BI 商业智能知识体系¶
一、BI 核心架构（技术层）¶
| 层级 | 说明 | 典型技术/工具 |
|---|---|---|
| 数据源 | CRM、ERP、数据库、API、日志、社交媒体 | MySQL, PostgreSQL, MongoDB, Salesforce |
| ETL/数据集成 | 抽取(Extract)→转换(Transform)→加载(Load) | Apache Airflow, dbt, Fivetran |
| 数据存储 | 数据仓库(DW)、数据湖(Data Lake)、数据集市 | Snowflake, BigQuery, Redshift, Databricks |
| 分析引擎 | OLAP多维分析、统计建模、机器学习 | Spark, Python/R, OLAP Cubes |
| 可视化/报告 | 仪表板、交互式图表、自助式分析 | Tableau, Power BI, Looker, FineBI |
| AI增强层 | NLP查询、自动洞察、预测分析 | GPT集成、AutoML、NLP-to-SQL |
二、BI 业务分析框架¶
1. 分析层次（由浅到深）¶
| 层次 | 核心问题 | 方法 |
|---|---|---|
| 描述性分析 | 发生了什么？ | KPI仪表板、报表、趋势图 |
| 诊断性分析 | 为什么发生？ | 下钻分析、归因分析、关联分析 |
| 预测性分析 | 将会发生什么？ | 回归模型、时间序列、ML预测 |
| 规范性分析 | 应该怎么做？ | 优化算法、推荐引擎、A/B测试 |
2. 关键指标体系（以 Retaintive 产品为例）¶
Lead管理指标
├── 获取阶段：获客成本(CAC)、渠道转化率、lead质量评分
├── 跟进阶段：首次响应时间、跟进频率、触达率
├── 转化阶段：预约率、到店率、试课转化率、成交率
├── 留存阶段：续费率、活跃度、流失预警、NPS满意度
└── 价值阶段：LTV(客户终身价值)、ROI、客户回归率
三、2025-2026 BI 行业趋势¶
| 趋势 | 说明 |
|---|---|
| AI + BI 深度融合 | NLP自然语言查询数据、AI自动生成洞察报告 |
| 云原生 BI | SaaS化、弹性扩展、多租户架构 |
| 嵌入式 BI | BI能力嵌入业务系统（CRM/ERP），而非独立工具 |
| 自助式分析 | 非技术人员也能拖拽建模、自主探索数据 |
| 实时 BI | 从"T+1报表"到"秒级实时看板" |
| 数据治理 | 数据质量、权限管控、合规性成为标配 |
四、市场规模¶
- 2025年全球BI市场约 $380亿
- 预计2030年达 $560亿（CAGR 8-15%）
- 部分机构预测2033年可达 $1160亿
- AI赋能BI是当前最大增长驱动力
五、竞争格局¶
| 层级 | 代表产品 | 定位 |
|---|---|---|
| 通用型 | Tableau, Power BI, Looker | 全行业通用，功能全面 |
| 国产替代 | FineBI, 永洪BI, 观远数据 | 中国市场本地化 |
| 垂直型 | Mixpanel(产品分析), HubSpot(营销) | 特定场景深耕 |
| 嵌入式 | Metabase, Superset, Wyn | 嵌入第三方系统 |
| AI-Native | ThoughtSpot, Sigma | AI优先的新一代 |
六、Retaintive 定位分析¶
定位：垂直型 + AI-Native BI，聚焦教育/服务行业的客户留存智能分析
差异化优势¶
- 垂直深耕：专注教育/服务行业 lead tracking + 客户生命周期管理
- AI驱动：通话分析、智能评分、预测流失
- 全链路：从lead获取→跟进→转化→留存→回归的完整闭环
- 大厂做通用，我们做垂直：在特定行业做到比通用BI更懂业务
核心能力¶
- Lead智能评分：基于行为数据自动评估lead温度
- 跟进流程分析：通话质量评估、跟进时效监控
- 转化漏斗优化：多维度归因分析，找到转化瓶颈
- 客户留存预警：预测流失风险，自动触发挽回策略
- 决策建议：AI生成可执行的优化建议