歌搜索和它的BigQuery分析数据库
收购团队是否做了足够的研究,以真正了解该空间以及他们购买的产品以及原因?还是他们感受到了市场快速波动的压力,急于购买任何可以购买的东西?
亚马逊正在建立自己的无代码应用程序开发平台Honeycode
微软的PowerApps低代码码产品是成功的
谷歌一直希望进入这个领域,但目前还无法建立一个团队,甚至一个孵化项目
其中许多收购促成了BI行业连续两波整合。最近的一次是"Looker",Tableau正在他们更大的母公司中消融,这与十年前Hyperion、BO或Cognos的情况没有什么不同。
对于我们这些制造、传福音或使用这些工具的人来说,这有点悲哀,但与此同时,对于下一代来说,这是一个诞生和创新者发明更伟大、更有用的东西的大好机会。
今天,有一系列新的初创公司试图找出这个BI+ML的事情,机器学习不是秘密,这只是新一代可以利用的另一组工具来构建更智能、更有效的产品和解决方案
真正的秘诀是使用户的分析体验足够好.最后建议是专注于产品使命和人.
手机扫一扫
移动阅读更方便
你可能感兴趣的文章