我們每天產(chǎn)生的數(shù)據(jù)量驚人。隨著AI和機(jī)器學(xué)習(xí)（ML）等創(chuàng)新的增長，這種速度在未來幾年將只會加速。
事實上，正如Precisely的Rachel Galvez所報道，77%的數(shù)據(jù)和分析專業(yè)人員將數(shù)據(jù)驅(qū)動決策列為其數(shù)據(jù)計劃的首要目標(biāo)——但不幸的是，只有46%的人對用于決策的數(shù)據(jù)有“高”或“非常高”的信任度。
能夠有效利用數(shù)據(jù)作為戰(zhàn)略資產(chǎn)的組織將不可避免地建立競爭優(yōu)勢，并在長期內(nèi)超越同行。然而，這是一把雙刃劍。如果不優(yōu)先考慮，劣質(zhì)數(shù)據(jù)最終會讓組織付出代價。70%難以信任其數(shù)據(jù)的專業(yè)人士聲稱數(shù)據(jù)質(zhì)量是最大的問題。
為了讓組織有效地利用數(shù)據(jù)的力量并在其環(huán)境中取得成功，他們必須理解更好的數(shù)據(jù)講故事為何必要，預(yù)測性分析與增強(qiáng)性分析之間的區(qū)別，以及如何最佳應(yīng)用預(yù)測性分析。根據(jù)最近的一份報告，多達(dá)94%的商業(yè)領(lǐng)導(dǎo)者認(rèn)為他們的組織應(yīng)該從其數(shù)據(jù)中獲得更多價值。
幸運的是，將此類分析嵌入到組織當(dāng)前的基于網(wǎng)絡(luò)的應(yīng)用程序中，帶來了新的體驗和參與度層次。結(jié)果有三方面：(i)向用戶提供不同的“可操作信號”，(ii)利用他們習(xí)慣的現(xiàn)有體驗，以及(iii)專注于完成必要工作的用例（JTBD）。用戶不需要另一個工具；他們需要更加增強(qiáng)的體驗來更快完成工作。
數(shù)據(jù)講故事的決策制定
嵌入式分析是一個仍在經(jīng)歷創(chuàng)新浪潮的領(lǐng)域，它增強(qiáng)了我們所知的傳統(tǒng)操作報告和儀表板，變成更能適應(yīng)商業(yè)條件且響應(yīng)靈敏的體驗。
探索數(shù)據(jù)質(zhì)量和信任問題為何持續(xù)存在，阻礙組織從其數(shù)據(jù)計劃中受益。
Insight Software的數(shù)據(jù)與分析總經(jīng)理Jay Allardyce探討了數(shù)據(jù)豐富帶來的挑戰(zhàn)和機(jī)遇，強(qiáng)調(diào)利用AI(AI)和ML(ML)提取寶貴洞察力的重要性。
我們每天產(chǎn)生的數(shù)據(jù)量是驚人的。隨著AI和ML等創(chuàng)新的增長，這種速度在未來幾年將只會加速。
實際上，正如Precisely的Rachel Galvez所報告的那樣，77%的數(shù)據(jù)和分析專業(yè)人士認(rèn)為數(shù)據(jù)驅(qū)動決策是他們數(shù)據(jù)計劃的主要目標(biāo)——但不幸的是，只有46%的人對用于決策的數(shù)據(jù)有“高”或“非常高”的信任度。
能夠有效利用數(shù)據(jù)作為戰(zhàn)略資產(chǎn)的組織將不可避免地建立競爭優(yōu)勢，并在長期內(nèi)超越同行。然而，這是一把雙刃劍。如果不將數(shù)據(jù)質(zhì)量作為優(yōu)先事項，長期來看劣質(zhì)數(shù)據(jù)可能會讓組織付出代價。70%難以信任其數(shù)據(jù)的專業(yè)人士聲稱數(shù)據(jù)質(zhì)量是最大的問題。
為了讓組織有效地利用數(shù)據(jù)的力量并在其環(huán)境中取得成功，他們必須理解為什么更好的數(shù)據(jù)講故事是必要的，預(yù)測性分析與增強(qiáng)性分析之間的差異，以及如何最佳應(yīng)用預(yù)測性分析。根據(jù)最近的一份報告，多達(dá)94%的商業(yè)領(lǐng)導(dǎo)者認(rèn)為他們的組織應(yīng)該從其數(shù)據(jù)中獲得更多價值。
