2019年四大數(shù)據(jù)分析趨勢

Thor Olavsrud 陳琳華

你是否正在考慮將數(shù)據(jù)分析和數(shù)據(jù)科學作為企業(yè)數(shù)字化轉(zhuǎn)型的一部分？自動化的基礎性方法和數(shù)據(jù)驅(qū)動文化可能是關鍵。

數(shù)據(jù)分析是一個不斷發(fā)展的領域。跟上最新發(fā)展趨勢對于確保企業(yè)在未來數(shù)月和數(shù)年成功部署分析戰(zhàn)略和策略至關重要。對此，企業(yè)需要持續(xù)加大對分析的投資力度以支持數(shù)字化轉(zhuǎn)型。

市場研究公司Market Research Future在今年2月預測，到2023年，全球數(shù)據(jù)分析市場將實現(xiàn)30.8%的復合年增長率，屆時市場價值將達到776.4億美元。德勤中央創(chuàng)新團隊的領先趨勢感知項目經(jīng)理兼《德勤數(shù)字成熟度報告》的共同作者David Schatsky表示，數(shù)據(jù)分析投資不斷增加的核心是推動企業(yè)成為數(shù)字化企業(yè)。

Schatsky稱：“數(shù)字化企業(yè)是一種不斷發(fā)展，始終尋求應用數(shù)字化技術并最大化數(shù)字化技術價值的企業(yè)，進而以此重塑自身，重塑其向市場提供的產(chǎn)品，重塑將產(chǎn)品推向市場的方式，以及重塑企業(yè)運營方式。我們認為數(shù)字化企業(yè)能夠通過有效利用數(shù)字技術和數(shù)據(jù)實現(xiàn)不斷發(fā)展。”

對于希望通過數(shù)據(jù)轉(zhuǎn)變業(yè)務的企業(yè)而言，以下是未來幾個月中值得關注的四大分析趨勢。

數(shù)據(jù)公民的崛起

隨著企業(yè)轉(zhuǎn)型越來越多地由數(shù)據(jù)推動，大多數(shù)專家和行業(yè)觀察家都認為，這項技術雖然不是那么容易，但是卻最為簡單。最具挑戰(zhàn)性的地方在于讓數(shù)據(jù)和對數(shù)據(jù)的高效使用成為企業(yè)文化和思維方式的重心。

咨詢公司Carruthers and Jackson的主管Caroline Carruthers稱：“數(shù)據(jù)中最重要的部分是人。如果你讓整個企業(yè)都了解你想要對數(shù)據(jù)和信息做些什么，并且大家都齊心協(xié)力地向著一個方向努力，那么這比找10位數(shù)據(jù)科學家閉門造車還要管用?！盋aroline Carruthers曾任Network Rail首席數(shù)據(jù)官，并合著有《首席數(shù)據(jù)官的手冊》和《數(shù)據(jù)驅(qū)動的業(yè)務轉(zhuǎn)型：如何顛覆、創(chuàng)新并超越競爭對手》。

德勤的Schatsky補充說，為了實現(xiàn)數(shù)據(jù)掌控，企業(yè)必須在業(yè)務部門中灌輸一種思想，那就是無論部門在何時進行決策或采取行動，負責人都應考慮是否有數(shù)據(jù)可以幫助自己做出更明智或更好的決定。

Schatsky稱：“這需要改變思維方式。為了使其能夠被廣泛接受，領導層需要做出調(diào)整。同時，領導層必須集中精力在企業(yè)推行它們?！?/p>

企業(yè)將會越來越注重在整個組織架構中推行由數(shù)據(jù)驅(qū)動的思維方式，并保持基本數(shù)據(jù)概念被熟知。盡管如此，業(yè)務分析咨詢公司A4A Brown的總裁兼《數(shù)據(jù)挖掘傻瓜式操作》的作者Meta S. Brown還是告誡說，推行方式不要太過于激進。

Brown稱：“我認為讓執(zhí)行經(jīng)理成為分析專家有點不切實際。讓其中的少部分人熟悉一些相關的術語是合理的?！彼e例說，執(zhí)行管理團隊要了解他們必須遵守的最重要的法律，并且應該能夠閱讀合同，但是他們不會就復雜的法律問題提供建議。在分析方面情況也一樣。

此外，Brown還表示：“我認為在數(shù)據(jù)分析中為高管增加一個負載權限，或者讓自己進行數(shù)據(jù)分析是不合理的。我的專業(yè)意見是，我們在學習數(shù)據(jù)分析方面對他們不應抱有太大期望。作為分析專家，我們的工作就是通過整個流程更好地與他們合作，從中獲取業(yè)務信息，我們有責任將他們告訴我們的業(yè)務內(nèi)容翻譯成分析術語。”

