互联网的本质之一是信息共享，而共享的背后是各种原子粒度的数据流动。有以内容生产和内容消费匹配为目的的数据流动，比如搜索引擎；也有以人、货、场信息匹配为目的的数据流动，比如电商平台。
由于互联网企业天然以“在线化”、“数据化”为前提来实现信息共享，数据分析自然成为互联网企业的刚需之一。互联网企业都希望打破企业内的数据孤岛，通过建立一套BI系统将“数据”转换成有价值的“信息”，帮助企业监测业务发展态势，探寻增长点、预判风险点，助力科学决策。
然而，自研还是外采，是他们面临的第一道选择题。
当企业考虑自研还是外采时，应该权衡些什么？
从企业层面来说，选择自研还是外采，其实要算的是一笔经济账。这笔账大体上可以从数据和业务层面、成本层面来综合评估。
- 数据和业务层面：
- 业务体量：如果企业当前的业务体量较小，数据量不多，对于BI系统还不是强需求或属于试水的阶段，这时企业可以先自研给出MVP（最小可行性产品）版本的解决方案，后期再逐步迭代或考虑引入第三方系统。
- 业务需求：如果数据是用于支持企业的核心业务发展，且业务复杂度比较高，或者业务的拓展和迭代非常快，因而对BI系统的定制化程度和未来的可拓展能力有着更高的要求，这时需要评估市面上的第三方系统是否可以满足。
- 数据安全：若数据涉及到企业的核心机密，采用第三方系统可能存在数据泄露的风险。这要重点考察供应商是否有专业化、体系化的安全响应机制，确保数据安全。
- 数据回传：若第三方系统不支持对处理后的数据进行回传，导致不能充分发挥数据的价值和补充此类数据的业务判断逻辑时，需要自主对获取的数据进行二次开发。
- 成本层面：
- 人力成本：自研需要企业组建专门的团队，投入一定的开发资源，程序员的工资是明面上要计算的帐。假设自研一套BI系统需要投入6-10个开发人员做开发，按照互联网的平均薪酬水平，成本至少在500万以上。而市面上一套比较成熟的BI系统，大概只要几十万。
- 时间成本：搭建BI系统是一个需要长期规划的事儿，不是为了解决某个简单需求的短期项目，投入回报周期长，而且需要IT部门长时间运维和升级迭代。
- 试错成本：自研会有一个摸索的周期，而且如果自研出来的BI系统不好用，来回折腾也会有人力和时间成本的损耗，这是企业要算的一笔“暗账”。
综合数据和业务层面的需求和成本，企业或许可以参考下面的四象限图来做决策：
对于数据和业务需求复杂度高，而且有能力投入高额成本的企业来说，可以考虑自建BI系统。这类企业通常是行业巨头，估值千亿甚至更高，有能力也有意愿每年花上千万成本作为BI研发费用投入。因为内部业务BU众多，员工规模上万甚至十几万，能够摊薄费用，ROI是算得过来的。
另外一种情况是企业规模特别小，GMV不足1亿，员工在百人以内。这类互联网企业的数据和业务需求并不复杂，在成本投入上也比较谨慎，一套几十万的BI系统对他们现阶段来说还是“有点过了”。这时候可以考虑投入一两个研发人力或者外包做个简单报表系统。
最容易陷入纠结的是处于上述两者之间的互联网企业，一般会在自研和外采之间左右摇摆，甚至来回试水，不过大部分最终还是选择了外采。
从自研到外采，第三方BI系统何以脱颖而出？
处于中间的“摇摆派”分为两种。
第一种是数据和业务需求的复杂度较高，而资源有限，难以完全支撑。先前我们了解过一家互联网 金融的企业，因为基金交易的属性决定了他们对数据的需求是非常强烈的，对数据分析的复杂度和数据安全性的要求也更高。
他们先前也自研过一些数据产品，主要是数据埋点方向，但是在引入BI的时候还是选择了外采。他们数据部门的负责人告诉我们，BI产品的自研门槛是比较高的。技术层面有高要求，还要兼顾产品性能和设计，要做这样一款产品，投入的固定成本很高，但边际效益很低，也担心折腾了一圈之后不好用。所以在不考虑未来商业化的前提下，如果第三方厂商所提供的产品能满足现阶段对BI的需求，那外采是比较经济的选择。
另一种是数据和业务需求的复杂度比较低，但企业有意愿也有能力投入较多的资源。他们最开始选择自研或者借助开源工具做二次开发，主要是考虑到开发成本不高，自己人对于需求的响应也更快，调整起来更灵活。
之前就有一家做云服务的供应商，尝试用某开源工具来满足他们财务和销售部门的日常数据统计需求。做出来之后发现，系统仅能够支持一些简单的报表，响应速度也比较慢，版面的UI设计也很简陋，不管是业务部门还是IT部门自己都不满意。一圈倒腾之后，还是放弃了开源，选择了外采国内BI厂商的成熟产品。
其实，国内有些BI厂商不仅产品成熟，这几年在客户成功方面也做得比较好。服务到位，响应及时，支持定制化，而且也积累了一定的行业“Know-How”，能够帮助新客户快速上手。
从决定外采到外采选型，还有哪些关键点？
总而言之，综合现阶段大部分互联网企业的需求，以及国内领先BI厂商的产品成熟度和服务体系，外采BI系统的优越性还是比较明显的。
在挑选供应商时，可以关注这几个方面：
- 是否能够提供开箱即用的标准化产品，轻松部署，缩短上线时间；
- 是否具有丰富的互联网行业经验，在规划BI系统和业务场景指标搭建方面提供最佳实践；
- 是否具有非常成熟的客户成功团队，及时响应技术和服务需求，支持定制化需求落地；
- 产品是否具有互联网基因，天然契合互联网人的使用习惯，能让业务部门快速用起来。
在产品的易用性方面，观远数据具备明显的优势。观远数据很懂互联网行业的用户，在产品设计方面非常贴合互联网的用户习惯和体验，上手过程非常顺滑，简单的拖拽就能实现各种功能，后台配置也非常简便。丰富的看板图表和展示控件，还有ETL的数据浅层加工和调度，以及非常契合互联网人办公习惯的移动端，都是很大的加分项。
这两年观远数据也服务了很多互联网头部客户，包括小红书、哔哩哔哩、新东方、斗鱼、雪球等等，有比较成熟的行业落地经验。
