2021即將結束，商業(yè)分析領域還有什么趨勢值得關注？

數據賦能商業(yè)。各種組織依靠數據來保持競爭力和成功，但關鍵決策的制定仍是基于對海量歷史數據的分析。新冠疫情的沖擊，迫使組織以新的眼光來看待商業(yè)分析。倚賴歷史數據的模型已經過時，現在需要實時地獲取、分析和理解那些能夠影響決策的數據，才能及時應對現狀，而不是追悔過去。

隨著越來越多組織開始采用新的商業(yè)分析方式，來獲取可執(zhí)行的實時洞察，了解商業(yè)分析領域的新趨勢就非常重要。現在對商業(yè)分析領域無疑是個值得關注的時刻，因為新趨勢被廣泛采納和落地，意味著該領域在快速演進。在2021年的末尾，我們將看到以下幾大趨勢的凸顯。

DataOps（Data Operations）是一套新興的方法，幫助組織加速數據分析運維。它滿足了數據專業(yè)人員從原始數據中提取關鍵洞察的與日俱增的需求，像Facebook、Netflix已經借助DataOps在競爭中獲得領先優(yōu)勢。DataOps將重視敏捷工作流程的開發(fā)運維團隊，與數據人員團隊連接起來。這種聯合通過跨職能的流程協作，使數據編排得到強化和自動化。

DataOps采用了CI/CD（Continuous Integration持續(xù)集成/Continuous Delivery持續(xù)交付）的模式，這種模式通過自動化讓冗長的流程得到加速，讓數據分析項目在各個層面得到效率提升，從而更快地交付結果。重點是要打破壁壘，讓每個DataOps團隊成員都能夠訪問所有相關的業(yè)務數據。采用DataOps方式的組織大多使用基于云的工具和系統(tǒng)，這提供了可擴展性與充足的算力，來保障數據始終能得到快速地處理。

雖然很多企業(yè)在借助自動化技術提高理解數據的速度和準確性，但一些企業(yè)在能夠從數據中獲得預測后，就會問“那又如何？”決策智能是一個新興學科，幫助企業(yè)應對從數據中發(fā)現的問題。根據Gartner調研，到2023年，大型組織中將有超過三分之一的分析師實踐決策智能。

決策智能被認為是很多數據科學項目中所缺少的一環(huán)，它利用社會科學和管理科學來優(yōu)化這些項目，以實現更好的商業(yè)決策。數據專業(yè)人員通過預測性、規(guī)則性、診斷性、描述性和決策性數據來驅動決策智能。他們也會依靠AI和機器學習來加速以往需要人工進行的數據分析。通過決策智能來優(yōu)化商業(yè)決策的制定，企業(yè)可以提升用戶體驗、強化競爭差異并提高收入。

傳統(tǒng)上，支撐數據分析的技術通常托管在集中化的數據中心和云環(huán)境中，這意味著，企業(yè)收集的數據必須要從產生數據的位置，通過網絡傳輸到處理數據所需算力所處的物理位置。商業(yè)分析需要通過網絡傳輸大量數據，這不僅成本極高，還會造成網絡速度下降，給使用分析工具的終端用戶帶來延遲問題。

作為一種新趨勢，邊緣計算利用的是數據中心網絡邊緣的算力，使得數據處理可以更靠近數據產生的位置。這大幅減少了需要傳輸的數據量，實現了更低的成本、更少的延遲與更實時的數據處理能力。

NLP正在掃除數據分析領域中的一大傳統(tǒng)障礙。對那些非專業(yè)背景但又需要從數據中提取商業(yè)洞察的數據人員和相關從業(yè)者來說，要面對各種編程語言是非常困難的。在商業(yè)分析工具中應用NLP，讓那些非專業(yè)的用戶只需要用他們的母語針對數據提出適當的問題，就可以獲得相應的答案。通過從根本上打通了人、數據和分析工具，NLP讓那些不具備技術背景的C-level管理者以及銷售、客戶服務、市場團隊的相關人員，也能從數據中便捷地獲得所需的洞察和所要的結果。

目前，數據分析領域所應用的大部分NLP是基于文本的查詢，但很快我們就會看到NLP驅動的語音搜索的興起，讓用戶更簡單快捷獲取所需的洞察。這不僅可以應用在桌面工具中，也將出現在用戶友好的移動app的迭代中，讓用戶可以隨時隨地通過網絡獲取洞察。

TalkingData——用數據說話

每天一篇好文章，歡迎分享關注