從初創公司到全球企業，數據對所有公司都是無價的。
這種不斷增長的商業訴求正在觸發企業部署商務智能解決方案，以提升和加速數據驅動決策。成功的企業正在優先考慮現代商務智能解決方案，反過來又使他們員工成為有史以來分析能力最強的一代。
為了在2018年獲得競爭優勢，企業必須認識到可以增強其商業智能方法的策略、技術和業務角色。
展望新的一年甚至未來更長時間，下面是一些商業智能關鍵趨勢。
1、不要害怕AI：機器學習將提升分析師能力
大眾文化正在推動人工智能威脅論的觀點。
但是，隨著科學技術的不斷進步，機器學習正迅速成為分析師強有力的附加能力，機器學習可以提供幫助并提高工作效率。
IDC預計，到2020年，人工智能和機器學習系統的收入將達到460億美元。Gartner預測，在2020年，人工智能將成為一個積極的凈工作動力，創造230萬就業機會，同時僅消除180萬就業機會。
通過自動化簡單但勞動密集型任務(如基礎數學)，分析師將有時間從戰略角度思考其分析的業務影響，并為后續發展做好計劃。
其次，機器學習有助于分析師做決策。分析師可以毫不停頓地敲定數字，然后再提出下一個問題深入研究。機器學習對分析師的幫助是不容置疑的，但是當明確界定結果時，認識到機器學習應該被接受是至關重要的。
雖然分析師可能會有被替換的擔憂，但是機器學習將為分析師帶來額外收益，并使他們的業務更加精確。
2、人文科學專業將比科技類相關專業畢業生更有競爭力
隨著分析行業不斷尋求技術熟練的數據工作者，并且企業希望提升他們的分析團隊，藝術和講故事將會更多地影響數據分析行業，這并不令人驚訝。令人吃驚的是，創建一個以前為IT和高級用戶保留的分析儀表板技術，正被那些了解講故事藝術的用戶接管——這是一門主要來自文科的技能。此外，企業正在雇用更多雇員，他們可以利用數據和洞察力來影響變革，通過藝術和說服力來推動變革，而不僅僅是分析本身。隨著越來越多的企業將數據分析視為業務重點，這些文科數據管理員將幫助企業認識到賦予員工權力是一種競爭優勢。
這方面有一個很棒的例子可供參考，日產曾聘請人類學博士Melissa Cefkin領導該公司對人機交互以及自駕車與人之間的相互作用進行研究。自動駕駛車輛技術已經走了很長一段路，但是當混合的人機環境依然存在時，仍然面臨著障礙。以四路停車為例，人類通常會根據具體情況分析，使得教導機器幾乎是不可能的。為了幫助克服這種情況，Cefkin的任務是利用她人類學的背景來識別人類行為模式，從而更好地教導自動駕駛汽車遵循人類的模式，并將這些模式反饋給乘坐汽車的人。
根據領英的數據顯示，文科畢業生比IT畢業生加入科技人才梯隊要快10%。財富500強的CEO中有三分之一擁有文科學位。
3、自然語言處理的承諾(NLP)
Gartner預測，到2020年，50%的分析查詢將通過搜索、自然語言處理(NLP)或語音產生。
NLP將使人們能夠提出更多細微的數據問題并獲得相關答案，從而獲得更好的見解和決策。
同時，開發人員和工程師將通過研究人們如何提問——從即時滿足到探索，逐步在人們如何使用NLP方面取得更大進展。
這個機會不是在任何情況下放置NLP都可以的，而是在正確的工作流程中提供，所以對于那些使用NLP的人來說，它是獨一無二的。
IDC預測，到2019年，75%涉及企業應用的日常工作將可以使用智能助手來提高工作人員的技能和專業知識。Gartner預測，到2021年，超過50%的企業將比傳統的移動應用程序開發更多的機器人和聊天機器人。
4、數據治理的未來是眾包
有人說自助式分析已經打亂了商業智能，而且治理也出現同樣的混亂，這是不準確的。
隨著自助式服務分析的擴展，一系列有價值的觀點和信息激發了實施治理的新方法。
商業智能和分析戰略將在2018年采用現代化的治理模式：IT部門和數據工程師將策劃和準備可信數據源，隨著自助式的主流發展，最終用戶將可以自由探索可信的安全數據。
Collibra顯示，45%的數據公民表示，不到一半的報告具有高質量的數據。61%的C / V Suite領導者表示，他們自己公司的決策只由數據驅動。
5、關于多云爭論的結局
Gartner表示：“到2019年，多云戰略將成為70%企業的共同戰略。”
隨著企業越來越擔心被綁定到單一的傳統解決方案，評估和實施多云環境可以確定誰為每種情況提供最佳的性能和支持。
然而，雖然靈活性是一個優點，但這種方法通過分散提供者的工作負載和迫使內部開發者學習多個平臺而增加了間接成本。
隨著多云應用的不斷增加，企業必須評估其戰略，并衡量每個平臺的采用情況，內部使用情況，工作負載需求和實施成本。
Gartner預測，到2019年，70%的企業將實施多云戰略。Forbes顯示，Tech Chief Financial(技術首席財務)官中74%表示，云計算將在2017年對其業務產生最大影響。
6、首席數據官CDO的興起
