2019，商業智能的10大將來趨勢

當咱們深思熟慮接下來會發生什麼時，Tableau 收集了來自內外部專家的普遍意見。內部專家們把握着行業的脈搏，並與世界各地成千上萬的客戶接洽交流；外部專家們則與衆多數據團隊並肩做戰，以實施商業智能平臺。如下是須要關注的主流商業智能趨勢，以及咱們對 2019 年及以後數年的總體預測。

可解釋型 AI 日益崛起

在中國，人工智能產業發展迅猛，被國家高度重視，逐漸運用到商業智能等各行各業中。AI 的強大潛力代表，機器能夠經過自動化決策來加強其仿人類的理解力。而 AI 在商業智能領域的運用，能夠幫助人們快速打破技術壁壘，充分使用數據來幫助決策。在中國，人工智能融入商業分析還在起步階段，而咱們發如今美國，隨着人工智能的深刻運用，因爲人們不夠了解其背後的原理和運做流程，工做中對 AI 和機器學習的依賴，令人類對模型驅動的建議的可靠性產生了懷疑。隨着中國對 AI 運用的逐漸深刻，因爲不少人缺少了解，這樣的狀況也頗有可能發生。

其緣由在於，許多機器學習應用程序沒有采起透明的方式，供用戶查看決策和建議背後的算法或邏輯。正如劍橋大學高級研究員 Adrian Weller 在這篇文章中所述：「透明性被認爲是在現實世界有效部署智能系統的關鍵。」對透明度的需求促進了可解釋型 AI 的崛起，這種實踐要求理解透明的觀測結果並將其轉換爲機器學習模型。若是對人類的決策尚且會質疑，那麼當機器學習作決策時，何不以一樣的方式提出質疑？只有瞭解了人工智能技術的內部運做流程，才能幫助人們瞭解這項技術，避免你們對智能分析產生偏見，這對於人類自身和技術發展而言是共贏之舉。

衆多企業領導者會要求數據科學團隊使用更易於解釋的模型，並提供關於如何構建模型的文檔或審計跟蹤。AI 必須獲得信任才能產生最強大的影響，而且其生成的結論必須簡單易懂且能靈活地回答問題，才能幫助人們更好地理解數據。

天然語言讓數據更加人性化

天然語言處理 (NLP) 幫助計算機理解人類語言背後的含義。商業智能供應商正在將天然語言歸入他們的平臺，從而爲可視化提供一個天然語言界面。天然語言正在不斷演化，以促進分析會話，即人類圍繞其數據與系統所進行的對話。系統根據對話的上下文，理解用戶的查詢意圖並深化對話，從而創造更天然的對話體驗。這意味着當對數據產生後續問題時，人們不須要重複完整的問題來進一步問詢或澄清一個模棱兩可的問題。天然語言改變了人們對數據提問的方式。當用戶能夠像人際交流那樣與可視化進行交互時，更多具備不一樣技能組合的人員就可以針對他們的數據提出更深層次的問題。隨着天然語言在整個商業智能行業的演化，它將打破各個組織採用分析的障礙，並幫助工做場所轉變成數據驅動的自助式操做空間。

結合上下文分析數據來爲行動提供指導

數據工做者須要在同一個工做流程中訪問數據並執行操做。商業智能平臺供應商提供移動分析、嵌入式分析、儀表板擴展和 API 等功能來應對這些需求。嵌入式分析將數據和看法放在人們工做的環境中，這樣他們就沒必要打開另外一個應用程序或共享服務器，而儀表板擴展則能夠將須要訪問的其餘系統直接引入當前儀表板。移動分析將數據直接交到實地操做人員手中。這些進步做用一樣強大，由於它們經過賦予新受衆實際須要、符合上下文的數據，知足不一樣業務團隊和行業的需求。

數據協做增進社會福祉

數據改變了私營企業以及非政府組織 (NGO) 和非營利組織的運做方式。「數據福祉」運動呈現爆炸式增加，由於企業意識到在社會公益舉措中使用數據的優勢。事實上，Gartner 研究代表，「社交媒體去年對數據福祉的說起率增長了 68%」，緣由是公衆認識到數據可以對社會產生積極影響。

曾經，公共部門沒有足夠的資源來投資創建複雜的數據基礎結構或僱用專門的數據工做者團隊。這一點今非昔比。藉助雲計算的成本效益和靈活性，NGO 和非營利組織無需大量的本地投資便可開發複雜的數據環境，從而爲數據驅動型社會福祉的實施開闢道路。這也促進了數據聯邦的產生——雲計算平臺用於組織間的共享與協做，以實現共同目標。它還推進了各方展開對話，探討影響這些合做關係內部信任的因素，包括負責任地使用數據。儘管在這些合做項目中挑戰仍然存在，但「數據福祉」運動反映了數據共享有潛力解決咱們最棘手的全球問題。

道德準則跟上數據發展的步伐

隨着《通用數據保護條例》(GDPR) 等數據法規的出臺，領導者紛紛評估組織內部數據倫理實踐的將來。消費者對共享我的數據變得更加謹慎，所以數據隱私不會很快消失。組織必須在平常業務實踐的背景下圍繞數據道德和數據隱私展開對話，這一點很是重要，並體如今如下兩項主要措施上：

1. 道德準則：許多行業已經被道德準則所約束（例如法律行業、醫療行業和會計行業），可是，隨着數據的激增，更多的企業開始評估如何將這些行業的準則應用到數據分析實踐中。首席數據官 (CDO) 正在協助制定這些道德準則，以便爲將來的基礎結構、治理和人員配置決策設立一個框架。事實上，根據 2017 年 Gartner 首席數據官調查，「從 2016 年到 2017 年，將道德視爲職責一部分的首席數據官數量增長了 10%。」

