前沿 | 2018年商业智能10大趋势出炉

Posted 2021-04-20 读芯术

欢迎关注AI应用领域最专业的垂类自媒体——读芯术

---

商业智能解决方案的发展速度意味着现在的工作需要在将来进行一定的改进。从自然语言处理到数据保险的增长，有很多话题大家讨论的频次非常高。Tableau公司采访了自己的员工以及顾客，并列出了2018年的十大极具影响的趋势。不管你是一个数据处理高手，或是IT狂人，还是一个企业的高管，这些趋势都可以帮助你的企业或组织更进一步。

读芯君的小科普

Tableau是什么？

看Tableau发布的趋势，首先得了解Tableau是什么。学习数据科学的同学都知道，Tableau是BI工具，可以实现简单报表展示，但更多的是图表的可视化（当然Tableau这种自助式BI工具重在可视化分析，复杂的中国式报表还是得通过报表软件来完成）。

如果你精通Tableau确实会为你的职场通关加分不少。读芯君当初在国外找实习的时候，我说我会Tableau，面试官请我谈谈Tableau是什么，读芯君当即展示了一下我用Tableau做的Dashboard，然后就顺利到这家公司去实习了。

Tableau Desktop的资格证有两个，一个是Associate，一个是Professional。不过，Tableau在国外真的很主流吗？其实读芯君并不这样认为。至少我在美国上学找工作期间它都不是重点，而现在国内也有不少公司在用Tableau。

更何况，数据分析是一种综合技能，软件、编程语言只是工具，每个企业因历史原因常用的软件可能都不大一样，入职后软件可能也会随着技术的更新而改变，因此如果你真的具备不错的数据分析数据挖掘的能力，任何一个有慧眼的企业都不会因为常用的语言不同而把你拒之门外。

接下来我们看看Tableau 发布的2018年将要谈论的10个极具影响的趋势有哪些？

一、不要害怕人工智能

IDC：到 2020 年，AI 和机器学习带来的收入总计将达到 460 亿美元。    
Gartner：2020 年，AI 将创造 230 万个工作岗位，同时淘汰 180 万个工作岗位，总体而言将促进就业。

当研究和技术不断进步的时候，机器学习正迅速成为分析师的宝贵资源，成为分析师的终极助手。想象一下，当你需要快速的查看价格变化对给定产品的影响。为此，您将对数据进行线性回归。在Excel、R或Tableau之前，您必须手动完成这些操作，而且这个过程可能需要几个小时。多亏了机器学习，你现在可以在几分钟内看到产品的购买量。作为一名分析师，你不需要做那些繁重的工作，你可以用这个时间去思考别的问题，比如目前的高销售量是否是因为一些外部因素，比如节假日？是否有新的产品发售？是否有影响产品购买或意识的新闻报道?你完全没有必要再花更多的时间去思考如何来完善你的回归模型。

机器学习有两个方面方法可以帮助分析人员。首先是效率。通过上面的例子，分析人员不会把宝贵的时间花在基础数学上。现在，分析师有更多的时间考虑业务和下一个步的计划。其次，它帮助分析人员探索并停留在他们的数据分析的这个过程当中，因为他们不再需要处理数据本身。相反，分析师有了更多的时间去思考别的问题。机器学习可以帮助工程师在需要帮助的情况下更好的查看问题的关键。

机器学习对分析师的潜在帮助是不可否认的，认识到它并且接受它是至关重要的。虽然人们可能会担心被取代，机器学习实际上会对分析师进行增压，使他们更有效率、更精确，对企业更有影响力。与其害怕机器学习技术，不如接受它所带来的机遇。

二、文科艺术的影响

LinkedIn: 文科毕业生比起工科毕业生加入技术公司的速度要快10%。
Fast Company: 财富500强CEO有三分之一都有文科学位。

我们很熟悉文化和思想对数据分析行业的影响。更有趣的是去了解，技术层面的业务是如何被一群会讲故事的文科背景的人来接管的。各组织现在非常重视那些可以利用数据和自己的见解来影响和推动企业变化的员工。他们靠的更多是人文科学的方法，而不仅仅只是掌握分析本身。

我们发现一些以技术为基础的公司受到文科教育背景领导者的管理影响。这包括Slack、LinkedIn、PayPal、Pinterest和其他几家表现出色的科技公司的创始人和高管。

