Acum șapte ani, în 2020, un proiect tipic de Business Intelligence într-o companie mid-market arăta cam așa: un data warehouse on-premise pe SQL Server, ETL în SSIS, rapoarte în Power BI Desktop publicate pe Service, refresh nocturn, model semantic ținut în PBIX, governanță în Excel și SharePoint. Implementare 6-9 luni. Cost între 50.000 și 200.000 euro pentru livrarea inițială.

Astăzi, în 2027, același proiect arată complet diferit. Și nu doar la suprafață. Diferențele sunt structurale, nu cosmetice.

Evoluția BI 2026, privită retrospectiv de la jumătatea lui 2027, e o serie de schimbări care s-au sedimentat. Unele au fost evidente la momentul lor, altele s-au confirmat doar acum, cu distanța necesară pentru a evalua ce a rămas.

Business Intelligence: 1. Cloud-first, nu cloud-curious

În 2020, conversația despre cloud în BI era încă deschisă. Multe organizații evaluau Azure SQL Database vs SQL Server on-prem ca opțiuni egale. Sectorul public, sănătatea și serviciile financiare opuneau rezistență activă față de migrare. Compliance, suveranitatea datelor, costul predictibil — toate erau argumente pentru on-prem.

În 2027, conversația s-a închis. Nu pentru că on-prem-ul a dispărut — există încă instalări active — ci pentru că arhitecturile noi se construiesc cloud-first by default. Snowflake, Databricks, BigQuery, Microsoft Fabric — toate sunt cloud-native și nu au echivalent on-prem real.

Procentul de proiecte BI noi care încep on-prem în piața europeană a scăzut sub 10% în 2026. Pentru companiile care încă au constrângeri de suveranitate, soluțiile sunt regional cloud sau sovereign cloud, nu hardware propriu.

Schimbarea asta a avut implicații financiare profunde. Costul s-a deplasat de la CAPEX la OPEX, ceea ce a făcut bugetele BI predictibile lunar dar a creat o nouă problemă: spiralele de cost necontrolat pe data warehouse-uri cloud. Multe companii au descoperit în 2024-2025 facturi Snowflake sau BigQuery care creșteau lunar fără ca cineva să poată explica de ce.

2. Modelul semantic e acum prima decizie, nu ultima

În 2020, modelul semantic era ceva ce se făcea după ce data warehouse-ul era gata. Era ultimul pas înainte de publicare — definirea măsurilor DAX, ierarhiile, relațiile.

În 2027, modelul semantic e ce se proiectează primul. Definițiile business — ce înseamnă revenue, ce e un client activ, cum se calculează marja — sunt acum considerate cea mai importantă piesă de arhitectură. Pentru că ce vine după (raportare, exploration, AI conversational) depinde direct de cât de bine sunt definite aceste concepte.

Discuția despre „semantic layer” ca strat independent, separat de instrumentul de BI, a câștigat în 2024-2026. Cube, AtScale, dbt Semantic Layer — toate au împins ideea că modelul semantic nu trebuie să fie captiv într-un tool. În practică, adopția lor în mid-market a fost modestă. Marea majoritate continuă să folosească modelul semantic încorporat în Power BI sau Looker.

Dar conceptul a câștigat. Astăzi, când o echipă începe un proiect BI, prima întrebare nu mai e „ce tool folosim?”, e „ce metrici critice trebuie să definim?”.

3. AI a trecut de la accesoriu la infrastructură

Aici e poate cea mai dramatică schimbare, dar și cea cu cel mai mult hype în drum.

În 2020, AI-ul în BI însemna câteva feature-uri cosmetice: forecasting în Tableau, „Quick Insights” în Power BI, anomaly detection în Looker. Erau utile, dar opționale. Nimeni nu construia arhitectura BI în jurul lor.

În 2027, AI-ul nu mai e feature. E strat. Copilot in Power BI, Tableau Pulse Agent, Qlik Answers — toate sunt încorporate ca strat de interacțiune, nu ca buton bonus.

Asta nu înseamnă că AI-ul a livrat tot ce promiteau vendorii în 2024-2025. Demo-urile spectaculoase de la conferințe rar se traduc în implementări care funcționează la prima încercare pe date enterprise reale. Modelul semantic și calitatea datelor rămân blocatori — un AI conversational pe un model semantic prost livrează răspunsuri convingător prezentate dar greșite.

