本质上说，BI产品也是商品，也遵循商品的一般规律，客户选择BI产品时也遵循“物美价廉”的原则。

BI产品选型的标准一：不得不说的EDS、TCO和ROI

　　第一，系统扩展性和可靠性。随着企业的数据快速积累，数据量可能呈现出爆炸式增长，BI产品必须能满足企业快速增长的数据存储与分析需要，产品和平台要具备很强的扩展性。企业数据量较小时，用单机存储和分析就可以，随着数据量的增大，单机扩展为多机，需要实现系统的无缝对接，并保持良好的系统稳定性。

　　第二，实时分析能力。传统的数据分析模式，一般是由业务部门提出需求，技术部门实现，再反馈给业务部门，一般需要一周以上的时间周期。大数据时代，客户对数据分析的实时性要求更高，希望能很快看到数据分析结果，能迅速反馈客户需求，实现从千万到百亿级数据分析的秒级响应，从而允许用户根据分析结果逐渐深入，实现探索性数据分析，支撑更多分析维度和更大的数据范围内的价值提炼。

　　第三，产品适应复杂业务场景的能力。客户业务场景不断增加，业务复杂度持续增强，需要BI与数据分析产品能够适应各种场景的业务需求，并以很好的可视化方式展现。“可以非常好的通过可视化工具来展示美的的业务场景，同时能帮助除IT员工以外的业务员工快速搭建整个业务分析的可视化场景，让业务人员能够自行完成数据分析”

　　以上三点是目前BI领域客户的选型重点，当然不同客户还有其他方面的性能要求。企业服务评价体系中有一个名为EDS(Enterprise Demand Satisfaction企业需求满足度)的概念，从功能深度、平台架构、易用与体验三个方面对BI产品进行评价，每个方面又可以设置多个二级指标来进行细化，并根据各项指标的重要性来赋予相应的权重。最终通过各项指标的综合分析，来看BI产品对企业需求的满足能力进行总体评价。这里给出行业通用的EDS的计算公式供大家参考：

EDS=∑〖各项功能评价指标得分×权重〗

　　除了产品性能外，价格也是客户在进行选型时一个重要的考虑方面。为了全面的分析客户在购买和使用一款BI产品时的成本支出，通常采用TCO(Total Cost of Ownership 总体拥有成本)的概念。

　　直接成本指的是企业购买和使用BI系统直接的费用支出，主要有软硬件购买成本、定制和集成成本、实施成本、运维成本、升级成本这几个方面。企业使用一套BI系统，除了直接成本外，还有很多间接成本。所谓间接成本，是指企业使用BI系统的间接费用支出，比如员工使用新系统需要培训，会造成培训费用支出;要让BI系统很好的发挥作用，与企业的业务运营结合起来，需要进行系统的管理以及人才、组织等方面的配套支持，这会带来管理和支持成本;终端用户在使用BI系统时，也会造成一定的成本。

　　我们将购买和使用一套BI系统时产生的各项成本，根据其在整个成本中的重要程度，赋予相应的权重，那么企业购买和使用BI系统的总成本是各项细分成本与其对应权重乘积的总和。

TCO=∑〖各项成本×权重〗

　　综合考虑上面提到的性能和总体成本，就形成了ROI(Return On Investment 投资回报率)的概念。通过对产品性能和成本的分析，就可以得到BI产品的性价比指标：

ROI=EDS/TCO

BI产品选型的标准二：开源还是自有技术开发?

