|
|
51CTO旗下网站
|
|
移动端

2020年的4种数据分析主导趋势

随着数据战略成为企业数字业务的关键推动因素,数据管理现代化、分析民主化以及建立信任的必要性在2020年将至关重要。

作者:Thor Olavsrud 来源:企业网D1Net|2020-03-23 09:53

随着数据战略成为企业数字业务的关键推动因素,数据管理现代化、分析民主化以及建立信任的必要性在2020年将至关重要。

数据分析是一个不断发展的领域。随着企业继续大力投资数据分析以支持数字化转型,掌握最新发展趋势对于确保企业未来成功所需的分析战略和策略至关重要。

根据IDG公司发布的2020年首席信息官现状调查报告,37%的IT领导者表示,数据/业务分析将成为2020年最主要的IT投资;而34%的受访者表示,安全/风险管理是其最主要的IT投资。此外根据该报告,无论行业或企业规模如何,IT部门需要负责满足数据和分析需求。

随着2020年IT领导者将注意力集中在数据分析,他们应该首先关注以下四个密切相关的趋势:

1.数据策略就是业务策略

考虑到影响业务的数据规模和类型,过去的“大数据”思维已被数据策略所取代。

CompTIA公司技术分析高级总监Seth Robinson说,“在过去的一年中,人们对大数据的关注逐渐消退,我认为它逐渐消退的主要原因是大数据只是成为一种总体数据策略。”

Forrester Research公司副总裁兼首席分析师Brian Hopkins补充说:“大数据已经走入低谷,现在很少有人在乎这个术语。”

Hopkins相信,随着企业将数据战略与数字转型紧密结合,它们现在将大数据视为数据堆栈的另一个元素。他表示,随着企业寻求利用数据驱动的人工智能应用程序,特别是在客户体验方面,正确获取数据是关键。要做到这一点,首席信息官必须处理源数据,以便数据科学家在数据准备、数据清理和数据合理化方面花费更少的时间,而将更多的时间花费在构建具有干净数据的模型上。

不幸的是,大多数首席信息官没有权力在没有建立IT外部关系的情况下更改业务流程。

Hopkins说,“我们看到的问题是,首席信息官的数据战略涉及许多业务层面的变化、业务流程的变化、IT之外的新组织结构,以决定数据的定义和优先级,执行数据隐私政策和首席信息官无法控制且有成本的事情。”

他表示,流程变革、应用变革、组织变革管理和激励变革都需要重新关注数据战略。

Hopkins说:“企业必须激励业务经理关注他们的数据被其他业务部门消费的程度。这不是大多数首席信息官都能轻易进行改变的事情。”

首席信息官必须选择如何更好地驾驭这些领域,这可能涉及寻求更大的变革权力或与业务线和运营职能部门合作。

2.必须使数据管理现代化

除了他们的总体数据策略之外,那些试图利用数据来推动决策的企业也感受到了数据架构现代化的压力。当企业寻求在生产中利用数据时,许多人发现他们没有适当的基础。

Robinson说,“当我们在几年前研究和应用大数据时,我们发现很多公司在一开始就没有良好的数据管理实践,因此需要这些数据为大数据奠定基础。现在很多企业正在建立这些实践。他们正试图将所有这些整合到一个现代数据方法中,我认为这一切都融合在一起。”

德勤咨询公司新兴技术研究总监、常务董事、政府和公共服务首席技术官Scott Buchholz表示,这一推动分析业务现代化的举措应被理解为数据管理周期的一部分。

Buchholz 解释说,“我们花费了大量时间清理所有数据,并将它们整合在一起,这种工作量很大,但数据管理人员离职之后,可能还有一些工作需要重新整理。而在五年之后,我们发现又回到了起点,因为没有集中精力解决这个问题,而在新的危机来临时,我们又需要重新开始。”

Robinson认为,企业将在2020年通过关注如何收集和存储数据来回归基础。

他说:“无论我们使用‘数据湖’还是其他术语,我认为企业都将试图在将数据分解成各个业务部门之前对其数据进行统一查看。我认为他们想知道所有数据如何通过传统方式或社交媒体或物联网设备进入组织中。”

Robinson表示,转向5G无线网络的发展将增加压力,因为5G将意味着更大的数据管道和更多的数据。

他说:“这个问题必须尽早解决,例如数据是如何流动以及如何更好地流动到一个可以集中操作的位置。”

