數(shù)據(jù)賦能商業(yè)。各種組織依靠數(shù)據(jù)來(lái)保持競(jìng)爭(zhēng)力和成功，但關(guān)鍵決策的制定仍是基于對(duì)海量歷史數(shù)據(jù)的分析。新冠疫情的沖擊，迫使組織以新的眼光來(lái)看待商業(yè)分析。倚賴(lài)歷史數(shù)據(jù)的模型已經(jīng)過(guò)時(shí)，現(xiàn)在需要實(shí)時(shí)地獲取、分析和理解那些能夠影響決策的數(shù)據(jù)，才能及時(shí)應(yīng)對(duì)現(xiàn)狀，而不是追悔過(guò)去。

隨著越來(lái)越多組織開(kāi)始采用新的商業(yè)分析方式，來(lái)獲取可執(zhí)行的實(shí)時(shí)洞察，了解商業(yè)分析領(lǐng)域的新趨勢(shì)就非常重要?，F(xiàn)在對(duì)商業(yè)分析領(lǐng)域無(wú)疑是個(gè)值得關(guān)注的時(shí)刻，因?yàn)樾纶厔?shì)被廣泛采納和落地，意味著該領(lǐng)域在快速演進(jìn)。在2021年的末尾，我們將看到以下幾大趨勢(shì)的凸顯。

DataOps（Data Operations）是一套新興的方法，幫助組織加速數(shù)據(jù)分析運(yùn)維。它滿(mǎn)足了數(shù)據(jù)專(zhuān)業(yè)人員從原始數(shù)據(jù)中提取關(guān)鍵洞察的與日俱增的需求，像Facebook、Netflix已經(jīng)借助DataOps在競(jìng)爭(zhēng)中獲得領(lǐng)先優(yōu)勢(shì)。DataOps將重視敏捷工作流程的開(kāi)發(fā)運(yùn)維團(tuán)隊(duì)，與數(shù)據(jù)人員團(tuán)隊(duì)連接起來(lái)。這種聯(lián)合通過(guò)跨職能的流程協(xié)作，使數(shù)據(jù)編排得到強(qiáng)化和自動(dòng)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(guò)自動(dòng)化讓冗長(zhǎng)的流程得到加速，讓數(shù)據(jù)分析項(xiàng)目在各個(gè)層面得到效率提升，從而更快地交付結(jié)果。重點(diǎn)是要打破壁壘，讓每個(gè)DataOps團(tuán)隊(duì)成員都能夠訪問(wèn)所有相關(guān)的業(yè)務(wù)數(shù)據(jù)。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(kuò)展性與充足的算力，來(lái)保障數(shù)據(jù)始終能得到快速地處理。

雖然很多企業(yè)在借助自動(dòng)化技術(shù)提高理解數(shù)據(jù)的速度和準(zhǔn)確性，但一些企業(yè)在能夠從數(shù)據(jù)中獲得預(yù)測(cè)后，就會(huì)問(wèn)“那又如何？”決策智能是一個(gè)新興學(xué)科，幫助企業(yè)應(yīng)對(duì)從數(shù)據(jù)中發(fā)現(xiàn)的問(wèn)題。根據(jù)Gartner調(diào)研，到2023年，大型組織中將有超過(guò)三分之一的分析師實(shí)踐決策智能。

決策智能被認(rèn)為是很多數(shù)據(jù)科學(xué)項(xiàng)目中所缺少的一環(huán)，它利用社會(huì)科學(xué)和管理科學(xué)來(lái)優(yōu)化這些項(xiàng)目，以實(shí)現(xiàn)更好的商業(yè)決策。數(shù)據(jù)專(zhuān)業(yè)人員通過(guò)預(yù)測(cè)性、規(guī)則性、診斷性、描述性和決策性數(shù)據(jù)來(lái)驅(qū)動(dòng)決策智能。他們也會(huì)依靠AI和機(jī)器學(xué)習(xí)來(lái)加速以往需要人工進(jìn)行的數(shù)據(jù)分析。通過(guò)決策智能來(lái)優(yōu)化商業(yè)決策的制定，企業(yè)可以提升用戶(hù)體驗(yàn)、強(qiáng)化競(jìng)爭(zhēng)差異并提高收入。

傳統(tǒng)上，支撐數(shù)據(jù)分析的技術(shù)通常托管在集中化的數(shù)據(jù)中心和云環(huán)境中，這意味著，企業(yè)收集的數(shù)據(jù)必須要從產(chǎn)生數(shù)據(jù)的位置，通過(guò)網(wǎng)絡(luò)傳輸?shù)教幚頂?shù)據(jù)所需算力所處的物理位置。商業(yè)分析需要通過(guò)網(wǎng)絡(luò)傳輸大量數(shù)據(jù)，這不僅成本極高，還會(huì)造成網(wǎng)絡(luò)速度下降，給使用分析工具的終端用戶(hù)帶來(lái)延遲問(wèn)題。

作為一種新趨勢(shì)，邊緣計(jì)算利用的是數(shù)據(jù)中心網(wǎng)絡(luò)邊緣的算力，使得數(shù)據(jù)處理可以更靠近數(shù)據(jù)產(chǎn)生的位置。這大幅減少了需要傳輸?shù)臄?shù)據(jù)量，實(shí)現(xiàn)了更低的成本、更少的延遲與更實(shí)時(shí)的數(shù)據(jù)處理能力。

NLP正在掃除數(shù)據(jù)分析領(lǐng)域中的一大傳統(tǒng)障礙。對(duì)那些非專(zhuān)業(yè)背景但又需要從數(shù)據(jù)中提取商業(yè)洞察的數(shù)據(jù)人員和相關(guān)從業(yè)者來(lái)說(shuō)，要面對(duì)各種編程語(yǔ)言是非常困難的。在商業(yè)分析工具中應(yīng)用NLP，讓那些非專(zhuān)業(yè)的用戶(hù)只需要用他們的母語(yǔ)針對(duì)數(shù)據(jù)提出適當(dāng)?shù)膯?wèn)題，就可以獲得相應(yīng)的答案。通過(guò)從根本上打通了人、數(shù)據(jù)和分析工具，NLP讓那些不具備技術(shù)背景的C-level管理者以及銷(xiāo)售、客戶(hù)服務(wù)、市場(chǎng)團(tuán)隊(duì)的相關(guān)人員，也能從數(shù)據(jù)中便捷地獲得所需的洞察和所要的結(jié)果。

目前，數(shù)據(jù)分析領(lǐng)域所應(yīng)用的大部分NLP是基于文本的查詢(xún)，但很快我們就會(huì)看到NLP驅(qū)動(dòng)的語(yǔ)音搜索的興起，讓用戶(hù)更簡(jiǎn)單快捷獲取所需的洞察。這不僅可以應(yīng)用在桌面工具中，也將出現(xiàn)在用戶(hù)友好的移動(dòng)app的迭代中，讓用戶(hù)可以隨時(shí)隨地通過(guò)網(wǎng)絡(luò)獲取洞察。

TalkingData——用數(shù)據(jù)說(shuō)話(huà)

每天一篇好文章，歡迎分享關(guān)注