很少有顛覆性的技術能像分析技術那樣伴隨著如此多的炒作。近十年來，數據分析和商業智能(BI)一直就是IT投資的首要任務，盡管已經有許多分析投資推動了真正的價值，但要辨別哪些創新將帶來富有成效的結果，哪些將是死胡同并不容易。

 

Gartner的研究副總裁Jim Hare表示，在我們進入2020年之際，IT和商業領袖們仍將分析和BI列為最優先的創新投資項目。畢竟，智能化是所有數字業務的核心。對于這些領導者來說，關鍵在于能否看穿炒作，在正確的技術上做出正確的投資。為了提供幫助，Gartner確定了5個關鍵趨勢，Hare表示，這些趨勢將幫助IT領導者關注分析投資，因為這些投資將在未來幾年里逐漸產生影響。

 

 

“企業擁有的數據比他們知道的要多得多，現在他們正試圖理解這些數據，并將其轉化為有用的見解，以幫助改進決策，而不僅僅是依靠業務分析師團隊，但是對于那些在組織的第一線的用戶來說，他們在獲得分析性見解方面依然是匱乏的和服務不足的，”Hare說。

 

進入增強分析，并使用機器學習來自動化數據準備、洞察發現、數據科學，并與廣泛的業務用戶、運營人員和公民數據科學家(不僅僅是分析團隊)共享洞察。這種增強分析趨勢是Gartner確定的2020年五大趨勢之一，Gartner預測其在兩到五年內將成為主流。

 

Hare解釋說，數據發現工具也為業務分析人員提供了自助服務功能，但是業務分析師仍然需要大量使用手動流程。

 

“你仍然需要大海撈針，”Hare說。“增強分析的想法就像是一塊巨大的磁鐵，盤旋在干草堆上，為你找到掉落在其中的一根針，找到數據中隱藏的模式，并更有效地將它們呈現出來。”我們通常看到的是利用機器的力量和人類用戶相結合的增強分析，將它們組合在一起將能夠更有效地工作，將比它們各自獨立工作得到更多的好處。”

 

 

Hare認為，到2020年，組織需要專注于發展他們的“數字文化”，他說，這可能是任何組織在數字化轉型之旅中可以采取的最重要的一步。

 

“在過去，業務分析師和最終用戶之間存在著鴻溝，他們總是試圖使用更多的數據和分析見解，”Hare說。“這背后的一個關鍵趨勢是分析和數據的消費化。具體來說，是我們如何將更多的數據使用到組織的最前沿?”

 

要做到這一點，需要創造一種以數據素養為中心的數據驅動文化，尤其是在業務的前線，“這樣，人們在談論數據時就能夠使用相同的語言，”Hare說。

 

在這方面，培訓是首席信息官需要考慮的關鍵投資，作為建立數字文化的勞動力轉型努力的一部分。為了提高數據素養，組織需要訓練其員工在上下文中讀寫和交流數據，理解數據源和結構、分析方法和應用技術，以及描述用例應用程序和結果價值的能力，Gartner表示。

 

Hare還指出了圍繞數字倫理進行培訓的重要性，因為物聯網(IoT)、3D打印、云計算、移動、社交和人工智能等創新的發展速度，使得這些技術極有可能在道德和行為之間造成差距，導致意想不到的后果。到2020年，組織將不得不協調他們的原則和他們所使用的技術可能產生的后果。

 

Gartner指出，首席信息官們也應該考慮好“data for good”的舉措。在這方面，商業部門需要幫助非政府組織和其他公共部門組織，這些組織正試圖更多地利用數據，但也缺乏有效利用數據的技能和專業知識。這可以采取免費或低成本的技術、數據或熟練工人的形式。Hare說，這樣的慈善活動可以幫助在緊張的勞動力市場中吸引和留住工人，并向投資者表明社會責任。

 

 

圖形、定位和社會分析技術正在幫助組織了解人、地點和事物是如何聯系在一起的。Gartner認為，在這個領域最有價值的應用程序都是專注于發現的。例如，圖形技術可以用于識別非法行為和犯罪活動，從而使執法機構能夠發現洗錢和其他的犯罪活動。除了識別欺詐和其他非法行為，圖形分析還可以應用于路線優化、市場購物籃分析、客戶關系管理優化、供應鏈監控等領域。

 

定位智能可以采用在室內環境中生成、處理和分析數據的服務和解決方案的形式，也可以采用從室外地理空間關系中獲取信息的方式。室內位置智能的應用領域包括醫療保健(監控移動資產、跟蹤患者)、零售(根據客戶流量管理員工、在店內提供逐向導航)、制造(跟蹤部件、監控閑置工具)和公共部門(在緊急情況下定位資產和人員、訪問控制)。戶外定位智能則可以幫助解決人口統計分析、商店布局、資產跟蹤、環境分析和交通規劃等問題。

 

社會分析主要是幫助組織收集、測量、分析和解釋在人員、主題和其他內容之間的交互和關聯的結果。Gartner表示，社會分析將幫助組織發現趨勢(例如客戶滿意度)、行為(對某些主題或想法的興趣)和早期預警信號(客戶滿意度和流程分解的來源)。

 

 

Hare認為，2020年的組織將尋求利用實時數據來推動更好的決策。在這里，決策智能已經成為了一門實踐學科，它包括了諸如連續智能、決策自動化和事件流處理等創新。

 

“這真的就是最后一英里或最后一步了，”Hare說。“這里需要對決策進行觀察，它們是如何被做出的，以及哪些決策是可以被自動化的。我考慮的是指導性的建議：這些信息將被提供給所有人，幫助他們做出更好的決定。”

 

持續智能將實時分析與業務操作集成在了一起，可以基于當前和歷史數據的混合以響應業務事件的操作。為了取得成功，持續智能也將利用增強分析、事件流處理、優化、業務規則管理和機器學習。Gartner預測，持續智能的成熟將需要5到10年的時間，但是當它成熟時，它將是革命性的。

 

對于希望在短期內進行投資的CIO來說，事件流處理則更接近于成熟--Gartner的數據顯示，這也需要兩到五年的時間--但也將是革命性的。那些尋求利用物聯網的組織需要盡快掌握這一創新。Gartner認為，事件流處理最終將被每個大公司的多個部門采用，通過實時儀表板、警報和異常檢測來支持運營。此外，它還將幫助組織通過只顯示最相關的信息來避免數據過載。

 

 

各組織將繼續把工作重點放在其數據操作和擴展數據使用上。這其中很大一部分將取決于對組織內各個組成部分的上下文理解。

 

“一線的人們需要根據他們的具體需求來進行分析，”Hare說。“從事銷售、營銷或支持工作的人各自需要一套不同的分析方法。在某些情況下，這是一個關于分析是如何交流的問題。他們需要在適當的時候獲得正確的信息，幫助他們在工作中做出特定的決定。”

 

隨著數據開始在組織中變得越來越普遍，部分操作和擴展將通過只處理他們需要的數據來幫助個人避免數據過載。

 

Hare說，組織將需要發展出一種雙峰模式。模式一的分析是你如何經營好你的業務，而模式二的分析則是關于實驗、發現隱藏的見解，然后將這些見解納入你的生產分析的能力。在過去，即使是同時使用這兩種模式的組織也傾向于持續保持它們的獨立性。

 

“我們將看到一種能夠使這兩種模式更加融合的方法，”Hare表示。“最終你會發現，在更快地發現新見解和能夠將其用于企業生產之間，存在著這樣一個持續的過程。”

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。