幸運的是，將此類分析嵌入到組織當(dāng)前的基于網(wǎng)絡(luò)的應(yīng)用程序中，帶來了新的體驗和參與度層次。結(jié)果有三個方面：（i）向用戶提供不同的“可操作信號”，（ii）利用他們習(xí)慣的現(xiàn)有體驗，以及（iii）專注于完成必要工作的用例（JTBD）。用戶不需要另一個工具；他們需要更加增強(qiáng)的體驗來更快完成工作。
數(shù)據(jù)講故事的決策制定
嵌入式分析是一個仍在經(jīng)歷創(chuàng)新浪潮的領(lǐng)域，它增強(qiáng)了我們所知的傳統(tǒng)操作報告和儀表板，變成更能適應(yīng)商業(yè)條件且響應(yīng)靈敏的體驗。
盡管數(shù)據(jù)講故事的概念仍然是新的并且不斷發(fā)展，但完全理解其益處是至關(guān)重要的，進(jìn)一步投資以推進(jìn)公司的數(shù)據(jù)文化，以了解如何最好地使用數(shù)據(jù)也是至關(guān)重要的。
通過將分析層嵌入到應(yīng)用程序中，組織將為提供更好的數(shù)據(jù)體驗鋪平道路，這些數(shù)據(jù)體驗將帶來更強(qiáng)的用戶參與度，并促進(jìn)強(qiáng)大的數(shù)據(jù)文化，這是成為更加數(shù)據(jù)驅(qū)動和以數(shù)據(jù)決策為導(dǎo)向的基礎(chǔ)。最終，這本質(zhì)上提供了更好的數(shù)據(jù)驅(qū)動產(chǎn)品體驗。
例如，運營和產(chǎn)品團(tuán)隊可以通過簡化數(shù)據(jù)準(zhǔn)備和可視化以便于決策，同時優(yōu)化應(yīng)用程序以從近乎實時的數(shù)據(jù)、可視化、交互式報告和其他功能中獲得洞察力，從而保持領(lǐng)先。更不用說，它節(jié)省時間，提高生產(chǎn)力，并允許業(yè)務(wù)用戶比成為數(shù)據(jù)專家更快地創(chuàng)新。
總的來說，數(shù)據(jù)講故事和分析平臺專門設(shè)計用于圍繞數(shù)據(jù)構(gòu)建敘事，可以為用戶提供更大的背景并幫助從分散或集中的數(shù)據(jù)治理框架中提取信息，利用企業(yè)今天可能已有的資源。
這有助于推動決策和想法并引發(fā)情感，這些用戶不會像對靜態(tài)儀表板那樣容易忘記。更重要的是，擁有數(shù)據(jù)治理計劃的組織正在看到數(shù)據(jù)分析和洞察力（57%）以及數(shù)據(jù)本身（60%）的質(zhì)量改善。
現(xiàn)在是企業(yè)領(lǐng)導(dǎo)者和用戶認(rèn)識到數(shù)據(jù)講故事對當(dāng)今企業(yè)越來越重要的時候了。為了最大化這些洞察力，組織正在利用預(yù)測性和生成式AI來幫助增強(qiáng)數(shù)據(jù)講故事，并提供可操作和基于知識的洞察力。
了解預(yù)測性分析的潛力
正如前所述，越來越多的公司每天都在發(fā)掘融入預(yù)測性分析的潛力——一些使用AI/ML，另一些則使用更多基于規(guī)則的分析。利用嵌入式分析，結(jié)果令人印象深刻。嵌入式分析可以提高用戶采納率，創(chuàng)造人們喜愛的應(yīng)用程序，并改變軟件和軟件即服務(wù)（SaaS）提供商的游戲規(guī)則。
在這些應(yīng)用程序中包含預(yù)測性分析的機(jī)會創(chuàng)造了更高的參與度，因為預(yù)測可以根據(jù)上下文、設(shè)置和公司動態(tài)而變化。最簡單的形式，預(yù)測性分析可以洞察出創(chuàng)建“下一最佳行動”場景的方法。用戶根據(jù)歷史條件發(fā)出警報，以指導(dǎo)未來的行動，幫助用戶了解關(guān)于如何完成工作的領(lǐng)域和設(shè)置的最佳知識。
例如，金融機(jī)構(gòu)、團(tuán)隊和首席財務(wù)官可以使用此類預(yù)測性分析進(jìn)行信用風(fēng)險評估、欺詐檢測和投資規(guī)劃。這對于更好地準(zhǔn)備組織應(yīng)對持續(xù)波動的市場至關(guān)重要。此外，產(chǎn)品和運營團(tuán)隊可以從其嵌入式策略中的AI/ML中受益，立即為其應(yīng)用程序用戶創(chuàng)造新的數(shù)據(jù)驅(qū)動體驗，而不是啟動單獨和分散的AI應(yīng)用程序。