在Scott Hartley最近的著作《模糊与技术》中，一个强有力的例子将文科艺术引入了一个以科技为主导的公司。尼桑雇佣了一位人类学博士Melissa Cefkin来领导公司对人机交互的研究，特别是自动驾驶汽车与人类之间的互动。自动驾驶汽车背后的技术已经走了很长一段路，但当混合的人机环境依然存在时，仍然面临着障碍。以十字路口停车为例，人类通常会根据个案来分析情况，几乎不可能把这个过程教给机器。为了帮助解决这个问题，Cefkin的任务是利用她的人类学背景来确定人类行为的模式，这可以更好地把这个人类遵循的模式去教给这些自动驾驶汽车。

因为分析技术发展越来越多的偏向于文科而更少的偏向于科学，关注的焦点已经从简单的传递数据到制作一些由数据驱动的内容，这些内容将不可避免地导致人们进行决策。公司正在以比以往更大的规模接受数据，自然发展意味着更多的重点被放在塑造内容和塑造数据上。

三、自然语言处理的前景

IDC: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。    
Gartner: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。    

2018年人们将会看到自然语言处理(NLP)变得流行、复杂和无所不在。随着开发人员和工程师继续改进他们对NLP的理解，将其集成到未实现的领域也会增长。亚马逊Alexa、谷歌Home和Microsoft Cortana的受欢迎程度不断提高，人们期望他们能够和自己的软件进行交流，并且这些软件能理解该怎么做。例如，通过在你做饭的时候陈述一个命令，“Alexa，播放披头士黄色潜水艇那首歌”，它就会在你的厨房里播放。

Gartner预测，到2020年，50%的分析性查询将通过搜索、NLP或语音生成。这意味着，对于首席执行官来说，在他们四处奔走的时候可以很简单的让他的手机来告诉他 “在纽约购买订书钉的客户的购买量，”然后过滤掉“在过去的30天内的订单”，然后进行分类。或者，你的孩子的学校校长可以问他的手机:“今年学生的平均分是多少，”然后对“八年级的学生”和“老师的科目”进行筛选。“NLP将使人们能够更细致地去询问数据，并得到相关的答案，从而更好地了解日常的见解和决策。”

同时，开发人员和工程师将在学习和理解人们如何使用NLP方面取得巨大进展。他们将研究人们应该如何提问，从即时满足(“哪个产品拥有最多的销售额?”)到探索(“我不知道我的数据可以告诉我什么——我的部门做得怎么样?”)。这种行为与被问到问题的内容相关性很大。如果终端用户是在他们的手机上使用，他们更有可能提出一个可以即时满足的问题，然而，如果他们坐在一张桌子旁，看着操控台，他们可能会探索和研究一个更深层次的问题。

最大的分析成果将来自于理解NLP所能增强的各种工作流。过于含糊是一个难题，理解工作流变得比特定问题的输入更重要。正确的发展不是在任何情况下都去使用NLP，而是让它在正确的工作流中被使用，从而让使用它成为人的后天习惯。

四、关于多云计算的争论

Gartner：到2019年70%的企业将采用多云战略。
Forbes：74% 的科技企业CFO认为，2017 年对其公司带来可衡量影响最大的是云计算。

根据Gartner最近的一项研究，“到2019年，多云策略将成为70%的企业的共同战略，而现在只有不到10%。”客户也变得更加敏感，担心自己局限于单一旧版软件解决方案中，无法满足未来的需求。

评估和实现多云环境可以帮助你确定谁能为您的情况提供最好的性能和支持。根据《波士顿先驱报》的报道，通用电气重新调整了其云托管策略，以利用微软Azure和Amazon Web服务，目的是了解最佳执行托管环境，并了解哪些合同为客户提供了最低成本。

但是，如果没有意识到迁移环境所带来的好处和挑战，那么多云趋势就不会到来。虽然灵活性是一个优点，但是多云环境会增加成本，因为你的公司的工作负荷会被分散到多个提供商。而且，多云环境会迫使内部开发人员团队去学习多个平台，并且要在需要支持的不同环境下进行额外的管理。

此外，多云策略可能会降低公司或组织的购买力。如果一家公司将他们的采购分散在多个供应商之间，这将会导致他们失去批量购买的折扣。这就形成了一个模式，即公司在更差的价格下购买的量更少。