2. 業務流程的變化：批判性回顧數據的整個生命週期，爲按期評估數據管理策略提供了機會，有助於確保遵照法規並與內部道德準則保持一致。正如埃森哲諮詢公司 (Accenture) 在其《通用數據道德準則》報告中所述，「管控流程必須足夠健全，爲全部成員所知，並按期受到審查」，從而適應企業的成長和變化。

現代商業智能平臺打開了數據分析的大門，這意味着更多的角色將有責任遵照數據道德準則，且數據道德將成爲數據素養工做的核心部分。

數據管理融入現代商業智能平臺

隨着數據源變得更加多樣和複雜，以及更多的工做人員使用數據來推進決策，數據管理比以往任什麼時候候都更加劇要。企業轉而採用數據監管措施，包含捕捉、清理、定義和排列不相關數據，以填補數據與實際應用之間的空缺。數據監管工具和流程（如數據目錄和語義管控）現在正在與商業智能平臺融合，將數據與業務環境關聯起來，實現大規模的管控。這有助於分析師和內容消費者經過譜系分析驗證數據來源，也有助於數據工程師和數據管理員觀察數據集的變化對下游的影響。最終，受管控的數據監管將爲整個分析管道提供更堅實的基礎，幫助用戶越過針對數據提出問題，直接針對業務提出問題。

講述數據故事成爲企業的新語言

若是不能傳達數據結果，分析就沒有意義。這時，數據可視化就派上了用場。對於分析師來講，以簡單易懂、可操做的方式傳達造成看法的分析步驟是一項重要的技能，也被定義爲「講述數據故事」。確實，只是展示數據和事實就頗有說服力了，可是，當同事和高級管理層得到大量數據和事實而不瞭解背景時，一切都徒勞無功。咱們都遇到過使用大量幻燈片進行演示，卻發現受衆只得到了大量數據，殊不知道怎樣去理解，毫無反應的狀況。由於單純用數字或圖表是沒法說服別人，因此在採集、分析完數據以後，還須要生動地去講一個故事，經過故事來告訴人們爲何數據中的發現特別重要。隨着愈來愈多的企業創建了分析文化，講述數據故事的定義也在不斷變化。現在，講述數據故事的方法強調圍繞數據進行對話，而不是呈現單一的結論。這種衆包的分析方法讓儀表板建立者和受衆都有責任圍繞數據向他們講述的故事得出結論。這樣就能夠在制定業務決策以前集思廣益。隨着在公司範圍內利用數據匯聚、傳達和測試創意，跨工做領域講述數據故事將加強業務提高的潛力。

企業在分析採用方面更加明智

提供對商業智能解決方案的使用權不等於採用商業智能解決方案，也不能輕易判定每一個人僅僅由於能夠訪問商業智能平臺就能從中得到價值，這種假設實際上會阻礙分析的進步。偶爾打開一份報告並不意味着它會驅動行動或形成影響。實際上，企業領導者應該衡量人們如何使用商業智能平臺對業務產生影響。內部用戶社區是企業提升參與度的渠道之一。例如，摩根大通旗下卓越中心團隊幫助部署數千名分析師，擴大其商業智能平臺上的用戶羣。而後，這些用戶變成專家，不只宣傳最佳作法，還讓你們在數據定義上保持一致。結果將是商業智能解決方案影響力擴大、投資回報增長、工做人員效率提高，企業競爭力不斷提升。

數據大衆化讓數據科學家的地位不斷提升

根據清華大學經管學院發佈的《中國經濟的數字化轉型：人才與就業》報告顯示，當前我國大數據領域人才缺口高達 150 萬，到 2025 年將達到 200 萬。愈來愈多部門和職位都須要與數據打交道，促進了數據素養的提升，這轉變了數據科學的定義，也模糊了傳統數據專業知識與業務領域知識之間的界限。當今的數據科學家須要掌握先進的統計和機器學習知識，同時保持對業務的戰略頭腦以及對行業的深刻了解。數據科學家如今着力研究如何將結果應用到業務中，而不僅是交付結果。他們還需具有演講技能，將發現的結果傳達給領導團隊，並與組織中的其餘數據工做者進行協做。其中一部分工做是與公民數據科學家合做來提出並驗證假設；這類角色的本職工做並不屬於統計學領域，可是能夠生成分析模型。自助式分析工具幫助他們探索並更好地理解數據，從而得出對業務具備顯著影響的看法。

加速進行的雲數據遷移推動現代商業智能的採用

革新數據策略時，必須考慮數據的存儲位置。對於許多企業而言，這意味着考慮將數據遷移至雲端，由於這樣能夠在下降總擁有成本的狀況下，提升靈活性和可擴展性。雲服務讓企業更容易捕捉和集成不一樣類型的數據。Tableau 市場情報總監 Josh Parenteau 認爲，「將數據遷移至雲端提升了敏捷性，併爲商業智能和分析功能帶來了新的可能性。現代化的概念也隨之體現出來。」「數據引力」概念代表，服務和應用程序受到數據所在位置的吸引。所以，隨着企業加速將數據遷移至雲端，分析天然隨之而來。這促使企業領導者從傳統商業智能平臺轉向現代商業智能平臺，評估他們選擇的商業智能平臺是否將支持向全面雲分析的過渡。儘管並不是全部企業都爲這種遷移作好了準備，但許多企業正在試驗混合解決方案，以利用數據源的多樣性和雲技術的優勢。