促进企业业务繁荣发展的十大数据分析趋势

数据分析使企业可以深入了解业务的发展。如果不了解自己在业务决策、营销绩效或客户互动方面会犯什么错误，那么今后仍将继续犯同样的错误。数据分析有助于企业决策者更好地了解企业在行业领域的定位，并确定哪些领域的用户需要他们的产品和服务，销售额为什么减少或增加，以及市场中可能存在的机会。

通过使用数据分析和技术，企业领导者可以轻松地预测客户需求，提供个性化服务和产品，提高利润并实现目标。还可以采用分析和系统的统计推理来做出决策，以提高效率、利润和风险管理水平，同时保持库存、定价解决方案或招聘人才。

嵌入式分析解决方案(将分析功能和数据可视化功能集成到软件应用程序中)使企业可以将分析权限直接应用到应用程序中，从而更快地采取行动。嵌入式分析可以简化生成见解的过程，减少运行数据分析和提供可操作建议所需的时间，其方法是让从客户到员工的关键利益相关者都可以采用数据分析。

自从冠状病毒疫情发生以来，医疗保健行业在抗击疫情方面发挥了至关重要的作用。为了应对这一紧急情况，全球500多项医学和疫苗接种试验采用了大量患者数据库，从试验项目和其他来源收集和整理数据。这些数据可以帮助医学健康专家预测冠状病毒的传播，寻求新的治疗方法，并计划在当前严峻形势下进行临床治疗。因此，数据和分析与人工智能(AI)技术相结合，对于以积极快速的方式预测、准备以及应对全球危机及其后果至关重要。

根据调研机构Gartner公司的调查，企业将开始克服机器学习部署高达80%的失败率，并将其成功案例集成到生产环境中。

Gartner公司研究副总裁Rita Sallam认为以下10个趋势是最新的人工智能技术需求，这将在2021年以新的方式提升业务水平。

1.具有智能解决方案的人工智能

研究表明，到2024年，数据流和分析基础设施将会增长5倍以上，而75%的企业将从试点转向运营人工智能。Gartner公司研究副总裁Sallam指出，人工智能技术(例如强化学习和分布式学习)正在创建更具适应性和通用性的系统来处理复杂的业务情况，特别是现在当疫情发生之前的模型依赖于可能不再有效的历史数据时。

​​

自然语言处理(NLP)提供了有关应对冠状病毒疫情对策的有效性和影响的重要见解和预测。人工智能和机器学习现在正在严格按照新的需求模式重新调整供应链。而更大的投资创造了新的芯片架构，例如可以部署在边缘计算设备上的神经形态硬件。这些解决方案正在加大人工智能和机器学习的计算和工作量，并减少对需要高带宽的集中式系统的依赖。它导致更具可扩展性的人工智能解决方案具有更高的业务影响。

2.仪表板的修改版本

根据Gartner公司对于2025年的预测，数据故事(而不是仪表板)将成为使用数据分析方法的一种主要的方法，它将取代可视化、点击创建和探索。该公司研究人员还指出，其中三分之一的数据故事将使用增强分析技术自动生成。

通常情况下，用户在仪表板中必须通过大量人工工作才能深入了解。而向场景的数据故事的转变意味着相关的洞察力将根据用户的场景、角色或用途提供给每个用户。这些动态洞察力利用了自然语言处理(NLP)、增强分析、流异常检测和协作等技术。用户使用预定义的仪表板所花费的时间将会自动减少。

​​

3.决策建模将提高决策智能的能力

到2023年，将近33%的企业将让数据分析师通过决策模型来实践决策智能，包括决策管理和决策支持在内的多个学科在称为决策智能的线程中结合在一起。而Gartner公司将决策智能描述为一个涵盖复杂自适应系统领域的应用。多种传统技术(如基于规则的方法)和高级学科(如人工智能和机器学习)与这些复杂的自适应系统结合在一起。

使用决策智能框架，数据分析领导者可以在业务结果和行为的场景中设计、组合、建模、调整、执行、监控以及调整决策模型和流程。

4.X分析

X分析是Gartner公司创造的一个术语，其中“X”表示一系列结构化和非结构化内容的数据变量，例如文本分析、视频分析、音频分析等。分析领导者使用X分析来解决复杂的问题，其中包括气候变化、疾病预防以及野生动植物保护等。

