2018 年 5 个重要的商业智能趋势
已发表: 2022-05-07随着 2017 年的结束，各地的企业主都在寻找商业智能中的“下一件大事”，以帮助他们在 2018 年击败竞争对手。
在接下来的一年里，将会有新技术可以提供更好和更快的数据洞察力，旧的 BI 工具的新用途，以及对各地数据处理者的分析策略的转变。
您想了解商业智能世界中的新事物、发展中的事物和旧事物吗？ 看看我们在下面重点介绍的 2018 年的五个商业智能趋势。
1. 增强分析的兴起
它是什么？
想象一下，能够向您的数据分析软件提交口头查询，不仅可以获取相关数据，还可以获取有价值的、改变策略的建议。
增强分析是多个数据过程的组合，最终可以为您提供简单、可操作、数据驱动的答案。
这些过程包括：
- 增强数据准备
- 增强数据发现（以前的智能数据发现）*
- 增强数据科学和机器学习
*研究仅适用于 Gartner 客户
为什么这有关系？
根据 Gartner 的副总裁 David Cleary 的说法，“增强分析是一个特别具有战略意义的增长领域，它使用机器学习为广泛的业务用户、运营人员和公民数据科学家自动化数据准备、洞察发现和洞察共享。”
增强分析为您的分析团队提供了时间的礼物。 通过使用机器学习和自然语言处理介导的分析，可以显着减少传统上的资源消耗和时间密集型分析。
观察公民数据科学家使用增强分析以前所未有的速度得出结论的大型数据集。 如果您想保持竞争力，您需要比竞争对手更快地利用您的数据，而增强分析将成为您执行此操作所需的工具。 询问您当前的 BI 软件提供商他们将如何处理增强分析，如果他们没有答案，可能是时候转换了。
2.人工智能使用猛增
它是什么？
不，我们不是在谈论一个无所不知的机器人，它可以告诉你生活中所有最紧迫问题的答案。
人工智能 (AI) 已经存在了一段时间，最近已成为人们在商务会议中抛出的流行语。
对于商业智能，人工智能意味着一系列狭义的计算机流程，这些流程有助于在考虑特定任务的情况下增强数据。 人工智能与机器人有些错误地联系在一起，它提供了一种学习机器，它（希望）像人类一样思考，这有助于解开一些业务数据的奥秘。
为什么这有关系？
您的竞争对手已经在研究 AI 并将其应用到他们的分析程序中。
Gartner 的 Cleary 表示：“Gartner 最近的一项调查显示，59% 的组织仍在收集信息以构建其 AI 战略，而其余的组织已经在试点或采用 AI 解决方案方面取得了进展。”
首先，所有企业规模对人工智能技术的采用都有所增加。 其次，App/AI 集成数量的增加使解决 BI 问题变得更加容易。
3. 多云，少危险
它是什么？
到目前为止，科技行业的任何人都应该知道“云”——它指的是存储在其他人服务器上的数据。
为什么这有关系？
多年来，考虑到异地云存储带来的潜在网络安全风险，使用云一直是商业智能专家担忧的根源。 好消息是，我们将在 2018 年看到对典型云架构的一些修改，这些修改将通过提供现场和非现场数据存储来减少网络安全风险。 您可以选择将哪些数据放入云中，以及哪些专有或敏感数据要保留在公司的服务器上。
实施云数据存储的另一个好处是速度、可扩展性和灵活性的提高。 随着云成为一种更可行的存储大型专有数据集的方法，商业智能专家将能够以更快的速度提供精明的商业策略。
混合云架构的广泛采用提供了两全其美的优势：一些数据在云中，一些数据直接存储在您的现场服务器中。 这使您可以将专有数据保留在内部，同时让您能够使用云来完成日常数据任务。
4.更多的数据可视化功能意味着正确的数据分析将比以前更重要
它是什么？
不仅仅是漂亮的图片，数据可视化是对信息的描述，可以向目标受众总结和解释复杂的数据。
为什么这有关系？
许多人可以使数据看起来不错。 很少有人能告诉你数据意味着什么。
仍然很少有人能够制作清晰简洁的可视化，从他们的数据中传达正确的信息。
“我经常看到人们接受可视化工具培训，而不是分析，”Grant Thornton LLP 首席和法医技术国家实践负责人 Johnny Lee 说。 “这导致了对基础数据的毫无根据的信任，并且相信此类数据所需的唯一'分析'就是美化它。”
考虑以下可视化：
从图中可以看出，增长率表明 X 公司实现了巨大的增长。
考虑在变化范围内呈现的增长率：
两种情况下的数据完全相同，但扭曲 y 轴可能会导致关于所呈现内容的不同结论。
2018 年，越来越多的业务工具将提供数据可视化。
为什么？ 敏锐的企业主希望轻松洞察他们的数据。
不要让数据可视化功能的存在欺骗您。 漂亮的图表不能代替对硬数据的精明分析。
尽管如此，并不是所有的数据可视化都是不好的。 在最近的一次讲座中，耶鲁大学名誉教授、数据可视化领域的先驱 Edward Tufte 总结了创建良好数据可视化的方法； “尽一切努力传达你的信息。”这意味着要避开平淡无奇的条形图、折线图和邪恶的饼图，而不是创建不仅向观众传达正确信息而且让他们能够也与您互动。对于 BI 软件用户，查看图形和图表真正告诉您的数据是很重要的。 不要被漂亮的图片所迷惑。
5. 现代和可访问的商业智能
它是什么？
当您想到商业智能时，您是否设想过一群数据科学家、SQL 专家和系统分析师坐在他们的小隔间里敲打数据以提交？
在 2018 年（及以后）完全摆脱这种可视化，因为商业智能变得高度自动化，因此更容易被公民数据科学家使用。
现代商业智能意味着更少的专业化、更多的自动化，以及对整体数据分析的免费方法。
为什么这有关系？
现代商业智能将创建简化的自动化流程，以获取商业数据的核心。 这意味着生产力的提高，随之而来的是与数据相关的操作数量的增长。
Gartner 研究副总裁 Alexander Linden 表示：“让公民数据科学家更容易使用数据科学产品将增加供应商在整个企业中的影响力，并帮助克服技能差距。” “简单的关键是重复性、手动密集型且不需要深厚的数据科学专业知识的任务的自动化。”
Gartner 预测，到 2020 年，40% 的数据科学任务将实现自动化，而在 2018 年，您可以期待看到这一趋势的开始。受人尊敬的数据科学家职位是否与现代商业智能过时了？ 到 2018 年可能不会。但是，根据 Linden 的说法，到 2020 年，“将需要更少的数据科学家来完成相同数量的工作，但每个高级数据科学项目仍将需要至少一两个数据科学家。”
数据科学家最好在简历中提高其他技能以保持相关性。
您认为 2018 年的商业智能会发生什么？
看起来 2018 年将是充满商业智能创新和进一步完善一些先前现有技术的一年。
您如何看待这些预测？ 是否有应该添加到此列表中的趋势？ 在下面的评论中让我知道，或者让我们在 Capterra 商业智能 Twitter 帐户 @CapterraBI 上进一步讨论这些趋势。