Adopția reală a AI-ului în BI e împărțită. Pentru cazuri simple — un manager întreabă „care a fost vânzarea pe regiunea X luna trecută?”, AI-ul răspunde corect, rapid, util. Pentru întrebări complexe, ambigue, multi-step — încă apar erori semnificative. Asta probabil se va mai îmbunătăți în următorii 2-3 ani, dar nu va dispărea complet.

4. Self-service a câștigat, dar nu cum era proiectat

Promisiunea din 2018-2020 era radicală: orice utilizator business va construi propriile rapoarte. IT-ul va fi liber să se ocupe de infrastructură, nu de cereri ad-hoc.

În 2027, realitatea e mai nuanțată. Self-service există, dar concentrat într-o categorie specifică de utilizatori — power users din business, nu utilizatori obișnuiți. Tipic, 5-10% din populația de utilizatori construiește rapoarte. Restul consumă.

Și aici a apărut o capcană pe care puțini o anticipau: proliferarea rapoartelor neguvernate. O companie de 300 angajați cu Power BI Service activ ajunge tipic la 800-1.500 de rapoarte după 3-4 ani, din care 60-70% nu mai sunt deschise lunar. Costul de stocare e minor, dar costul de mentenanță și haosul în governance e semnificativ.

Răspunsul în 2026-2027 a fost o reîntoarcere parțială la control. Mai mult „governed self-service” și mai puțin „self-service pur”. Cataloage de date, certificare a dataset-urilor, deprecate flow-uri pentru rapoarte abandonate. IT-ul nu mai e gatekeeper, dar nu mai e nici absent.

5. Data warehouse a fost înlocuit de lakehouse, conceptual

În 2020, arhitectura standard avea două componente: data lake (pentru date brute) și data warehouse (pentru analytics). Două sisteme, două seturi de skill-uri, două locuri de copiere a datelor.

În 2027, conceptul de lakehouse — date brute și date pregătite analytic în același sistem — e arhitectura preferată pentru proiecte noi. Snowflake, Databricks, Microsoft Fabric, BigQuery — toate au convergent către același model.

Pentru organizații care au făcut migrare în 2024-2026, beneficiul real e mai puțin în performance și mai mult în reducerea complexității operaționale. O echipă care întreține două sisteme face altceva decât una care întreține unul.

Limita conceptului: nu toate workload-urile sunt egale. Sistemele tranzacționale rămân separate, integrarea ETL/ELT cu sistemele operaționale rămâne o piesă distinctă. Lakehouse a simplificat o parte din stack, nu tot stack-ul.

6. dbt și transformările ca cod

O schimbare mai puțin vizibilă în exterior, dar profundă pentru echipele tehnice.

În 2020, transformările de date erau făcute fie în SSIS (Microsoft), fie în Informatica, fie în Python custom, fie direct în SQL stocat haotic în diverse locuri. Versionarea era rudimentară, testarea aproape inexistentă.

În 2027, dbt a devenit standardul de facto pentru transformări analitice. Modele SQL versionate în Git, teste automate, documentație generată, lineage vizibil. Pentru orice echipă serioasă în BI, dbt sau un echivalent (SQLMesh, Coalesce) nu mai e opțional.

Schimbarea asta a profesionalizat data engineering-ul. În 2020, multe transformări erau scrise de analiști care se descurcau cum puteau. Astăzi, există un rol distinct — analytics engineer — care nu exista în vocabularul comun acum șapte ani.

7. Costul total a crescut, în ciuda promisiunilor opuse

Iată o observație pe care vendorii rar o fac la conferințe. În 2020, costul total al unui sistem BI mid-market era între 80.000 și 250.000 euro pe an. În 2027, intervalul echivalent e între 150.000 și 450.000 euro pe an.

De ce? Câteva motive cumulate.

Cloud-ul a făcut costurile mai vizibile și mai variabile, ceea ce a expus consumul real în loc să-l ascundă în CAPEX amortizat pe 5 ani. Stack-ul s-a complicat — multe companii au acum Snowflake, Power BI, dbt, Fivetran, plus catalog (Atlan/Collibra), plus reverse ETL (Hightouch/Census). Fiecare e o factură lunară.