3.机器学习重塑仪表板

在过去的一年中,数据分析和商业智能领域出现了多个大规模收购交易,Salesforce公司以157亿美元收购了分析平台Tableau,而谷歌公司以26亿美元收购了数据探索和发现商业智能平台Looker。对于行业领先的自助服务商业智能平台的这些收购,凸显了赋予业务用户从数据中获取见解的能力的价值。

Gartner公司商业分析团队研究副总裁Rita Sallam说,“通常情况下,当进行并购时,它代表着特定技术创新的市场成熟。分析和商业智能市场在这种情况下得以发展,尤其是Tableau、Qlik和Tibco Spotfire等供应商的基于可视的探索范例。”

Sallam预计,随着企业寻求利用机器学习自动化与分析相关的许多任务,包括数据准备和洞察发现,这一成熟将加速。其目标是让分析团队以外的广大用户能够获得数据洞察。Sallam表示,向这种自动化的推进是整合的关键驱动力,Gartner公司预计这种自动化将在2到5年内实现主流应用。

Sallam说,“我们认为,这种趋势将在2020年之后持续加速,甚至有可能进一步发展,从而引入新的用户体验,甚至有可能取代仪表板体验。这种用户体验将变得更加动态,可以根据用户的需求生成见解。它将变得更具对话性,用户可以使用自然语言与这些见解进行交互,既可以提出问题,也可以将自动生成的见解中的发现传达给用户,并将其嵌入协作工具中。”

因此,用户将减少对具有预定义关键绩效指标(KPI)仪表板的依赖,从而实现更具动态性和对话性的功能。

4.首席信息官强调道德技术和客户信任

随着企业越来越多地利用客户数据来推动决策,它们不再将客户信任仅仅视为一个法规遵从性或公共关系问题。德勤公司的Buchholz表示,到2020年,客户对数据实践的信任正成为一项业务关键目标。在使用客户数据时,信任必须是一项全方位的工作,它要考虑组织的技术、流程和人员。

对首席信息官来说,这意味着强调“道德技术”,并需要创建一套工具,帮助企业的工作人员做出决策时认识到道德困境,特别是考虑到新兴颠覆性技术的力量时。

Buchholz说:“30年前,我们将所有的信息都储存在数据中心存储设备,没有人会再三考虑。如今,我们有能力收集数据、分析数据、操作数据、按比例利用数据,以至于有些组织比我们更了解我们的行为。我认为,这实际上是在信任方面造成赤字。”

Buchholz补充说,人们不知道收集和分析数据的组织是否会出于最大利益考虑而这样做。

道德技术是试图解决这些信任问题的尝试。它可能采取可解释的机器学习算法的形式,以便个人可以更好地理解那些算法之间的关联。或者可能涉及提供更好的数据匿名性和数据屏蔽,以防止个人身份信息被泄露。

Buchholz说,“我们正在努力确保数据访问方面的控制更好,这样当人们说他们想将特定信息用于特定目的时,就会有更多的治理,并确保他们不会将其用于他们要求以外的目的。”

在其他情况下,企业正在创建工具来理解数据的场景以及数据的准确性如何随时间而变化。Buchholz指出,加拿大CIBC银行实施了一系列数据准确性评分,以评估其用于推动决策的数据元素。

Buchholz说:“其中一个例子是,贷款者申请抵押使用工具在最初比较有效。但是过了一段时间,使用这些信息做出决定的有效性可能很低。”

【编辑推荐】

  1. 大数据基于AI的安全系统中的道德偏见
  2. 数据协作如何解决大数据的大问题
  3. 这里有60款值得推荐的大数据开源工具
  4. 企业大数据平台仓库架构建设思路
  5. Kafka集群在马蜂窝大数据平台的优化与应用扩展
【责任编辑:华轩 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

秒杀高并发白话实战

秒杀高并发白话实战

主流高并发架构
共15章 | 51CTO崔皓

57人订阅学习

网络排障一点通

网络排障一点通

网络排障及优化调整案例
共20章 | 捷哥CCIE

460人订阅学习

VMware NSX 入门到实战

VMware NSX 入门到实战

网络虚拟化革命性技术
共16章 | Cloud袁

227人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微