随着大数据和云计算的流行，云分析也开始在市场中展露了头角。2017年二月，Garnter在其商业智能分析平台魔力象限图 报告中指出，大部分的受访者（51%）已经或正在计划部署BI分析。
Garnter的分析师说到：“我们预计这种趋势将会继续，2020年绝大多数（超过一半）的本地许可证模式将迁移至云端。”据Garneter预测，到2020年，BI分析市场每年将增长7.9%。
而哈佛商业评论则认为人们对于云分析的兴致似乎更高：到2017年底，预计将有69%的受访者使用云分析。
来源：Harvard Business Review Analytic Services Survey, 2015
接下来，本文将介绍云分析的定义、优势、存在的问题、热门的应用案例，列出一些云分析工具。
云分析是什么？
当人们谈起“云分析”的概念时，总是会说云分析是基于软件即分析（SaaS）的数据分析软件。根据Gartnet的解释，“分析其实已经是一个包罗万象的概念，包括商业智能（BI）及其相关应用方案皆可以涉及到分析，而“分析”也被人们越来越多的用来描述和统计数学数据、集群、细分、分数和预测可能发生的事件。”其他相似的术语还有基于云BI、SaaS BI和SaaS分析。
不过，有时人们会使用“云分析”一词来指那些与云计算相关的数据分析。通常是那些用来监控云端设备和应用绩效的云管理方案。
本文将会主要关注与云分析的第一个定义（通过云端进行的大数据分析）而不是第二个（云相关数据分析）。
云分析的优势
云分析的优势既包括云计算又包括大数据分析。下面是一些主要云分析优势：
提升决策：
哈佛商业评论发现82%的受访者指出他们的BI分析工具提升了他们的决策质量。公司可以从他们的数据中获得宝贵的见解，使他们能够获得新客户，增加收入和利润，并可以更快的将产品推向市场。
改进计划与预测：
云分析可以让商业用户，尤其是财务部门的用户将多种来源的数据纳入其数据模型。 因此，他们可以进行更为细致的分析，从而获得更为精准的预测。 反过来，这又会允许企业领导者更加准确的达到投资者预期，提升其信息，从而有利于公司股价的稳定与上涨。
单一数据来源：
很多公司的商业数据来自于许多不同的数据中心和数据仓库。而云分析公司可以让公司更加容易验证和整合这些数据，为公司带来“单一的真实来源。”
更快的速度和效率：
传统的本地部署的BI分析工具生成一份报告可能会耗费数小时，数天甚至于数周。而由于很多云分析工具依靠于现代话的软硬件，其分析服务能够大大降低报告生成时间；某些情况下，生成一份报告只需几秒而已。所以，商业用户可以得到更多的报告，分析更多的变量，使得分析工作事半功倍。
灵活性/敏捷：
云分析提高的高速也为公司带来更大的灵活性。通过云分析，他们能够更快地看到并及时相应市场的不断变化，从而提升竞争优势。
降低成本：
很多依靠传统专利技术的 BI工具可能会非常昂贵。但云分析却通常更具有成本效益。而且，云分析服务不需要公司购买，操作和维护分析工作所需要的硬件，这会进一步的降低成本。
可扩展性：
如今，人们面对的是数据指数级的增长。为了存储和分析不断增长的数据并持续扩大和升级他们的基础设施，公司需要不停以高成本来购买硬件。 不过，在云模式下，公司可以根据需求随时增添存储或计算资源。
用户满意度：
商业用户喜欢用云端工具而不是传统本地部署BI的一个原因就是这样不仅可以提升分析的利用率，而且还可以提高员工的士气。
2016年，Aberdeen Group的一份报告发现，使用云分析的公司比使用内部部署BI方案的公司更具优势。在比较商业用户满意度，客户留存和营收增长方面时，云分析的优势更为明显。
来源：Aberdeen Group, 2016
云分析的挑战
有利必有弊，云分析在应用中也会面临一些挑战，下面列出的是其中比较重要的几个：
安全：
任何公有云计算服务都会有公有云问题，而基于SaaS的分析服务也不例外。很多公司都希望可以进行交易数据和客户服务数据的分析，所以他们需要足够的安全措施来保护这些敏感的数据。因此，他们使用的任何云分析服务至上需要提供强大的身份验证和加密功能。
合规性：
在一些行业中，比如金融服务和医疗，公司必须遵守严格的客户或患者信息资料管理法规。因此，公司必须需要确保他们的云分析可以符合相应的要求。
缺少技能：
数据科学家供不应求，这说明很多公司内部缺少专业知识来选择和使用云分析解决方案。因此他们可能需要对员工进行培训或引进外部顾问，以确保其云分析计划的成功。他们也可能会需要那些专门为商业用户而不是为数据科学家设计的工具。
数据迁移：
将PB（petabytes,拍字节，2^50）级的数据从内部迁移到云端的过程将会是相当有挑战性的。 而且由于数据总量一直在增长，迁移的过程不会一蹴而就。因此，公司需要不断的调整其流程和程序，以确保其云分析服务提供适当的数据。
易用性问题：
哈佛商业评论发现，只有3%的受访者表示他们现有的分析工具的易用性“非常好。”大部分的受访者（68%）则表示他们的工具直白、单一或过于单一。由于数据科学家的供不应求，更多的公司开始寻求无需相关数据培训即可使用的云分析工具。不过，尽管一些人认为现有的工具要优于过去，但易用性却还是问题。
缺少个性化：
公司可以对传统本地部署BI工具进行不同的改变，从而满足他们定制化的需求。但在云端，定制化却不是那么容易，为尽可能的满足客户各种不同的需求，供应商必须提供一个“广泛的方案”而不是一个“专门的方案。”
供应商绑架：
云分析服务商使用不同的技术来打造他们的分析服务产品，因此更换服务商将变得异常困难。公司必须花费大量的时间进行供应商的挑选，因为在使用了某一特定分析工具后再去进行更换的成本是非常昂贵的。
何时使用云分析？
公司在很多领域中都使用云分析功能。比如，商业用户可能会分析销售，营销，供应链或顾客服务的数据来寻找新的机会，他们会通过分析交易数据来发现欺诈。而且，他们通常还会将一些外部数据（比如顾客人口统计，市场规模和竞争力信息）纳入云分析中，以提高其营销和预测能力。
IT部门也会使用云分析。比如，他们可能会使用云端工具来分析他们的网页流量，从而在日志数据中发现安全事件，或追踪公司云端设施和应用的性能。
一些服务商销售定制的云分析工具，这些工具针对一项特定的需求（比如销售或营销）而打造。而其他的工具具有更广泛的功能，适用面也更广一些。
云分析工具服务商
这些工具的服务商分为两类： 具有云分析产品的单一分析服务供应商和提供云分析产品在内的多种软件供应商。
具有云分析产品的单一分析服务供应商：
· Adaptive Insights
· Angoss Managed Services
· Birst
· Domino Cloud Data Science
· Domo
· GoodData
· KNIME Cloud Analytics
· MicroStrategy
· RapidMiner Cloud
· Snowflake
· Tableau Online
· Teradata Intellicloud
· TIBCO Spotfire Cloud
具有云分析产品的软件供应商：
· FICO Analytic Cloud
· HPE Big Data Software
· IBM Watson Analytics
· Informatica Cloud Analytics
· Microsoft Power BI
· Oracle Analytics Cloud
· Salesforce Analtyics Cloud Einstein
· SAP BusinessObjects Cloud
· SAS Cloud Analytics
· Zendesk BIME