虽然在2018年的多云应用正在兴起，但组织必须通过细微的差别来评估他们的战略是否衡量到了每个云平台被采用的具体情况、内部使用以及工作量需求和实现的成本。

五、首席数据官的崛起

Gartner：2019年，90%的大公司会设立CDO这一职位。
到2020年，50%的引领性组织将设立CDO，这一职位有着与CIO类似的的策略影响力和职权。

从历史上看，大多数商业情报工作都被分配给首席信息官(CIO)，负责监督整个组织的标准化、整合和管理数据资产。在某些情况下，CIO和业务之间的鸿沟已经形成，源头是对数据安全性和管理的了解速度。对于越来越多的组织来说，解决方式是任命一名首席数据官(CDO)或首席分析官(CAO)来领导业务过程中出现的变化，开克服文化障碍，并在组织的各个层面数据分析的价值进行沟通。

如今，组织纷纷任命 CDO 和/或 CAO 来负责业务影响和改进成果，这一事实也体现了现代企业数据和分析的战略价值。高级主管们现在对于如何部署分析策略有了积极主动的对话。CDO 不再等待特定报告的请求，而是问：“我们如何参与或快速适应业务中的需求？”

为了最有效地在高管岗位下构建高效团队，组织正在投入更多资金和资源。据 Gartner 统计，到2020年，80%的大型企业将拥有一间CDO办公室。目前，办公室员工的平均人数为38人，但接受调查的组织中有66%的人预计办公室的预算会增加。

Tableau的市场情报总监乔希•拉图指出，CDO的角色是“结果导向”。他说，“这不仅仅是把数据放到数据库里并且去希望有人来使用它——那些数据的作用是被用来理解他们的真正用途，并确保你能从中得到价值。”这个结果导向是至关重要的，尤其是与在Gartner 2016年的CDO调查的前三个目标一致，其中包括更大的客户亲密度、竞争优势的提高以及效率的提高。这些目标为Wells Fargo、IBM、Aetna和Ancestry等公司提供了支持，旨在将其数据策略提升到下一个水平，使首席数据官将在2018年成为企业的主要角色。

六、众包管控

Collibra:45%的数据使用者称其报告基于的数据半数以上质量不够理想。    
PwC:61%的管理层人员表示，其公司的决策几乎不是数据驱动的。

现代商业情报机构已经从数据和内容的封锁发展到授权商业用户使用可信的、受控制的数据来获得真知灼见。当人们学习在更多的情况下使用数据时，企业内部对更好管理模型的投入已经成为巨大驱动力。

管理就是关于如何使用人群的智慧，去把正确的数据给正确的人，就如同它把数据从错误的人手中锁定。对于商务用户，他们需要的最后一个责任就是数据的安全性。良好的管理策略允许业务用户询问并且回答问题，同时允许他们在需要的时候找到所需的数据。

BI和分析策略将采用现代化管理模式: IT部门和数据工程师将会对可信数据源进行管理和准备，并且随着自助服务的主流化，终端用户将有足够的自由去探索可信的和安全的数据。完全由IT控制的自上向下流程将被放弃，这有利于结合IT人才和终端使用者协作开发流程。他们将一起决定最需要管理的数据并且去创建其规则和流程，这样可以使分析业务的价值最大化并且不损害其安全性。

七、数据保险

Ponemon:据估计，数据泄露的平均总成本为 362 万美元。    
Ponemon:美国只有 15%的公司拥有针对数据的保单。    

对许多公司来说，数据是一项关键的业务资产。但你如何衡量这些数据的价值呢?当数据丢失或被盗时会发生什么?就像我们看到的最近的高调数据泄露一样，对公司数据的威胁可能会造成严重后果，并可能对品牌造成不可弥补的损害。根据波耐蒙研究所2017年的一项研究，数据泄露的平均总成本为362万美元。

但公司是否在尽其所能保护和确保安全数据呢?针对数据泄露的一个快速增长的行业是网络安全保险市场。这个行业的年增长率达到了30%，到2020年，该行业的年毛收入将达到56亿美元。网络和隐私保险将为客户的个人信息被黑客泄露或窃取负责。

然而，即使在市场增长和数据泄露的持续威胁下，只有15%的美国公司有覆盖数据泄露和网络安全的保险政策。此外，当你去仔细看这被覆盖的15%的美国公司时候，你会发现大多数都来自大型的老牌金融机构。

Gartner分析师道格•兰尼(Doug Laney)最近写了一本书，名为《如何资本化、管理和衡量信息以获得竞争优势》。他给出了不同的模型，说明所有行业的公司都可以评估其数据的价值，无论是在非金融模型还是金融模型中。

数据作为商品意味着其价值只会增加，并最终就此原材料如何持续将公司推动到更高的高度和优势引发新的问题和对话。就像任何产品一样，如果这些数据可以在不用承担任何后果的情况下被偷窃，那它又有什么好处呢?

