值得推广的5项数据分析投资

分析技术常常被夸大为一种能够实现变革的魔法。但以下的这五项新兴分析投资看起来会很有前景，而且富有成效，足以为未来带来可观的利润。

很少有颠覆性的技术能像分析技术那样伴随着如此多的炒作。近十年来，数据分析和商业智能(BI)一直就是IT投资的首要任务，尽管已经有许多分析投资推动了真正的价值，但要辨别哪些创新将带来富有成效的结果，哪些将是死胡同并不容易。

Gartner的研究副总裁Jim Hare表示，在我们进入2020年之际，IT和商业领袖们仍将分析和BI列为最优先的创新投资项目。毕竟，智能化是所有数字业务的核心。对于这些领导者来说，关键在于能否看穿炒作，在正确的技术上做出正确的投资。为了提供帮助，Gartner确定了5个关键趋势，Hare表示，这些趋势将帮助IT领导者关注分析投资，因为这些投资将在未来几年里逐渐产生影响。

增强分析

“企业拥有的数据比他们知道的要多得多，现在他们正试图理解这些数据，并将其转化为有用的见解，以帮助改进决策，而不仅仅是依靠业务分析师团队，但是对于那些在组织的第一线的用户来说，他们在获得分析性见解方面依然是匮乏的和服务不足的，”Hare说。

进入增强分析，并使用机器学习来自动化数据准备、洞察发现、数据科学，并与广泛的业务用户、运营人员和公民数据科学家(不仅仅是分析团队)共享洞察。这种增强分析趋势是Gartner确定的2020年五大趋势之一，Gartner预测其在两到五年内将成为主流。

Hare解释说，数据发现工具也为业务分析人员提供了自助服务功能，但是业务分析师仍然需要大量使用手动流程。

“你仍然需要大海捞针，”Hare说。“增强分析的想法就像是一块巨大的磁铁，盘旋在干草堆上，为你找到掉落在其中的一根针，找到数据中隐藏的模式，并更有效地将它们呈现出来。”我们通常看到的是利用机器的力量和人类用户相结合的增强分析，将它们组合在一起将能够更有效地工作，将比它们各自独立工作得到更多的好处。”

数字文化

Hare认为，到2020年，组织需要专注于发展他们的“数字文化”，他说，这可能是任何组织在数字化转型之旅中可以采取的最重要的一步。

“在过去，业务分析师和最终用户之间存在着鸿沟，他们总是试图使用更多的数据和分析见解，”Hare说。“这背后的一个关键趋势是分析和数据的消费化。具体来说，是我们如何将更多的数据使用到组织的最前沿?”

要做到这一点，需要创造一种以数据素养为中心的数据驱动文化，尤其是在业务的前线，“这样，人们在谈论数据时就能够使用相同的语言，”Hare说。

在这方面，培训是首席信息官需要考虑的关键投资，作为建立数字文化的劳动力转型努力的一部分。为了提高数据素养，组织需要训练其员工在上下文中读写和交流数据，理解数据源和结构、分析方法和应用技术，以及描述用例应用程序和结果价值的能力，Gartner表示。

Hare还指出了围绕数字伦理进行培训的重要性，因为物联网(IoT)、3D打印、、移动、社交和人工智能等创新的发展速度，使得这些技术极有可能在道德和行为之间造成差距，导致意想不到的后果。到2020年，组织将不得不协调他们的原则和他们所使用的技术可能产生的后果。

Gartner指出，首席信息官们也应该考虑好“data for good”的举措。在这方面，商业部门需要帮助非政府组织和其他公共部门组织，这些组织正试图更多地利用数据，但也缺乏有效利用数据的技能和专业知识。这可以采取免费或低成本的技术、数据或熟练工人的形式。Hare说，这样的慈善活动可以帮助在紧张的劳动力市场中吸引和留住工人，并向投资者表明社会责任。

关系分析

图形、定位和社会分析技术正在帮助组织了解人、地点和事物是如何联系在一起的。Gartner认为，在这个领域最有价值的应用程序都是专注于发现的。例如，图形技术可以用于识别非法行为和犯罪活动，从而使执法机构能够发现洗钱和其他的犯罪活动。除了识别欺诈和其他非法行为，图形分析还可以应用于路线优化、市场购物篮分析、客户关系管理优化、供应链监控等领域。

定位智能可以采用在室内环境中生成、处理和分析数据的服务和解决方案的形式，也可以采用从室外地理空间关系中获取信息的方式。室内位置智能的应用领域包括医疗保健(监控移动资产、跟踪患者)、零售(根据客户流量管理员工、在店内提供逐向导航)、制造(跟踪部件、监控闲置工具)和公共部门(在紧急情况下定位资产和人员、访问控制)。户外定位智能则可以帮助解决人口统计分析、商店布局、资产跟踪、环境分析和交通规划等问题。

社会分析主要是帮助组织收集、测量、分析和解释在人员、主题和其他内容之间的交互和关联的结果。Gartner表示，社会分析将帮助组织发现趋势(例如客户满意度)、行为(对某些主题或想法的兴趣)和早期预警信号(客户满意度和流程分解的来源)。

决策智能

Hare认为，2020年的组织将寻求利用实时数据来推动更好的决策。在这里，决策智能已经成为了一门实践学科，它包括了诸如连续智能、决策自动化和事件流处理等创新。

“这真的就是最后一英里或最后一步了，”Hare说。“这里需要对决策进行观察，它们是如何被做出的，以及哪些决策是可以被自动化的。我考虑的是指导性的建议：这些信息将被提供给所有人，帮助他们做出更好的决定。”

持续智能将实时分析与业务操作集成在了一起，可以基于当前和历史数据的混合以响应业务事件的操作。为了取得成功，持续智能也将利用增强分析、事件流处理、优化、业务规则管理和机器学习。Gartner预测，持续智能的成熟将需要5到10年的时间，但是当它成熟时，它将是革命性的。

对于希望在短期内进行投资的CIO来说，事件流处理则更接近于成熟--Gartner的数据显示，这也需要两到五年的时间--但也将是革命性的。那些寻求利用物联网的组织需要尽快掌握这一创新。Gartner认为，事件流处理最终将被每个大公司的多个部门采用，通过实时仪表板、警报和异常检测来支持运营。此外，它还将帮助组织通过只显示最相关的信息来避免数据过载。

数据的操作和扩展使用

各组织将继续把工作重点放在其数据操作和扩展数据使用上。这其中很大一部分将取决于对组织内各个组成部分的上下文理解。

“一线的人们需要根据他们的具体需求来进行分析，”Hare说。“从事销售、营销或支持工作的人各自需要一套不同的分析方法。在某些情况下，这是一个关于分析是如何交流的问题。他们需要在适当的时候获得正确的信息，帮助他们在工作中做出特定的决定。”

随着数据开始在组织中变得越来越普遍，部分操作和扩展将通过只处理他们需要的数据来帮助个人避免数据过载。

Hare说，组织将需要发展出一种双峰模式。模式一的分析是你如何经营好你的业务，而模式二的分析则是关于实验、发现隐藏的见解，然后将这些见解纳入你的生产分析的能力。在过去，即使是同时使用这两种模式的组织也倾向于持续保持它们的独立性。

“我们将看到一种能够使这两种模式更加融合的方法，”Hare表示。“最终你会发现，在更快地发现新见解和能够将其用于企业生产之间，存在着这样一个持续的过程。”