2018 商业智能 10 大趋势报告 (上)


导言
如今,商业智能解决方案的发展和演变非常迅速,因此今天适用的方案可能明天就需要调整。从自然语言处理到数据保险的崛起,此篇文章为 Tableau 定义的 2018 年可能最具影响力的 10 大趋势。无论您是数据达人还是 IT 高手,又或是正在建立商业智能系统的高管,这些趋势都能帮助您确定战略优先级,让您的组织更上一层楼。

1、AI 助力分析师
1.png
2.png
假设需要快速查看价格变化对给定产品带来的影响。为此,您需要对数据运行线性回归运算。在 Excel、R 或 Tableau 问世之前,您不得不手动执行所有运算,整个过程需要花费数小时之久。得益于机器学习,您现在可以在几分钟甚至几秒钟内看到产品的消费情况。作为分析师,您无需进行如此繁重的工作,您可以继续研究后续问题 - 高消费量的月份是因外在因素(例如假期)造成的吗?是新产品造成的吗?还是因为新闻报导影响了产品购买或产品认知?

机器学习可以从两方面帮助分析师。第一方面是效率。在上述示例中,分析师没有将宝贵的时间花费在基础数学运算上。他现在有更多的时间来考虑业务影响和后续的逻辑步骤。第二方面,它可以帮助分析师开拓并继续使用其数据分析流程,因为他们不用再停下来处理数字,而是可以继续提出下一个问题。

虽然有人担忧我们可能会被机器学习所取代,但机器学习实际上对分析师们大有裨益,能使他们更高效、更准确、对业务更具影响力。不要害怕机器学习技术,而应该积极迎接它所带来的机会。

2、语言艺术影响
3.png
4.png
语言艺术专业毕业生正以比技术专业毕业生快 10% 的速度加入技术领域劳动力。(LinkedIn)

财富 500 强企业的 CEO 有 1/3 拥有语言艺术学位。(Fast Company)

随着技术平台变得越来越易于使用,人们对技术专长的重视程度有所降低。每个人都可以轻松处理数据,无需曾经要求的高深技术技能。拥有更广泛技能的人员(包括人文学者)在缺少数据工作者的行业和组织中汇集,并形成影响力。随着更多的组织将数据分析作为业务重点,雇佣新一代的数据工作者已成为大势所趋。我们还注意到,一些技术型公司由有着人文学科教育背景的创始人领导或深受其影响。这包括 Slack、LinkedIn、PayPal、Pinterest 和其他几家高绩效技术公司的创始人和高管。

随着分析发展过程中的人文成分增多,科学成分减少,分析的重点已经从简单的数据传递转变为精心制作数据驱动型故事,这些故事将无一例外地帮助制定决策。组织以前所未有的规模积极接纳数据,这种顺势而为意味着要更加强调讲述故事和表述数据。

将人文学科引入技术主导型公司的一个强有力的例子来自 Scott Hartley 的最新著作《模糊性与技术专家》(the Fuzzy and the Techie)。Nissan 聘请人类学博士 Melissa Cefkin 领导公司对人机交互的研究,特别是无人驾驶汽车与人类之间的交互。目前,无人驾驶车辆技术取得了较大的进展,但在混合人机环境时仍面临着重重障碍。以十字路口停车为例,人类通常会根据实际情况进行分析判断,这种能力几乎无法传授给机器。为了帮助应对这种情况,Cefkin 的任务是利用她的人类学背景知识来识别人类行为的模式,从而更好地向这些无人驾驶汽车传授人类遵循的模式,同时也将这些模式传达给乘车人。

3、自然语言处理NLP 的前景
5.png
6.png
到 2019 年,日常工作涉及使用企业应用程序的工作者中,75% 可以得到智能个性化协助来增补其技能和专业知识。(IDC)

到 2021 年,50% 以上的企业每年在机器人与聊天机器人上的投入将超过传统移动应用开发。(Gartner)

随着开发人员和工程师不断完善自身对 NLP 的理解,将 NLP 整合到尚未实现的领域的情况也会增长。人们期望可以与自己的软件谈话并且软件能够明白该做什么。同样的概念也被应用于数据,因而每个人都能更容易地提出问题并分析自己现有的数据。

同时,开发人员和工程师将在学习和了解人们如何使用 NLP 方面取得长足的进步。他们将研究人们如何提出问题,包括从即时满足(“哪个产品销量最好?”)到探索(“我不知道我的数据可以告诉我什么 - 我的部门表现如何?”)方面的问题。如果最终用户在使用移动设备,那么他们更有可能提出需要即时满足的问题,而如果他们坐在办公桌后查看仪表板,则他们可能正在探索和研究更深层次的问题。

4、数据保险

对于许多公司来说,数据是关键的业务资产。但是如何衡量这些数据的价值呢?数据丢失或被盗时会发生什么?Ponemon Institute 于 2017 年的一项研究表明,数据泄露的平均总成本预计为 362 万美元。

对于金融机构而言,保单是一项明显的需求。但是,这一趋势将扩大到其他行业,因为没有人能够免受数据泄露的威胁。网络安全保险市场是应对数据泄露而迅速发展壮大的行业之一。该行业的年度同比增长率为 30%,预计到 2020 年,行业的年度总签单保费收入将达到 56 亿美元。(AON)

5、数据工程师的作用日益显著
7.png
8.png
Gartner 2016 年的一项研究发现,由于数据质量差,受访组织平均每年将损失 970 万美元。

数据科学家和分析师可能有多达 80% 的时间花在清理和准备数据上。(TechRepublic)

在组织使用数据来做出更好的业务决策的过程中,数据工程师仍将是不可或缺的一部分。2013 至 2015 年间,数据工程师的数量增加了一倍以上。截至 2017 年 10 月,LinkedIn 招聘信息中有超过 2500 个“数据工程师”的空缺职位,反映出该专业的增长和持续需求。

那么这个角色的职责是什么,又为何如此重要?数据工程师负责设计、构建和管理企业的运营和分析数据库。换而言之,他们负责以一种可用于提供见解和决策的方式,从业务的基础系统中提取数据。随着数据速率和存储容量的增长,既掌握不同系统、架构的深厚技术知识,又了解业务需求的人员开始变得越来越重要。同时,数据工程师一职需要独特的技能组合。他们需要了解数据中隐藏的信息,了解数据如何为业务用户所用。数据工程师还需要开发技术解决方案,让数据易于使用。

1 个评论

要回复文章请先登录注册

返回顶部