Skill-urile au devenit mai scumpe. Un senior data engineer cu Snowflake + dbt în 2027 are pretenții salariale dublu față de 2020. Piața e tensionată, iar oferta de oameni cu skill-uri moderne nu ține pasul cu cererea.

În contrapartidă, ce livrează stack-ul actual e calitativ superior. Dar conversațiile despre ROI direct sunt mai dificile. Asta a împins în 2026-2027 o focalizare mai mare pe optimizarea costurilor în stack — FinOps pentru data, monitorizarea consumului Snowflake, alegerea capacităților Fabric.

Ce a rămas neschimbat

Două lucruri merită menționate ca constante.

Primul: succesul unui proiect BI depinde 80% de oameni și 20% de tehnologie. Asta era adevărat în 2020, e adevărat în 2027. Tehnologia mai bună amplifică echipele bune și expune defectele echipelor slabe. Nu schimbă regula fundamentală.

Al doilea: majoritatea companiilor încă consumă date prin Excel. Toate platformele moderne, toate dashboard-urile elegante, toți agenții AI — și totuși exportul în Excel rămâne acțiunea cea mai frecventă într-o sesiune Power BI. Excelul nu e o slăbiciune a BI-ului, e dovada că instrumentele de analytics ad-hoc nu pot fi înlocuite de cele de raportare guvernată.

Tema se leagă natural de discuția despre strategie BI, unde am intrat în detaliu pe pattern-urile pe care le observăm în piață. Pentru actualizări și detalii suplimentare, Power BI Blog rămâne sursa principală pe acest subiect. În fond, Business Intelligence nu e doar un concept tehnic — este o decizie de business cu impact direct pe productivitatea echipei.

Implicații pentru următorii ani

Privind înainte, câteva probabilități pentru 2027-2029.

AI agents pentru analytics vor continua să se maturizeze, dar nu vor înlocui analiștii. Vor înlocui task-uri specifice — pregătire dataset, generare draft de raport, comentariu automat — și vor lăsa analiștii liberi pentru muncă mai profundă.

Consolidare în piață. Numărul de vendori în stack-ul modern BI a crescut din 2020 până în 2026. E probabil că vom vedea o consolidare în 2027-2028, prin achiziții și prin convergența platformelor existente.

Atenție mai mare la cost. „Modern data stack” a fost vândut ca soluție eficientă. În 2027, conversația despre TCO devine principală. CFO-ii întreabă, și pe drept, dacă investiția se justifică.

În șapte ani, BI-ul a trecut prin trei valuri: cloud (2018-2022), AI (2023-2025), consolidare (2026-2028 probabil). Fiecare val a lăsat ceva și a luat ceva. Ce rămâne, în 2027, e o industrie mai matură, mai scumpă, mai capabilă și mai conștientă de propriile limite.

În practică, Business Intelligence a trecut de la subiect de roadmap la prioritate operațională pentru echipele care livrează rezultate de business — exact tipul de tracțiune pe care o vedem reflectată în deciziile reale de buget. Pentru cititorii care lucrează zilnic cu Business Intelligence, articolul rămâne deschis pentru update-uri pe măsură ce piața evoluează.

Întrebări frecvente

Ce s-a schimbat cel mai mult în BI față de 2020?

Cloud-ul. În 2020 conversația despre cloud în BI era încă deschisă; în 2027 s-a închis. Procentul proiectelor BI noi care încep on-premise pe piața europeană a scăzut sub 10% în 2026.

Când se proiectează modelul semantic?

Primul. În 2020 modelul semantic se făcea după ce data warehouse-ul era gata; în 2027 e prima decizie de arhitectură, nu ultima.

Self-service BI a câștigat?

A câștigat, dar nu cum era proiectat. Promisiunea din 2018-2020 era ca orice utilizator de business să-și construiască propriile rapoarte. A apărut însă o capcană pe care puțini o anticipau — proliferarea rapoartelor neguvernate — iar răspunsul din 2026-2027 a fost o reîntoarcere parțială la control.