最全!2019年数据分析与商业智能趋势前瞻

本篇文章汇总了国外2018年商业智能领域多份权威报告,将普遍受到认同的核心观点进行梳理,包含AI、移动BI、自助式BI、云部署、数据治理、增强型BI等多个方向,力求为读者呈现清晰的2019年商业智能蓝图。

本篇文章汇总了国外2018年商业智能领域多份权威报告,将普遍受到认同的核心观点进行梳理,包含AI、移动BI、自助式BI、云部署、数据治理、增强型BI等多个方向,力求为读者呈现清晰的2019年商业智能蓝图。

2019年,商业智能(BI)解决方案的核心竞争力,仍将取决于其是否具备使手动工作量降到最低的高级分析功能。《商业应用研究中心(BARC)2018商业智能调查》显示,全球BI服务市场预计将发生重大的技术变革。BI用户在2019年可以期待的主要技术举措是云BI部署,移动BI,机器学习和由深度学习支持的智能分析,以及严格的数据隐私和安全法规。

 AI技术对商业智能的影响

随着人工智能(AI)和机器学习(ML)技术不断地改变业务形态,企业将越来越依赖于BI系统强大的自动化数据分析功能。就业务分析和商业智能而言,人工智能的研究已经达到了某种程度的成熟,大规模的机器学习(ML)应用和小规模的深度学习(DL)应用已经开始进入市场。2019年,用户将首次切实感受到这种高级分析成为主流趋势。

一份信息管理的幻灯片——《高级分析和BI趋势10大预测》,证实了Gartner的分析师道格拉斯·莱尼(《2022年100个数据分析预测》的作者)等人认为的:“数据分析能力拥有改变当今商业游戏规则的力量”。

在该份报告中,作者试图表明,即使是高度主观的商业决策,如人才选择或品牌推广活动等,现在也需要完全由数据和洞察驱动。此外,早期的数据驱动分析(如风险分析)正进化得越来越精妙,且越来越适应用户需求。

 2018商业智能主要趋势的快速总结

《2018年商业智能数据分析趋势》列出了今年商业智能领域取得的主要里程碑,并表明其中的许多趋势将在2019年得以继续:

◎ 物联网驱动的数据分析提高了从城市规划到零售等各个行业的运营效率。物联网数据管道也为高级业务分析提供了巨大的推动力。

◎ 大多数BI解决方案供应商都提供数据可视化和自助服务功能,这是现代BI系统的标志。这些功能使企业组织中的传统数据科学活动更加贴近大众化。

最后,商业智能数据分析突然兴起,被广泛应用于各种业态和规模的企业中,可以直接归因于廉价存储,海量数据的易用性以及物联网设备。《2018大数据趋势》证实,大数据分析爆炸性增长背后的主要原因之一是有云存储解决方案作为基础。

 2019年BI系统需要关注的主要趋势

《未来一年BI解决方案的可见性趋势列表》年终出炉。或许所有企业使用者在他们偏爱的BI平台上渴求改进的全新功能,都可以在来年有如下预期:

