本文主要从发展趋势的角度，作为评价维度，来比较几款竞品的差异，同时对于新趋势驱动下的产品运营提出一些个人浅显的思路和看法。
数据产品市场同质化严重，例如可视化领域，多个公司产品功能和界面设计都大致类似。所以传统的对于功能架构和UI的竞品分析意义不大，作为快速增长的市场，web端产品的用户体验很容易模仿，而整体研发和运营战略则决定了核心竞争力。
所以从发展趋势的角度，作为评价维度，来比较几款竞品的差异，同时对于新趋势驱动下的产品运营提出一些个人浅显的思路和看法。
主要趋势是综合了多家头部产品发布的趋势报告（qlik、tableau、fine）以及艾瑞咨询和garnter发布的行研报告总结得出。
（1）协同分析走向主流
随着数据的重要性的显现，不同于传统BI的仅提供给决策层，现在数据运营趋势体现在企业生产运营的各个环节。所以未来趋势是所有的岗位都需要了解一些数据，协同分析成为主流。这时候的需求不再只是数据的可视化，还注重于数据的挖掘和收集。
（2）数据来源变得广泛，快速迭代的数据成为新的需求
随着数据挖掘和AI技术成熟，数据来源广泛，BI人员可以接触到各类数据。
据karlin venture预测：2020年，每个人每秒会产生1.7MB数据，所以能快速处理及时更新的庞大的数据的系统成为全新的需求，而不局限于数据的分析。
（3）个人数据分析服务需求增大
Qlik发布的调研结果显示到2020年，80%的人员会有学习数据分析的需求，65%的受访者愿意学习数据分析系统，linkin的年度最热十项工作技能，数据分析为其中之一。数据分析本身的需求增加，人们的学习需求上涨，数据分析教学和系统服务增势强劲。
（4）交互模式的创新，沉浸式数据分析的成为可能
随着自然语言处理以及数据挖掘等技术出现。未来商业智能软件交互将发生变化，以语音处理为代表的方式将极大增强数据处理效率和人员使用体验。大屏数据，AR技术，会进一步加强沉浸式的数据分析体验。
（5）数据分析不再针对过去的数据收集和分析，而是利用深度学习等算法模型对未来做预测
对于企业决策而言，除了对过去的问题复盘，对流程监控，更多的期望在于对未来决策的需求，聚类算法，模糊算法等多个模型的出现意味着未来的BI产品一定是高度集成的。
（6）数据分析系统在未来会更加趋于简单，可用，服务也会在未来面临更高的要求。
产品设计的二十一原则中，可用易用是判断产品好坏的重要标准之一，对于企业而言，是否易上手，直接代表了人员成本和时间成本，也是企业决策是否使用系统的重要一环。所以未来的BI产品会更加的傻瓜，售后服务也会更加趋于完善。
对比Gartner发布的2017年和2018年的Magic Quadrant，头部被Qlik, Tableau, PowerBI牢牢占据。变化的是Qlik在过去的一年，因为对于人工智能领域的投入，包括自然语言处理的加持，进一步追赶微软。象限中参与者有所减少，强者地位不变，显示出商业智能行业可能有马太效应的趋势。
Ganter发布的报告中包含了详细的BI行业的产品趋势变化和优劣势对比，着眼点在于市场和产品发展趋势。结合报告中主要产品的优势特点对他们的运营策略进行分析。
Tableau作为BI市场top2的公司，在报告中一个非常重要的特点是个人用户数超过企业用户。对于国内市场，帆软能够牢牢抓住第一有比较大程度还是得益于对于中国式报表和国内市场的熟悉。而tableau带来的启示是对于个人用户的重视，也是BI软件发展的下一趋势。
个人用户与企业差别在于需求层次性稍小且使用频率与时长不同。个人用户会为了自己喜欢的或需要的单一功能而付费，并且个人的使用习惯也会进一步带到工作中。
换而言之，先渗透个人用户，是在为渗透企业级市场做准备。那么Tableu在个人用户的运营策略上有哪些出色的点，是下面主要来分析的。
个人用户：
对于个人用户，结合用户行为理论的creat模型，进行每个阶段的梳理。
（1）冷启动阶段
大量的用户和产生的内容没有流量的覆盖，很难启动，对此应对的方法可以参考短视频的做法，给予普通用户作品以曝光的机会，普通用户做出的图，对于其他普通用户也更有吸引力。
对于冷启动的个人用户，考虑的不仅是个人的需求，还有产品本身运营的需求。通常线上的冷启动通常会邀请kol来做，但是对于想要宣传低门槛的概念并不适用，kol会不自觉的给普通用户距离感，只有普通用户的试用成功案例才能撬动其他普通用户。
但是普通用户势必不能太普通，对此可以设立运营指标，通过社交数据筛选出对象，并且对于后期的辐射面积进行追踪。
