2020年的四种主要数据分析趋势

Thor Olavsrud

数据分析是一个不断发展的领域。随着企业继续大力投资于分析技术，以支持数字化转型，掌握最新趋势对于保证企业采用成功的分析战略和策略至关重要。

据IDG的《2020年首席信息官现状报告》，37%的IT领导们表示，数据/业务分析将成为他们企业今年最大的IT投资。这比任何其他项目都要多，还有排名第二的安全/风险管理，34%的受访者认为这也是最大的IT投资。此外，报告称，无论行业或者企业的规模如何，IT部门最有可能承担满足数据和分析的需求。

2020年，当IT领导们把注意力集中在数据分析上时，他们首先应关注以下四个密切相关的趋势。

数据战略就是业务战略

过去几年的“大数据”思维正被数据战略所取代，这些数据战略考虑到了影响业务的各种规模和类型的数据。

CompTIA公司技术分析高级主管Seth Robinson指出：“在过去一年左右的时间里，对大数据的热情已经开始消退了。我认为消退的主要原因是，它只是一种总体数据战略。”

Forrester副总裁兼首席分析师Brian Hopkins补充道：“大数据已经走出了低谷。现在已没人在乎这个词了。”

与Robinson一样，Hopkins认为，随着企业将数据战略与数字化转型紧密结合，他们现在把大数据视为只是数据堆栈的另一个元素。Hopkins说，随着企业寻求利用数据驱动的人工智能应用，特别是在客户体验方面，关键在于“正确获取数据”。要做到这一点，首席信息官必须处理源数据，以便数据科学家在数据准备、数据清理和数据合理化方面花费更少的时间，而把更多的时间用于采用干净的数据构建模型。

然而，如果不打通IT的外部关系，大部分首席信息官都没有权力改变业务流程。

Hopkins说：“我们看到的问题是，首席信息官的数据战略涉及很多业务层面的变化、业务流程的变化和IT之外的新组织结构，这些因素用于做出有关数据定义的决策以及有关优先级的决策，还用于执行数据隐私政策，以及首席信息官无法控制且有一定成本的工作。”

Hopkins说，流程变革、应用变革、组织变革管理和激励变革等都要求重新审视数据战略。

Hopkins说：“必须想办法让业务经理关心数据，关心自己的数据能有多少会被其他业务部门所使用。这不是大多数首席信息官都能轻易改变的事情。”

首席信息官将不得不思考怎样才能更好地适应这些改变。这可能涉及寻求更大的变革权力或者与业务部门和运维职能部门的合作。

企业必须使数据管理现代化

对于想利用数据来推动决策的企业，考虑到他们的总体数据战略，感受到了使其数据架构现代化的压力。

当企业想在生产中发挥数据优势时，很多企业发现他们没有合适的基础。

Robinson说：“四五年前，当我们研究大数据时，我们发现，很多企业开始并没有良好的数据管理实践，而这是为大数据打下基础所必须的。现在，我认为企业正在建立这些实践。他们试图将其整合为一种现代化的数据方法，我认为这一切都融合在了一起。”

德勤咨询公司（Deloitte Consulting）新兴技术研究总监、常务董事、政府和公共服务首席技术官Scott Buchholz认为，这一推动分析业务现代化的举措应被理解为数据管理既有周期的一部分。

Robinson认为，今年企业将通过关注数据的收集和存储方式回归基础。

他说：“无论我们使用‘数据湖这个词还是其他什么，我认为企业都想在针对各个业务部门进行数据分解供其使用之前，能够综合全面地掌握其数据。我认为，他们想知道所有数据是怎样通过传统方式或者社交媒体或者物联网设备进入到企业中的。”

Robinson说，向5G无线网络的发展会带来更大的压力，因为5G意味着更大的数据管道和更多的数据。

他说：“解决这个问题宜早不宜迟：数据怎样以最好的方式流动到某个地方，在这里，所有的数据都被汇集在一起，进行处理。”

机器学习重塑仪表盘

过去一年，在分析和业务智能领域发生了大规模收购，Salesforce以157亿美元收购了分析平台Tableau，谷歌以26亿美元收购了数据探索和发现业务智能平台Looker公司。这些备受瞩目的对领先自助服务业务智能平台的收购突显了支持业务用户从企业数据中获得深度分析结果的价值所在。

Gartner业务分析部门研究副总裁Rita Sallam说：“通常，当整合发生时，这代表着某种技术创新的市场成熟。在这个例子中，就是分析和业务智能市场，尤其是Tableau、Qlik和Tibco Spotfire等供应商推广的基于视觉的探索模式。”

Sallam预计，随着企业想利用机器学习来自动化与分析相关的很多任务（包括数据准备和深度分析发现），在这方面就会越来越成熟。我们的目标是让分析部门以外的广大用户都能够获得数据深度分析结果。Sallam说，推动这种自动化是行业整合的一个关键因素，而Gartner预计这将在两到五年内成为主流。

Sallam说：“我们相信这一趋势将持续加速到2020年，甚至可能延续到2020年以后，引入新的用户体验，甚至有可能取代仪表盘体验。这种用户体验将是一种更加动态的体验，在这种体验中，根据用户的上下文环境为用户生成深度分析。它将变得更容易进行对话，用户随后可以使用自然语言与这些深度分析结果进行互动——既可以提出问题，也可以向用户解释自动生成的深度分析結果，并将其嵌入到协作工具中。”

因此，用戶将减少对带有预定义KPI仪表盘的依赖，从而实现更加动态和更容易对话的功能。

首席信息官重视“伦理技术”和信任

随着企业越来越多地利用客户数据来推动决策，他们不再认为客户信任仅仅是一个合规或者公共关系问题。德勤的Buchholz表示，2020年，与数据实践相关的客户信任将成为一项关键业务目标。在使用客户数据时，必须全面考虑信任问题，这涵盖了企业的技术、流程和人员。

对首席信息官来说，这意味着重视“伦理技术”，并创建一套工具，帮助企业中的人员在做出决策时认识到伦理困境——特别是考虑到新兴的颠覆性技术的作用。

Buchholz说：“30年前，我们所有的信息都储存在马尼拉的文件夹里，不过是放在那里而已。今天，我们有能力收集数据、分析数据、处理数据、大规模利用数据，以至于有些企业比我们自己更了解我们和我们的行为。我认为，这实际上开始在信任方面造成危机。”

Buchholz补充说，人们不知道收集和分析数据的企业是不是出于最大利益考虑而这样做。

伦理技术是解决这些信任问题的一种尝试。它可能采取可解释的机器学习算法的形式，以便个人能更好地理解这些算法之间的关联。或者，它可以实现更好的数据匿名性和数据屏蔽功能，以防止个人身份信息被泄露。

Buchholz说：“我们正在进行的一些工作是为了更好地控制数据访问，这样，当人们说他们想将特定信息用于特定目的时，能加强管控，确保他们不会将数据用于其他目的。”

在其他情况下，企业正在创建工具来理解数据的上下文环境及其准确性怎样随时间而变化。Buchholz介绍说，加拿大CIBC银行进行了一系列数据准确性评分，以评估其用于推动决策的数据元素。

Buchholz说：“他们举的一个例子是，在你想申请抵押贷款的这几天里，你的申请信息会受到关注。但过了这段时间，利用这些信息做出决定的有效性可能就会降低。”

Thor Olavsrud为CIO.com撰写数据分析、业务智能和数据科学等领域的文章。

原文网址

https：//www.cio.com/article/3251720/4-data-analytics-trends-that-will-dominate-2018.html？upd=1583455405716