　　在大数据领域，采取怎样的技术路线发展是一个十分关键的问题：走开源路线还是自主研发，需要慎重考虑。而对于企业级客户而言，在William看来，与开源相比，采购自主研发的产品具有多方面的优势：

　　第一，自主研发的产品在快速应对客户需求方面更具优势。大数据厂商对于自主研发的平台和产品的整体架构有更清晰的了解，当客户提出新的需求时，能快速做出反应对产品进行相应的调整。反观开源产品，由于企业对底层技术和体系的把握有限，反应速度和问题解决能力都容易受到影响。以中国联通为例，针对客户提出需要提升并发处理业务能力的需求，研发团队只用了一个周末的时间，就对产品完成了改进升级，使产品并发处理业务能力提升了三倍之多。这种通过敏捷开发，迅速响应客户需求，满足客户需求的优势不言而喻。

　　第二，开源产品不能全方面满足客户需求并有“断奶”风险。使用开源技术作为其核心技术的企业或组织，一旦由于战略或者业务调整，改变开源策略(例如改变其开源license)，将会受到很大影响，甚至有“断奶”的风险。另外，如果没有对核心技术的自主权，也无法完全掌控产品的研发进程。

　　第三，基于自有技术研发的平台，更容易将产业研究成果集成到产品体系中，形成更成熟的商用产品。

BI产品选型的标准三：产品迭代速度，必须适配变化市场的需求

　　这是个快鱼吃慢鱼的时代，只有加强研发投入，加快产品的升级迭代，才能跟上市场节奏，在激烈的竞争中取得领先优势。而BI产品的采购，也必定要能够匹配变化市场的需求升级。永

　　对于大数据厂商而言，一次版本升级迭代需要考虑三个方面的因素：一是规划的核心功能;二是客户反馈的需求，功能的丰富和优化;三是平台自身的研发改进。每次的版本迭代都需要增加新的功能，或者原有功能有大幅度的优化。YonghongZ-Suite产品，在6.0版本加入深度分析的模块并增强深度分析能力，7.0版本则加入了自服务功能，并在数据准备、数据清洗方面对原有功能进行优化。

　　除了常规的功能优化和改善，在研发时，企业还需要时刻关注前沿技术的发展。在大数据领域，云计算和深度分析是两个重要的技术方向：目前大数据厂商在为客户提供解决方案时，多采取本地化部署方式，未来会有更多应用和数据向云端迁移，并将业务SaaS化;而相对应企业级客户云端部署的需求。

BI产品选型的标准四：研发团队能力考查，规划与执行力缺一不可

　　对企业客户而言，只有选择一家具备强大研发支撑的大数据厂商，才能保证采购的产品一直保持其技术的先进性。研发部门在公司里处在极其重要的位置：既要能够很有效的支撑业绩的发展，同时也要能够很好的支撑公司的战略推进。

　　而在研发规划上，William认为有三点需要考虑清楚：

　　第一，不同研发环节的相互配合。整个研发体系包括开发、测试、产品、平台等多条线，在不同环节如何分配人才资源，各个环节在时间进程上如何衔接，怎样相互配合来提高研发效率，这些问题在确定研发体系时需要重点考虑。

　　第二，研发部门的地域分布。对于在全国甚至全球有业务布局的大数据厂商而言，在有强业务需求的地域开设研发中心是一个重要的战略布局。当前端业务人员将客户需求反馈给研发部门时，就近的研发中心能更好的与客户进行交流，并快速进行反馈。

　　第三，研发部门的规模要能支撑起整个公司的业务发展。从战略规划、业务扩张，到服务、销售的需求等，都需要研发部门的技术与成果进行支撑和完善。

　　第四，高效的执行力，使命必达。以迭代产品为例，研发部门会在年初做规划，具体内容包括产品的版本以及各版本中的重点功能;在执行过程中，还要根据客户需求使之不断完善。最后，通过质量部门的验证，产品才达到能够交付的标准。

　　William认为，当物联网发展起来之后，数据量会成倍增长，企业对于数据存储和分析的需求会出现爆发式增长，基于海量数据处理和快速决策的需求，企业对于BI与数据分析产品的采购将会更加慎重，需要借助科学的方式去评估厂商与产品的综合实力，通过与大数据厂商的技术能力相结合，帮助企业构建自有数据分析应用平台，充分实现数据价值变现，并更好的控制由大数据平台采购风险所带来的技术资产负债。