对于启动后阶段的运营指标，集中于渠道的pv等指标意义不大，工具类产品重要的是首次使用，所以关注更多不同渠道的激活的数据较为关键。
（2）Reaction阶段
主要是对于用户反馈的处理，小米的参与感营销被立为口碑营销的标杆。其中提到现代社会已经过了品牌消费阶段而是体验消费和参与式消费的时代，在参加腾讯的反馈平台分析时候发现的反馈最后重要的在于及时的响应和问题的反馈流程的门槛降低，例如：入口更浅、反馈流程更快速。
对于用户运营的理解还在于高科技含量的产品在启动时，人们都因需求而来，在手头的需求被解决以后，用户对于产品的想象力的是有限的，他们并不知道下一步会发生什么，如何发生。
所以BI类产品还有一个重要的运营策略在于要在内部大力发展科技创新赋能的同时，给用户正确的引导，使用户能够理解的语言去解释产品下一步动向，留下足够的想象空间，增强用户粘性。
在这一点上PowerBI的做法是，在首页study模块中的roadmap中详细列举了即将投入使用的功能规划，值得注意的是，除了详细介绍的引导，微软充分考虑到用户属性，通常在关心这块的用户而言，都不是初级用户。
而对产品或行业有一定认知和理解，且比较关心，无疑这部分用户是获取反馈的重要对象，所以同时留下了用户反馈（创意分享）的入口。
同时用户反馈模块的设计充分采用为普通用户曝光的做法，以投票的形式代替筛选，较为明智。同小米的“我也需要”功能设计相似。
（3）个人用户最终评估是否使用时，决策中最关键的因素是成本与使用门槛
Gartner中提到，PowerBI的个人版定价策略，使之成为市场上价格最低的方案之一，通过对用户的调研，优化了最高四个用户最在意的购买标准，酷炫的图表和5秒注册流程为微软赢得极大用户。
相比较而言，tableau的个人版定价较高，但是却配备完整和活跃的讨论社区，这也是极大留住用户的主要策略，对于初学者而言，成熟的社区无疑降低了学习成本，而微软对此的做法则是增强售后的服务。
从此看来，个人版的交流是用户体验的重要组成，而选择则根据当地情况而定，社区的弊端在于还是要花更多的时间去定位和解决问题，但是却可以拓展人脉，满足一定社交需求，而售后则可以精准定位问题于快速解决，更加适合于成熟且发达的用户市场。
（5）最后对于个人用户的宣传上来说，微软和tableau都有明确的引导，这一点上帆软并没有放作重点，可能还是出于对国内市场的考虑，个人用户的不成熟，而进入日本市场则可以考虑类似的做法。
tableau
PowerBI
企业用户：
对于企业用户，首先理解B端平台出现的时机和意义。国内而言，b端产品的兴起，个人的看法是总结为以下几个原因：
- 第一是外部政策，国家定下三年人工智能发展计划；
- 第二国家多次强调供给侧改革，鼓励企业从内部出发，提高效率，优化结构。
外部来看，经济下行趋势下，企业不得不开始反思自身，从而做到精简优化。而c端产品自移动端带来的人口红利和技术红利以来，已经过了需求高速增长的阶段，单纯的流量变现的生意不再好做，市场产品同质化严重，粗旷经营红利消失带来的必然是精细化运营需求的爆发。
基于以上的理解，在海外市场运营时，根据环境的相似点，找到成熟行业快速切入，是找到目标用户比较快的方式。
最终购买标准，企业较于个人用户，最关心的不是消耗的成本，而是场景化的解决方案以及产生的价值。目标用户，任何行业都可以用到数据分析和报表。
对于企业应用最直接的行业是金融，零售以及互联网行业，行业数字化的同时带来的分析需求旺盛。对于选择目标用户时，从行业入手，找到行业典型流程和数据分析的应用场景。
以新零售行业为例，个性化推荐、动态定价、组合定价、促销管理、需求预测，防止刷单是前期的主要准备环节。而数据分析基本可以应用到每个环节中，深入调研环节，提出场景化的方案时策略重点。
产品的体验=新体验-旧体验-成本。对于BI行业，大部分用户停留在传统BI的原因，是对于新产品不了解，且认为没有必要替换。
只有在宣传的同时，针对对比的不同和优化处重点强调体验。传统BI的机制是对数据的多维度分析、包括对于数据的上钻下钻的操作或者是展示。而后的BI的前端分析和展示以及人工智能带来的模型预测分析成为主要差异化竞争力。
以上两点，tableau显然做的更加出色，首页的视频的demo，充分结合使用场景，而powerBI过于文字话的叙述则显得比较的无力。重视企业的新体验以及场景化的方案是针对企业用户的重要策略。
本文为@运营喵原创，运营喵专栏作者。