八、数据工程师的角色

Gartner:由于数据质量差，受访组织平均每年将损失 970 万美元。    
TechRepublic: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。

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。从2013年到2015年，数据工程师的数量增加了一倍多。截至2017年10月，LinkedIn上的“数据工程师”有超过2500个空缺职位，这表明对这个专业的需求正在不断增长。

那么这个角色是什么？为什么它如此重要? 数据工程师负责设计、构建和管理公司的运营以及分析数据库。换句话说，他们负责从公司的基本系统中提取数据，以一种可以利用的方式来进行观察和决策。随着数据和存储容量的增加，那些对不同系统、体系有更深的技术知识以及能够更好的理解企业需求的人开始变得越来越重要。

然而，数据工程师的角色需要一个独特的技能。他们需要了解后端，包括数据中的内容，以及如何服务于企业用户。数据工程师还需要开发技术解决方案，以使数据可用。

九、物体的定位

IDC:到 2020 年，IoT端点将增加到300亿个。
Gartner: IoT将会出现爆炸式增长，到2020年底将投入超过5亿美元。   

物联网的普及推动了世界上连接设备数量的巨大增长。所有的这些设备都在进行交互。这些设备在捕捉那些让连接体验更加丰富的数据。事实上，Gartner预测，到2020年，消费者可以使用的物联网设备的数量将会翻一番，会超过2040亿。

目前对于物联网，一个积极趋势是加大利用物联网设备的地理位置数据。这个子类别，被称为“物体的定位”，为物联网设备提供感知和通讯的地理位置。通过了解物联网设备的位置，它允许我们添加内容，更好地了解正在发生的事情，以我们所预测的将在特定的位置发生的事情。

对于寻求捕获这些数据包的公司和组织，我们看到不同的技术正在被使用。例如，医院、商店和酒店已经开始使用低功耗蓝牙(BLE)技术用于室内定位服务，这样的服务对于以前的GPS来说，是很难提供详细的位置。这项技术可以用来追踪特定的资产、人，甚至与智能手表、徽章或标签等移动设备进行交互，以提供个性化的体验。

与分析数据相关的是，基于位置的数据可以被看作是输入，而不是结果的输出。如果数据是可用的，分析人员可以将这些信息与他们的分析结合起来，以便更好地理解发生事情的具体位置、正在发生的事情以及理解在相关的环境中他们应该期望发生些什么。

十、学术研究投入

 
PWC：到 2021 年，69% 的用人单位会将数据科学和分析作为对应聘者的一组重要技能要求。   
MIT：40% 的管理人员难以招聘到分析人才。   

北卡罗莱纳州立大学是第一个设立科学分析硕士学位的学校。该计划位于高级分析研究所 (IAA)里,其使命是：“培养世界上最好的分析师，这些分析师要掌握最复杂的方法和工具从而可以对大规模数据进行建模，并且要求对解决富有挑战性的问题抱有极大热情。 ”作为此类计划的开创者，北卡罗莱纳州计划预示着学术界显然将会深入涉足数据科学和分析课程领域。

今年早些时候，加州大学圣地亚哥分校首次增设了数据科学专业本科主修和辅修课程。该大学还计划利用校友捐款创建数据科学研究所。紧随其后的是加州大学伯克利分校、加州大学戴维斯分校和加州大学圣克鲁斯分校。随着这样的专业需求超出预期，它们都为学生们增加了数据科学和分析课程。

根据普华永道最近的一项研究，到2021年，69%的雇主将要求求职者具备数据科学和分析技能。在2017年，Glassdoor还报告称，“数据科学”连续第二年成为“热门职位”。随着雇主需求的增长，对拥有高水平数据技能的人才的需求变得越来越迫切。但现实上还存在差距。普华永道的报告指出，只有23%的大学毕业生有雇主所要求的必要技能。麻省理工学院(MIT)最近的一项调查发现，40%的经理在招聘分析人才方面遇到了困难。

分析数据这项硬技能不再是可选项，而是必选项。2018年将会看到更加严格的招聘门槛，以确保学生拥有加入现代工作的能力。随着公司继续优化数据以提取最大价值，对拥有高度数据能力的员工的需求将会持续存在并继续增长。

---

报告出处：https://www.tableau.com/reports/business-intelligence-trends#academic

 

---

来自美国、欧洲及国内长期从事AI研究和AI产品应用的专家学者、AI公司科学家、AI产品开发者，共同探讨AI落地的最后一公里。

 胡平，读芯术特邀翻译志愿者专家。太格出国培训CEO。