转载 2020年数据分析发展趋势分析

　　2020年数据分析发展趋势分析，有人对数据分析的发展做了预测数据策略是业务策略、数据管理现代化、机器学习重塑仪表板、技术和客户信任。随着企业大力投资数据分析以支持数字化转型，掌握最新发展趋势对于确保企业未来成功所需的分析战略和策略至关重要。

　　2020年数据分析发展趋势如下：

　　1、数据策略是业务策略

　　考虑到影响业务的数据规模和类型，过去的“大数据”思维已被数据策略所取代。在过去的一年中，人们对大数据的关注逐渐消退，主要原因是大数据只是成为一种总体数据策略。

　　随着企业将数据战略与数字转型紧密结合，现在将大数据视为数据堆栈的另一个元素。随着企业寻求利用数据驱动的人工智能应用程序，特别是在客户体验方面，正确获取数据是关键。要做到这一点必须处理源数据，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，将更多的时间花费在构建具有干净数据的模型上。

　　数据战略涉及许多业务层面的变化、业务流程的变化、IT之外的新组织结构，以决定数据的定义和优先级，执行数据隐私政策和首席信息官无法控制且有成本的事情。流程变革、应用变革、组织变革管理和激励变革都需要重新关注数据战略。企业必须激励业务经理关注他们的数据被其他业务部门消费的程度。

　　2、数据管理现代化

　　除了总体数据策略之外，试图利用数据来推动决策的企业也感受到了数据架构现代化的压力。当企业寻求在生产中利用数据时，许多人发现他们没有适当的基础。在几年前研究和应用大数据时，很多公司在一开始就没有良好的数据管理实践，因此需要这些数据为大数据奠定基础。现在很多企业正在建立这些实践。这一推动分析业务现代化的举措应被理解为数据管理周期的一部分。

　　数据管理人员离职之后，可能还有一些工作需要重新整理。而在五年之后，我们发现又回到了起点，因为没有集中精力解决这个问题，而在新的危机来临时，我们又需要重新开始。企业将在2020年通过关注如何收集和存储数据来回归基础。

　　无论我们使用数据湖还是其他术语，企业都将试图在将数据分解成各个业务部门之前对其数据进行统一查看。想知道所有数据如何通过传统方式或社交媒体或物联网设备进入组织中。转向5G无线网络的发展将增加压力，5G将意味着更大的数据管道和更多的数据。

　　3、机器学习重塑仪表板

　　在过去的一年中，数据分析和商业智能领域出现了多个大规模收购交易，Salesforce公司以157亿美元收购了分析平台Tableau，而谷歌公司以26亿美元收购了数据探索和发现商业智能平台Looker。对于行业领先的自助服务商业智能平台的这些收购，凸显了赋予业务用户从数据中获取见解的能力的价值。

　　通常情况下，当进行并购时代表着特定技术创新的市场成熟。分析和商业智能市场在这种情况下得以发展，尤其是Tableau、Qlik和Tibco Spotfire等供应商的基于可视的探索范例。随着企业寻求利用机器学习自动化与分析相关的许多任务，包括数据准备和洞察发现，这一成熟将加速。其目标是让分析团队以外的广大用户能够获得数据洞察。Sallam表示，向这种自动化的推进是整合的关键驱动力，Gartner公司预计这种自动化将在2到5年内实现主流应用。

　　这种趋势将在2020年之后持续加速，甚至有可能进一步发展，从而引入新的用户体验，甚至有可能取代仪表板体验。这种用户体验将变得更加动态，可以根据用户的需求生成见解。它将变得更具对话性，用户可以使用自然语言与这些见解进行交互，既可以提出问题，也可以将自动生成的见解中的发现传达给用户，并将其嵌入协作工具中。

　　用户将减少对具有预定义关键绩效指标(KPI)仪表板的依赖，从而实现更具动态性和对话性的功能。

　　4、技术和客户信任

　　随着企业越来越多地利用客户数据来推动决策，不再将客户信任仅仅视为一个法规遵从性或公共关系问题。德勤公司的Buchholz表示，到2020年，客户对数据实践的信任正成为一项业务关键目标。在使用客户数据时，信任必须是一项全方位的工作，它要考虑组织的技术、流程和人员。

　　道德技术需要创建一套工具，帮助企业的工作人员做出决策时认识到道德困境，特别是考虑到新兴颠覆性技术的力量时。

　　30年前，我们将所有的信息都储存在数据中心存储设备，没有人会再三考虑。如今，我们有能力收集数据、分析数据、操作数据、按比例利用数据，以至于有些组织比我们更了解我们的行为。我认为，这实际上是在信任方面造成赤字。人们不知道收集和分析数据的组织是否会出于最大利益考虑而这样做。

　　道德技术是试图解决这些信任问题的尝试。它可能采取可解释的机器学习算法的形式，以便个人可以更好地理解那些算法之间的关联。或者可能涉及提供更好的数据匿名性和数据屏蔽，以防止个人身份信息被泄露。

　　确保数据访问方面的控制更好，这样当人们说他们想将特定信息用于特定目的时，就会有更多的治理，并确保他们不会将其用于他们要求以外的目的。在其他情况下，企业正在创建工具来理解数据的场景以及数据的准确性如何随时间而变化。Buchholz指出，加拿大CIBC银行实施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。

      来源：企业网D1Net