2019—当商业智能浪潮来袭

在过去十年中，商业智能已经发生了革命性变化。数据爆炸，不管是数量还是质量都开始需要更适合的对策相应对。我们也都了解了访问云的权限。电子表格最终落后于可操作且富有洞察力的数据可视化和交互式商业智能报告。自助服务分析的兴起使数据产品链民主化。突然进行的高级分析不再仅仅适用于分析师。

2018年是商业智能行业特别重要的一年。但商务智能领域正在发展，商业智能的未来现在正在发挥作用，新兴趋势需要我们密切关注。2019年，商业智能战略将变得日益定制化。各种规模的企业都已经开始重视商业智能的应用 ，他们不仅仅是需要商业智能分析，而且增加了寻求针对其特定业务的最佳BI解决方案的思考。公司不再想知道数据可视化是否可以改进分析，而是想被告诉每个数据故事的最佳方式是什么。2019年将成为数据质量管理和数据发现的一年：清晰安全的数据与简单而强大的演示相结合。这也将是多种商业智能解决方法争奇斗艳的一年。我们也很高兴看到新的一年商业智能到底会为我们会带来什么？

1、数据质量管理（DQM）

过去一年，数据质量的分析趋势大大增加。企业想要利用不合适的商业智能以分析和提取大规模收集的众多数据源的价值，却带来一堆错误和低质量报告：数据源和数据类型的差异增加了一些复杂性。

商业应用研究中心进行的一项调查表明，数据质量管理是2019年最重要的趋势。收集尽可能多的信息不仅重要，而且数据的使用和解释的质量和背景也是如此。而这就是商业智能未来的主要焦点—数据质量良好，只有这样才能信任由这些数据作为基础而做出的决策。

因此，主数据管理的兴起正成为公司商业智能战略的关键优先事项。

如今，大多数公司都了解数据质量对分析和进一步决策过程的影响，因此选择实施数据质量管理政策，部门或技术。DQM确实被认为是高效数据分析的关键因素，因为它是所有其他数据分析开始的基础。数据质量差导致组织每年平均损失1500万美元。数据质量差的后果很多; 从了解客户的准确性到构建正确的业务决策。这就是为什么开始使用正确的关键绩效指标至关重要的原因 - 有许多示例可以决定数据管理的质量过程。

DQM包括获取数据，实施高级数据流程，有效分配数据和管理监督数据。数据质量管理不仅是2019年BI趋势的起义，而且也是公司为了初始投资而采用的关键做法。满足严格的数据质量水平也符合最近的合规性法规和要求的标准。通过实施公司范围的数据质量流程，组织可以提高利用商业智能的能力，从而获得竞争优势，从而最大限度地提高BI投资回报。

2、数据发现

数据发现在去年增加了它的影响。业务应用研究中心已经提到的调查按重要性层次列出了前3种商业智能趋势中的数据发现。BI从业者稳步表明，商业用户的授权是一个强大而一致的趋势。

需要考虑的一个基本要素是数据发现工具依赖于流程，然后，生成的结果将带来商业价值。它需要以数据准备，可视化分析和引导式高级分析的形式理解数据之间的关系。“交互式和新的可视化类型使决策者能够在瞬间看到主要趋势，以及现场异常值，”研究中心强调说。使用数据可视化工具来执行这些操作正在成为产生相关见解和创建可持续决策过程的宝贵资源。话虽这么说，业务用户需要的软件是：

1、使用方便

2、敏捷而灵活

3、减少洞察时间

4、可轻松处理大量数据和各种数据

由于人类更好地处理视觉数据，数据发现趋势将成为2019年最重要的BI趋势之一。

3、人工智能

虽然我们致力于避免此类不便的程序 ，但人工智能和机器学习正在彻底改变我们与分析和数据管理交互的方式。事实是，无论我们喜欢与否，它都会影响我们的生活。

对实时数据分析工具的需求不断增加，物联网的到来也带来了无数的数据，这将促进优先级列表顶部的统计分析和管理。然而，今天的企业希望更进一步，预测分析是另一个需要密切监控的趋势。

4、预测性和规范性分析工具

未来的业务分析专注于未来，并试图回答问题：将会发生什么？我们怎样才能实现呢？因此，预测性和规范性分析是迄今为止BI专业人员中讨论最多的分析趋势，特别是因为大数据正成为分析流程的主要焦点，不仅大企业，而且中小型企业都在利用这些流程。

预测分析是从现有数据集中提取信息以预测未来概率的实践。它是数据挖掘的扩展， 仅涉及过去的数据。预测分析包括估计的未来数据，因此始终包括其定义中出错的可能性。预测分析以可接受的可靠性水平表明未来可能发生的情况，包括一些替代方案和风险评估。应用于业务，预测分析用于分析当前数据和历史事实，以便更好地了解客户，产品和合作伙伴，并识别公司的潜在风险和机会。

行业以不同的方式利用预测分析。航空公司使用它来决定航班每个价格的售票数量。酒店试图预测任何一个晚上他们可以期待的客人数量，以便调整价格以最大化入住率并增加收入。营销人员确定客户的响应或购买并设置交叉销售机会，而银行家则使用它来生成信用评分 - 由预测模型生成的数字，该模型包含与个人信誉相关的所有数据。在现实生活中使用了大量的大数据示例，塑造了我们的世界，无论是购买体验还是管理客户数据。

在人工神经网络中，数据的处理方式与生物神经元类似。技术重复生物学：信息流入数学神经元，由它处理，结果流出。该单个过程成为重复多次的数学公式。与人类大脑一样，神经网络的力量在于它们能够将多组神经元连接在一起并创建一个多维网络。第二层的输入来自第一层的输出，并且该情况随每一层重复。该过程允许捕获一组模式中的关联或发现具有相当大的数量，变量的数量或数据的多样性的规律性。

规范分析更进一步。其检查数据或内容，以确定应做出哪些决策以及为实现预期目标而采取的步骤。它的特点是图形分析，模拟，复杂事件处理，神经网络，推荐引擎，启发式和机器学习等技术。规范性分析试图了解未来决策的影响，以便在实际制定之前调整决策。这可以大大改善决策制定，因为预测中会考虑未来的结果。

5、连接云

越来越多的组织将其数据及其所有应用程序迁移到云中。在2019年，云将成为70％公司的共同战略 ，而2016年则不到10％。在评估托管环境时，你需要考虑风险，速度，成本和复杂性，使得选择一种满足你所有需求的解决方案变得更加困难。

选择多云策略是一种选择，因为它可以降低风险并提供更大的灵活性，但这种灵活性带来了一定的成本，因为你需要多个提供商以及培训您的团队来学习多个平台。此外，你可以以较小的数量减少折扣潜在购买购买量，从而降低价格。

这就是为什么多云在公司内部是一个值得商榷的选择，尽管它的采用率明显上升。企业需要评估他们的需求和实施能力，以评估采用多云战略是否有益和有利可图。话虽这么说，使用多云正在成为公司BI战略中越来越重要的一部分，像阿里巴巴，亚马逊，谷歌和微软这样的巨头都在关注这些日益增长的商业智能市场趋势。连接的云将成为2019年的一个大话题，我们应该密切关注它将带我们走的路。

2019年是充满挑战的一年，当商业智能浪潮来袭，你是否做好了准备来面对这些机遇以及挑战？

文章来源：https://baijiahao.baidu.com/s?id=1627964213773476462&wfr=spider&for=pc