​​

Gartner公司的研究人员指出，人工智能目前在视频、音频、振动、文本、情感和其他内容分析方面的工作非常出色。而到2025年，75%的财富500强公司将实现大规模创新和转型。研究人员表示，X分析在未来将与人工智能和其他技术(如图形分析)相结合，将在识别、预测、规划自然灾害和其他危机和机遇方面发挥关键作用。Sallam表示，人工智能技术及其在云计算中的应用正在走向成熟，以扩大X分析的应用范围和影响。

5.增强数据管理

很多企业现在正在利用机器学习、数据结构和活动元数据来动态连接、优化和自动化数据管理过程，到2023年，这将使数据交付时间减少30%。

增强的数据管理可以借助机器学习和人工智能技术来转换元数据，从用于审计、沿袭和报告到为动态系统提供动力。此外，该产品可以检查大量的运营数据样本，其中包括实际查询、性能数据和架构。

考虑到上述事实，数据分析领域的领导者专注于增强的数据管理，以使活动元数据能够简化和整合其架构，并提高冗余数据管理任务的自动化程度。

6. 更好的云计算技术平台

预计2019年至2023年，企业采用的人工智能应用将增长5倍，使人工智能成为最大的工作量类别之一。公共云服务市场对90%的数据分析的创新至关重要。这一趋势早在冠状病毒疫情发生之前就开始了，但疫情对企业的影响无疑加速了这一趋势。企业在云平台进行的数据分析工作越多，采用的计算资源就越多。而从企业的角度来看，采用新的云栈，领导者可以更快更好地管理他们的工作。

​​

与此同时，数据和分析领导者仍在努力使正确的服务与正确的用例保持一致，这有时会导致不必要的治理以及成本的增加。

因此，企业数据和分析主管应优先考虑可以利用云计算功能的工作负载，并在迁移到云平台时将重点放在成本优化和其他好处上(如变更和加速创新)。

7.数据与分析趋势之间的冲突

Gartner公司预测，在不久的将来，将近95%的财富500强公司将分析治理整合到更广泛的数据和分析治理计划中。数据分析功能是不同的功能，并进行相应管理。供应商正在提供端到端的工作流程，这些工作流程通过增强的分析趋势来实现，这些趋势模糊了曾经独立的市场之间的差异。

这种冲突会导致数据和分析的分离角色之间发生交互和协作。它不仅会影响所提供的技术和能力，还会影响支持和使用这些技术和能力的人员和流程。

但是现在，如何将这种冲突转化为建设性的融合，将先进的数据分析工具和功能整合到分析堆栈中，这取决于领导者和分析服务提供商。与此同时，他们需要关注人员和流程，以促进沟通和协作。

8.区块链的实际意义

Gartner公司研究人员表示，区块链技术解决了数据分析的两个挑战：

• 资产和交易的全部谱系。
• 参与者复杂网络的透明度。

区块链并没有比其他数据源受到更多的保护。在数据和分析领域中，它将用于垂直特定的、业务驱动的计划，例如智能合约。Gartner公司的研究人员预测，到2021年，大部分区块链用途将被分类账DBMS产品取代。

9.数据市场和交易所

到2022年，35%的大型企业将通过正式的在线数据市场成为数据的买家或卖家，高于2020年的25%。这些市场和交易所提供单一平台来整合第三方产品。此外，这些支持集中的可用性和访问，以创建规模经济，从而降低第三方数据的成本。

​​

与此同时，市场领导者应通过定义数据治理原则建立一种公平透明的方法，通过数据市场将数据资产货币化。

10.数据基础与分析价值之间的关系

到2023年，全球30%的企业将利用图形技术促进决策的快速场景化。图形分析是一组分析技术，用于探索感兴趣的实体(如企业、人员、交易)之间的关系。

在发生冠状病毒疫情之后，很多企业使用图形分析来应对当前和未来的危机。机器学习算法和新的分析趋势已经帮助医疗和公共卫生专家迅速发现了新疗法。

数据和分析领导者考虑研究图形算法和技术如何改善人工智能和机器学习计划，并评估将图形分析纳入其分析产品组合和应用程序的新机会，以发现隐藏的模式和关系。

分析是业务的内在本质，它不断发展并带来更好的未来。数据分析的未来趋势将在企业业务的变革中发挥主导作用。现在的问题可能是，企业如何调整这些数据分析趋势以确保成功。分析服务提供商通过智能驱动的决策策略简化了这种情况，他们应用分析愿景和架构来优化业务绩效，并应用决策支持系统来增强企业决策。现在是为企业的业务决定最佳的分析方法的时候了，并在竞争激烈的行业市场中获得优势地位。

原文Top 10 Data Analytics Trends That Will Boom Your Business，作者：Chris Roy

【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】