回歸基礎性分析

在過去幾年里，圍繞分析的討論越來越多地集中在尖端技術上，如機器學習、深度學習、神經(jīng)網(wǎng)絡和其他人工智能元素。專家們認為，雖然這些領域在未來幾年將會繼續(xù)引起人們的關注，但是大部分企業(yè)還是應該重新回歸基礎，從并不太先進的分析法中提取更多實用信息。

Brown 稱：“讓我感到非常震驚的是，我參加過如此多的演講并且閱讀了很多文章，在這些演講和文章中人們探討的多是些可能想象到的最復雜的數(shù)學問題。而多數(shù)企業(yè)在實際中使用的多是更為簡單的數(shù)學方法，這些企業(yè)并不想將問題復雜化。如果美國的每家企業(yè)都能充分使用描述統(tǒng)計學入門《Statistics 101》中的內(nèi)容，那么我們的經(jīng)濟將會蓬勃發(fā)展。”

對此觀點，Carruthers表示認同?！拔覀儙缀醵紝㈥P注的目光從分析本身上移開了，因為很多人對機器學習和人工智能感到興奮。他們會說，'哦，我們要做這么奇妙酷炫的東西'。我們忘記了企業(yè)實際上是通過分析才獲得大量價值的?！?/p>

Carruthers認為，隨著企業(yè)將分析應用到生產(chǎn)當中并尋求從分析工作中獲取真正的價值，基礎性分析和報告功能將會再次被重視。

自動化是問題的實質(zhì)

數(shù)據(jù)日益復雜以及處理和分析數(shù)據(jù)所需的內(nèi)容意味著未來幾年自動化將變得更加重要。

Sallam說：“在類型和分析方面，數(shù)據(jù)復雜性的增加確實讓當前手動方法走到了極限。因此在數(shù)據(jù)管理和分析內(nèi)容開發(fā)的各個方面，整個堆棧都在努力實現(xiàn)分析流程的自動化，實現(xiàn)從系統(tǒng)中獲取信息的自動化?！?/p>

Schatsky對此表示贊同。他還同時指出，自動化主要是由于數(shù)據(jù)科學家、數(shù)據(jù)工程師和數(shù)據(jù)科學團隊成員的稀缺造成的。“許多數(shù)據(jù)科學家會告訴你，他們將大約80%的時間花在了繁瑣和重復的任務上，如數(shù)據(jù)準備、特征工程、選擇算法。但是我們發(fā)現(xiàn)其中的很多東西都可以在某種程度上實現(xiàn)自動化。這并不意味著數(shù)據(jù)科學家將會因機器的介入而失去工作。相反，這意味著他們的工作效率可以提高五倍，即擁有兩名數(shù)據(jù)科學家的企業(yè)，如果利用自動化，就可以實現(xiàn)與擁有10位數(shù)據(jù)科學家的企業(yè)一樣的效率?！?/p>

企業(yè)將加大對第三方數(shù)據(jù)的利用

Schatsky表示，擁有更高級分析程序的企業(yè)在未來幾年內(nèi)將會越來越多地利用第三方數(shù)據(jù)。

“有效利用第三方數(shù)據(jù)可以克服數(shù)據(jù)集成、數(shù)據(jù)清理等技術障礙，”Schatsky說。“這其中包括企業(yè)需要具備更多面向市場的能力。如不斷掃描環(huán)境以了解可用的數(shù)據(jù)來源，促進流程簡化以評估這些數(shù)據(jù)源，進而生成包括合同和法律問題以及風險審查等數(shù)據(jù)。這些才是企業(yè)真正應該培養(yǎng)和投資的能力?！?/p>

Schatsky以供應鏈管理為例表示，在過去，運營供應鏈的企業(yè)可能通過跟蹤供應商的行為來管理風險。如他們交貨的時間、他們交付的產(chǎn)品達到或未達到質(zhì)量標準的頻率等。

“這是幼稚園級的供應鏈風險管理水平，”Schatsky說。更成熟的企業(yè)可能已經(jīng)在利用第三方數(shù)據(jù)，如通過信用評級信息幫助自己確定與供應商或客戶的合作風險。

如今，具備復雜分析能力的企業(yè)正在尋求第三方數(shù)據(jù)（如天氣預報）以完善風險評估。如企業(yè)的地區(qū)供應商是否易受天氣影響？此外，他們可能還會利用社交媒體的數(shù)據(jù)以幫助自己尋找需求轉(zhuǎn)型的線索。如果社交媒體指標顯示對某種產(chǎn)品的需求激增，那么企業(yè)是否應該增加對這些產(chǎn)品的原材料采購？“這是企業(yè)渴望達到的下一個更高的層次?！?/p>

本文作者Thor Olavsrud長期負責CIO.com網(wǎng)站的數(shù)據(jù)分析、商業(yè)智能和數(shù)據(jù)科學專欄。