考慮到這一點，客戶可以使用ML和AI驅(qū)動的預(yù)測性分析來預(yù)見變更是否將幫助他們降低風(fēng)險、改善運營和/或增加收入。從本質(zhì)上講，預(yù)測性分析回答了兩個常見問題：
•基于我當(dāng)前的數(shù)據(jù)，最有可能發(fā)生什么？
•我可以做什么來改變那個結(jié)果？
大約60%的116家受訪企業(yè)表示他們在2023年通過數(shù)據(jù)驅(qū)動創(chuàng)新。隨著組織為2024年做準(zhǔn)備，考慮如何加速實施數(shù)據(jù)和分析至關(guān)重要，這一切都始于詢問基于當(dāng)前數(shù)據(jù)最有可能發(fā)生什么，可以做什么來改變那個結(jié)果，以及他們?nèi)绾问褂脷v史數(shù)據(jù)、ML和AI來為客戶構(gòu)建更加適應(yīng)性和可預(yù)測的體驗。
預(yù)測性 vs. 增強(qiáng)性：利用分析策略的力量
首先，預(yù)測性和增強(qiáng)性分析是兩種不同的方法，無疑將在未來幾年塑造分析領(lǐng)域。目前，預(yù)測性分析使用來自多個來源的數(shù)據(jù)集合來發(fā)現(xiàn)關(guān)系和相關(guān)性，主要是在不告訴人們其含義的情況下向人們展示數(shù)字。簡而言之，它是對未來情景或可以采取的最佳下一步行動的預(yù)測。
另一方面，增強(qiáng)性分析使用ML和AI幫助數(shù)據(jù)洞察和分析，以提高工作人員分析數(shù)據(jù)的能力——從一個關(guān)鍵要點開始，然后深入到數(shù)字中。我們經(jīng)常聽說這些技術(shù)可以應(yīng)用于預(yù)測性分析，同時幫助組織預(yù)測多個行業(yè)的未來趨勢。然而，很少有公司正在試驗這項技術(shù)，甚至更少的公司將其投入生產(chǎn)。
企業(yè)需要優(yōu)先考慮通過增強(qiáng)性分析簡化數(shù)據(jù)分析。這使信息更容易被更多的用戶訪問，使更多的用戶能夠從數(shù)據(jù)中獲得價值。預(yù)測性和增強(qiáng)性分析有不同的過程和益處。然而，它們有一個共同點。它們是兩種強(qiáng)大的技術(shù)，可以一起使用以改善決策和解決問題。
在當(dāng)今的數(shù)字世界中，做出數(shù)據(jù)驅(qū)動的決策和創(chuàng)建由分析信息指導(dǎo)的策略是任何行業(yè)成功領(lǐng)導(dǎo)的核心。幸運的是，92%的所有分析和IT決策者理解信任數(shù)據(jù)比以往任何時候都更加必需，另外95%的全球高管同意需要新的數(shù)據(jù)架構(gòu)和策略來管理他們組織的數(shù)據(jù)環(huán)境的重大變化。
數(shù)據(jù)和嵌入式分析是幫助企業(yè)構(gòu)建能夠抵御最不可預(yù)測環(huán)境的彈性和敏捷運營的強(qiáng)大工具。特別是當(dāng)我們展望未來時，現(xiàn)代組織的成功將依賴于由預(yù)測性和增強(qiáng)性分析驅(qū)動的高質(zhì)量數(shù)據(jù)，將AI和ML與預(yù)測性分析相結(jié)合，從而導(dǎo)致富有洞察力的講故事。
企業(yè)網(wǎng)D1net(hfnxjk.com)：
國內(nèi)主流的to B IT門戶，同時在運營國內(nèi)最大的甲方CIO專家?guī)旌椭橇敵黾吧缃黄脚_-信眾智(www.cioall.com)。同時運營19個IT行業(yè)公眾號(微信搜索D1net即可關(guān)注)。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需在文章開頭注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號