  • 首席数据官:探究2018年及未来的6大商业智能发展趋势,我们将发现,到2019年底,90%的大企业都将拥有首席数据官,这个人将在推动企业的数据分析文化中发挥关键作用。
  • 自助服务: Gartner认为,到2019年,用户采用自助分析进行的数据科学活动,将比数据科学家产出更多的业务分析价值。
  • 新的数据治理举措:2017年数据泄露事件频繁发生,使得更严格的DG政策和法规成为必要。缺乏数据保护将为企业带来巨大损害,因此,通过遵守通用数据保护法规(GDPR)等法规实现数据治理,将是BI解决方案供应商在2019年的首要任务。
  • 专注于主数据和数据质量:数据质量为BI的成功操作提供了重要基础,因此BI解决方案供应商专注于提供增强功能来管理其系统上的主数据和数据质量。2019年,客户将能够从包含主数据的单个统一数据库(而不是多个断开连接的数据库)监控和管理数据质量。
  • 迁移上云: Gartner预测,到2021年,大多数企业都会将其数据活动的重要部分(包括高级分析)迁移到云端,这种趋势正在逐步展开。观远数据目前支持云部署模式,为企业降低了内部基础设计拥有和维护成本。在2019年,用户当然可以期待更多的云应用。
  • 自助式BI:自助式BI的目标是实现数据应用的大众化,并确保业务分析能真正实现为企业基层人员带来增益。在观远智能BI平台中,无论用户处于什么职位,他们都可以直接访问并借助这个工具创建所需报告,希望这一趋势也能够减轻内部IT人员的负担。
  • 增强型BI:自助式BI平台的普遍使用,让用户可以在2019年进一步使用增强性的分析工具。比如观远数据借助人工智能机器学习带来更为先进的生产力,从而极大程度改善用户体验。得益于这些先进的BI工具,由于数据科学家数量短缺带来的影响也变得不那么明显了。
  • 高级数据发现工具:高管们时常发现,完全依赖富有经验的数据科学家来处理日常业务显然不太现实。幸运的是,具有高级数据发现和可视化功能的新BI系统将消除在匆忙的决策会议期间需要数据科学家的窘迫状况。2019年,这个功能将会从在公司董事会内部迅速发展的趋势继续扩展到下属各个管理层。

《2019年最佳商业智能趋势》与上述关于即将到来的BI趋势的主张大体一致。该报告指出,数据发现,自助服务,数据治理和数据质量都是高度相关的,2019BI平台的这些主要目标只能通过适当的资金投入和资源开发来实现。

伴随着这些趋势,获得高票的另一个趋势是数据集成数据分析和数据可视化的自主性。令人惊讶的是,尽管有一些解决方案供应商正准备在其BI平台上使用增强型的大数据分析工,但该报告反映了2019年大数据分析的表现可能并不会像想象中那么突出,

 2019年及未来的商业智能

商业智能的未来》对2019年及以后的商业智能世界即将发生的事情进行评估 - 从趋势、技术到企业采用先进的BI平台,减少了对数据科学家的需求 - 整理了一些即将超越BI生态系统的重大未来事件预测:

◎ 各组织的BI预算每年都在增加。

◎ 像自动化分析等技术进步对商业智能的未来产生了积极的影响。

◎ 到2021年,75%的预建报告将被具有直观报告功能的自动化洞察力所取代。

◎ 据Gartner称,到2023年,深度学习将接替机器学习,成为数据应用的首选解决方案。

◎ Gartner还预测到2024年,企业运用数据科学和先进的人工智能技术将不再需要借助数据科学家。

◎ 云优先战略可能最适合数据分析商业智能

◎ EdgeComputing (边缘计算)和NLP(对人类主观经验的研究)可能会改变未来的商业智能体系。

正如专家指出的那样,商业智能的未来是光明的,这些不断发展的趋势都在帮助我们清晰预览未来的商业智能世界。根据《高级分析:探索一些变革性的未来趋势》,更多政府也将在其管理系统中采用大数据分析

最后也是最重要的

关于BI未来趋势的讨论很难绕过“个性化交互”这个话题,在当前背景下,我们至少可以清楚看到两种类型的个性化交互:

1. BI设备与用户之间的直观交互,使用户体验更加个性化。

2. 实时位置分析促进客户互动。据Gartner称,到2022年,30%的客户互动将受到实时位置分析的影响。

观远数据提供新一代数据分析与商业智能(BI)解决方案,助力企业构建“决策大脑”。业内首次提出“从基础分析到智能决策”的方法论—5A落地路径,已服务中国银行、联合利华、百威等世界500强企业。关注我们,让观远数据成为您的“专属数据顾问”!

产业大数据科技趋势
2
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

边缘计算技术

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

大数据技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

物联网技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

数据集成技术

数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中,从而为企业提供全面的数据共享。在企业数据集成领域,已经有了很多成熟的框架可以利用。目前通常采用联邦式、基于中间件模型和数据仓库等方法来构造集成的系统,这些技术在不同的着重点和应用上解决数据共享和为企业提供决策支持。

推荐文章