數據和分析正在成為每個企業的核心。但是，在某些情況下，CIO和業務之間形成的差距與安全、治理以及洞見速度有關。
對于很多人來說，答案是任命首席數據官(CDO)或首席分析官(CAO)來領導業務流程變革，克服文化障礙并在各個層面傳達分析的價值。
CDO / CAO的角色是以結果為中心的，他們確保從一開始就有關于如何制定分析戰略的主動的C級對話。
Gartner預測，到2019年，90%的大公司將擁有CDO的角色。到2020年，50%的領先企業將擁有與其首席信息官相似的具備戰略影響力和權威性的CDO。
7、數據保護的脆弱性在上升，數據保險公司倒是在增長
對于許多公司來說，數據是一項關鍵的業務資產。但是，如何衡量這些數據的價值呢?當數據丟失或被盜時會發生什么?正如我們在近期高調發現數據泄露時所看到的那樣，這可能對品牌造成不可挽回的損失。
根據Ponemon研究所2017年的調查顯示，數據泄露的平均總成本估計為362萬美元。
但是，企業是否在盡其所能地保護他們的數據呢?網絡安全保險市場是一個因為響應數據泄露而迅速增長的行業。該行業同比增長30%，到2020年該行業的年度承保費達到了56億美元。(AON)
網絡和隱私保險涵蓋了企業對數據泄露的責任，其中客戶的個人信息極易被黑客暴露或竊取。即使面臨著市場增長造成的數據泄露的持續威脅，只有15%的美國公司擁有涵蓋數據泄露和網絡安全的保險政策。而且，這些公司大部分來自于大型金融機構。
8、數據工程師的角色日益突出
數據工程師將繼續成為企業利用數據更好做出業務決策的組成部分。從2013年到2015年，數據工程師的數量增加了一倍多。截至2017年10月，在LinkedIn上有“數據工程師”的開放職位超過2500個，顯示了對這個專業的需求不斷增長。
那么這個角色為什么如此重要呢?數據工程師負責設計，構建和管理企業的運營和分析數據庫。換句話說，他們負責從業務的基礎系統中提取數據，這種方式可以被用來作為見解和決策。隨著數據和存儲容量的增加，對不同系統，架構以及理解業務需求或能力有深入了解的人開始變得越來越重要。
然而，數據工程師角色需要獨特的技能。他們需要了解后端，數據中的內容以及如何為業務用戶提供服務，數據工程師還需要開發技術解決方案來使數據可用。
Gartner 2016年的一項研究發現，由于數據質量不佳，受訪企業平均每年損失970萬美元。數據科學家和分析師需要花費多達80%的時間來清理和準備數據。
9、物聯網將推動領域內創新
如果說物聯網(IoT)的激增已經推動了連接設備數量的巨大增長，這是不夠的。所有這些設備都與其他任何設備進行交互，并捕獲提供更多連接體驗的數據。實際上，Gartner預測，到2020年，消費者可用的物聯網設備數量將增長一倍以上，世界將存在204億在線物聯網設備。
一個積極的趨勢是利用基于位置的數據與物聯網設備的使用。也就是說，為物聯網設備提供傳感和傳達其地理位置。通過了解物聯網設備的位置，可以更好地了解正在發生的事情以及預測在特定位置發生的情況。
對于試圖捕獲這些數據的公司和組織，我們正在看到不同的技術出現。例如，醫院，商店和酒店已經開始將藍牙低功耗(BLE)技術用于室內定位服務，GPS來說通常難以提供上下文位置。該技術可用于跟蹤特定資產，人員甚至與智能手表，徽章或標簽等移動設備交互以提供個性化體驗。
IDC預測，物聯網終端到2020年將增長到300億。Gartner預測，物聯網的爆發性增長預計到2020年將超過50億美元。
10、大學在數據科學和分析項目上妥協了!
北卡羅萊納州立大學是首個數據科學分析碩士點的所在地。MSA位于高級分析研究所(IAA)內，該研究所是一個數據中心，其任務是“生產世界上最優秀的分析從業人員 - 掌握復雜的大規模數據建模方法和工具的人員”為了解決具有挑戰性的問題......“作為第一個碩士點，北卡州立計劃已經預示了學術界對數據科學和分析課程的顯著投資。
今年早些時候，加利福尼亞大學圣地亞哥分校推出了第一個數據科學專業的本科生。他們還制定了計劃，由校友捐助成立了數據科學研究所。隨之而來的是加州大學伯克利分校，加州大學戴維斯分校和加州大學圣克魯斯分校都為學生增加了數據科學和分析選項，其需求超出預期。
根據最近普華永道的一項研究，到2021年，69%的雇主將要求求職者提供數據科學和分析技能。Glassdoor在2017年報告中也說，“數據科學”已經連續第二年成為“頂尖工作”。隨著雇主需求的增長，填補高技能數據科學人才漏洞變得越來越重要。但是普華永道報告指出，只有23%的大學畢業生擁有這項技能，并且可以在雇主的要求下進行競爭。
麻省理工學院最近的一項調查發現，40%的管理者在招聘分析人才方面遇到了麻煩。PWC顯示，到2021年，69%的雇主將要求數據科學和分析作為候選人的關鍵技能。
京公網安備 11010502049343號