2016年, 商業智能和數據分析領域的新趨勢

1946年2月14日，地球上第一臺電子計算機誕生。在這70年的歲月里，信息科技深刻地改變了人類社會。尤其是在新世紀里，互聯網和大數據引領變革的潮流，人類歷史掀開了最為絢爛的一頁。在2016年，我們依然將看到商業世界會發生巨大的變化。新的數據分析工具將出現，給公司提供更多的業務情報、業務指導和市場操作策略。具體說來，我們在這一年將會看到什么呢？

數據分析人員將有更大的作用和影響力

一個很有趣的預測變化：數據科學家成為很多行業的“新星”。例如，哈佛商業評論認為數據專家是“21世紀最性感的工作”，因為他們具有越來越大的影響力。這些變化主要是因為需求驅動。調查發現公司對Python程序員的需求2014年竟增加了96%，而計算機系統分析員和信息調研人員的需求也毫無意外地增加。

Brian Dirking在Alteryx工作，該公司為客戶提供數據可視化操作和數據處理服務。當談到2016年的變化時，Dirking說“數據分析人員將會在決策中發揮更大的影響力，在會談桌上獲得更多的席位?！?/span>

Dirking介紹了一個調查結果事例，該調查結果改進了數據分析過程，并節省了數據分析時間。他指出：我們將會更加認同數據分析人員。還說道：“隨著數據分析工具的改善，數據分析人員將會給企業做出更大的貢獻?！?/span>

位置分析的重要性

2016年的另一個驅動力將會是地理位置分析和地理空間工具，它們能讓企業更好地把握市場動態。比如，Dirking談到的“商場布局”策略能夠使企業利潤飆升。

他說：“這是一些行業的緊要處?！彼墓臼褂媒煌〞r段分析來處理數據得出市場模型的案例，給很多大企業留下了深刻的印象。他還談到特定實體店內細微的顧客行為。

他說：“人們是怎樣逛商店的以及他們都看什么東西，變得非常重要?！辈⑶艺劦揭苿訑祿治鲆部梢詰迷谄渌I域，如：運動和醫學。

業務人員和IT人員的合作

人們在商業現代化發展的進程中，已經看到不同角色和部門之間的界限模糊了很多。比如：許多企業都要求IT人員跟業務人員或非技術人員的一體化合作，這樣有利于工作過程的無縫銜接，而更多的人將享用數據分析的好處。

Dirking說：“人們一旦知道了一個問題的答案，他們就會發現另一個問題?！?他說，傳統的工作方式是將IT人員和業務人員分成兩個獨立的陣營，這曾經是不錯的?，F在，通過建立兩者之間的聯系，公司可以提高工作效率和整體能力。由正確的人使用正確的數據，企業才能做出更好的決策。

預測性分析和數據發現的影響

通過收集不同類型的數據，公司可以建立更復雜的可視化模型，這將有助于他們采取準確的行動。例如：Dirking提到的“菜籃子分析”，把更好的數據模型展示給公司，讓他們知道顧客在買什么，甚至他們將來最有可能買什么。

Dirking說：“它展示了很多新的東西，這些東西如果你只是擁有數據的話，是得不到的?！睆腃RM到銷售，預測性分析和下一代商業智能將注定要改造購物車的內容。

Spark成為主流

另一個趨勢與Alteryx看到的一樣，即Spark將代替傳統的Apache MapReduce Hadoop。

從前，存儲裝置通過電腦的物理集群讀取和處理數據。那時，使用MapReduce管理這些分散的物理機很有意義。

隨著網絡可視化和其它技術的進步，推出了新的、內存大的、容易升級的系統。Dirking說：“Spark通過靈活處理數據的方法完善這些新的系統?！笨偟膩碚f，我們預期看到一個新的趨勢——新的數據分析工具更適合虛擬運行環境，如虛擬機或容器環境。

云將與你同在

Dirking提到，當你觀察技術市場的時候，另一個預測就很明顯了。就是近幾年崛起的云計算，它的發展還沒有停止。相反，我們看到云將供應商系統分成了不同的領域。關于是使用私有云還是公有云，或是混合方案的討論已經開始。不管公司選擇哪一種方案，它們都有一個共同點：采取常規的做法，為了充分利用云供應商提供的按需使用、可升級的系統，把成本高的硬件維護和相關工作外包出去。云應用的預測報告發現：大多數受訪者稱他們的公司已經撲向云計算的浪潮中。

IT巨頭正在使用云服務代管各種強大的數據分析工具。像Salseforce公司以客戶關系管理為中心，其它更多的公司的則搞綜合分析服務。Dirking說：“Alteryx已經看到，很多客戶使用諸如亞馬遜的Redshift和微軟的Azure以及可升級的、靈活處理數據的云服務?！?/span>

Dirking說：“這些進展，不僅讓人們能快速升級系統，而且還能訪問移動端數據?！?/span>

Alteryx與它的合作伙伴Tableau、Cloudera將舉辦一個網絡研討會簡評這些預測，并向到會的人講解數據——-一種新的有價值的資產，為何將會越來越有用。

具體應用案例

上面所談的數據預測分析技術進展，正在用不同的方法影響不同的市場。

例如：一個最近的博文討論到，運動團隊如足球、橄欖球隊是怎樣利用數據分析確定隊員的位置或是他們應該在哪比賽。因為新的數據驅動策略的應用，能夠為他們帶來新的球迷，并且讓隊員在運動中獲得不同的體驗。

數據分析在醫療保健方面的應用。假設一家大公司不得不使用一個半衰期很短同位素治療癌癥。每天，公司都要考慮生產多少個同位素，什么時間以及在哪兒使用。在交通時間分析法之前，有很多低效的路徑選擇方法。但是當你確切地知道運貨需要多長時間時，你就能采取更恰當的行動，給公司和他們的客戶節約資金、節省時間，讓他們把更多的精力投入到未來的發展中。我們可以打賭說，這個時間預測分析也是可以挽救更多的生命的。