數據分析軟件現在顯然已經成(chéng)爲企業管理業務的核心工具集。而大數據公司不斷更新的應用程序將(jiāng)成(chéng)爲企業運行業務的引擎。

　　考慮到數據分析的重要性，每一個部門的業務經理都(dōu)須了解未來形成(chéng)數據分析的趨勢。

　　爲了讨論這個問題，Gartner公司研究副總裁Jim Hare在其撰寫的一份調查報告中探讨了影響數據分析發展的五大趨勢。

　　以下是Jim Hare讨論的重要數據分析趨勢：

　　1.增強分析

　　增強分析使用機器學習技術。Gartner公司預測，到2020年，公民數據科學家産生的分析數量將(jiāng)超過數據科學家，這在很大程度上是由于數據科學任務的自動化。

　　Jim Hare表示，增強分析使業務分析師甚至無需成(chéng)爲程序員就(jiù)可以更輕松地構建和部署這些模型。因此，無論是在傳統分析方面(miàn)，還是在這些數據科學機器學習平台上，這些确實正在改變著(zhe)格局。

　　他說，“這在多個方面(miàn)提供幫助，其中一個是使準備數據變得更容易，在數據中找到見解，然後是如何傳達這些見解和結果。”

　　2.數字文化

　　Jim Hare在發表的調查報告中聲稱：“數據素養、數字道(dào)德、隐私，企業和供應商以數據爲中心的計劃涵蓋了數字文化。”

　　Gartner公司預測，到2023年，擁有20位以上數據科學家的組織中，有60%的組織將(jiāng)需要一套包含數據分析道(dào)德使用的專業行爲準則。

　　他說，“我們看到許多組織都(dōu)面(miàn)臨的挑戰之一是：并非每個人都(dōu)了解數據分析的真正原理。因此，對于想要成(chéng)爲數據驅動型組織的組織而言，很重要的一件事(shì)是提升他們的知識和技能(néng)，甚至一線員工已經開始擁有這些分析見解。但他們需要了解如何以更好(hǎo)的方式使用該信息進行交流，以及存在哪些局限性，以免遇到麻煩。”

　　3.關系分析

　　關系分析強調了圖形、位置和社會分析技術的日益使用。

　　Jim Hare表示，“在某些情況下，關系分析是人與人之間的交流，有時甚至是人與物之間的交流。但是，當企業開始組合多個數據集時，可以推斷出很多信息。

　　如今，組織看到的大多數分析解決方案都(dōu)是孤立地看待這些類型的數據。因此，其分析位置是在查看地圖上的特定數據點，或者是在社交分析中，可能(néng)正在查看人員之間的連通性。

　　重要的是，當組織開始將(jiāng)這些不同類型的數據源拼湊在一起(qǐ)并一起(qǐ)使用多種分析技術時，能(néng)夠更全面(miàn)地了解要解決的任何問題。這將(jiāng)是提供更深入的見解并真正爲組織提供幫助的下一個浪潮。”

　　4.決策智能(néng)

　　決策智能(néng)提供了一個框架，這個框架將(jiāng)傳統和先進的技術結合起(qǐ)來，設計、建模、對齊、執行、監控和優化決策模型。

　　Jim Hare說，“決策智能(néng)意味著(zhe)這些決策通常跨越多個應用程序甚至是不同的功能(néng)組。舉例來說，如果與大多數組織交談并詢問他們有關客戶體驗的信息，那將(jiāng)是很孤立的。銷售組織和市場支持部門都(dōu)有各自的孤島。他們都(dōu)有自己的觀點，但是沒有人真正地從所有這些不同的孤島全面(miàn)看待客戶。

　　因此，決策智能(néng)真正帶來了這種層次的洞察力，并利用人工智能(néng)和自動化的結合來突破這些障礙，并從整體上進行深入研究。”

　　5.操作和擴展

　　更多的人希望與數據互動，而更多的交互和流程需要分析以實現自動化和擴展。

　　Jim Hare說，“操作實際上是幾件事(shì)情。組織中充斥著(zhe)太多的數據，并且他們試圖找出如何開始管理所有數據的方法。

　　但是後來他們也試圖弄清楚，‘嗯，我們還能(néng)在哪裏使用這些數據?我們如何獲取這些信息，對其進行分析并將(jiāng)其掌握在用戶手中?’這不僅需要查看單獨的技術或工具，還需要采用一種基本方法來真正創建此數據基礎。

　　因此，組織能(néng)夠處理、吸收以及帶來越來越多的數據，對其進行整理并使其對需要分析的人員有用。随後對其進行分析，誰可以從這些見解中受益，以及如何將(jiāng)這些信息與不同的角色關聯起(qǐ)來?”