大数据中国

搜索
大数据中国 首页 数据分析 查看内容
塑造分析未来的5个数据分析趋势
2021-3-10 14:34 | 查看: 153| 评论: 0

数据分析软件现在显然已经成为企业管理业务的核心工具集。而大数据公司不断更新的应用程序将成为企业运行业务的引擎。

  考虑到数据分析的重要性,每一个部门的业务经理都须了解未来形成数据分析的趋势。

  为了讨论这个问题,Gartner公司研究副总裁Jim Hare在其撰写的一份调查报告中探讨了影响数据分析发展的五大趋势。

  以下是Jim Hare讨论的重要数据分析趋势:

  1.增强分析

  增强分析使用机器学习技术。Gartner公司预测,到2020年,公民数据科学家产生的分析数量将超过数据科学家,这在很大程度上是由于数据科学任务的自动化。

  Jim Hare表示,增强分析使业务分析师甚至无需成为程序员就可以更轻松地构建和部署这些模型。因此,无论是在传统分析方面,还是在这些数据科学机器学习平台上,这些确实正在改变着格局。

  他说,“这在多个方面提供帮助,其中一个是使准备数据变得更容易,在数据中找到见解,然后是如何传达这些见解和结果。”

  2.数字文化

  Jim Hare在发表的调查报告中声称:“数据素养、数字道德、隐私,企业和供应商以数据为中心的计划涵盖了数字文化。”

  Gartner公司预测,到2023年,拥有20位以上数据科学家的组织中,有60%的组织将需要一套包含数据分析道德使用的专业行为准则。

  他说,“我们看到许多组织都面临的挑战之一是:并非每个人都了解数据分析的真正原理。因此,对于想要成为数据驱动型组织的组织而言,很重要的一件事是提升他们的知识和技能,甚至一线员工已经开始拥有这些分析见解。但他们需要了解如何以更好的方式使用该信息进行交流,以及存在哪些局限性,以免遇到麻烦。”

  3.关系分析

  关系分析强调了图形、位置和社会分析技术的日益使用。

  Jim Hare表示,“在某些情况下,关系分析是人与人之间的交流,有时甚至是人与物之间的交流。但是,当企业开始组合多个数据集时,可以推断出很多信息。

  如今,组织看到的大多数分析解决方案都是孤立地看待这些类型的数据。因此,其分析位置是在查看地图上的特定数据点,或者是在社交分析中,可能正在查看人员之间的连通性。

  重要的是,当组织开始将这些不同类型的数据源拼凑在一起并一起使用多种分析技术时,能够更全面地了解要解决的任何问题。这将是提供更深入的见解并真正为组织提供帮助的下一个浪潮。”

  4.决策智能

  决策智能提供了一个框架,这个框架将传统和先进的技术结合起来,设计、建模、对齐、执行、监控和优化决策模型。

  Jim Hare说,“决策智能意味着这些决策通常跨越多个应用程序甚至是不同的功能组。举例来说,如果与大多数组织交谈并询问他们有关客户体验的信息,那将是很孤立的。销售组织和市场支持部门都有各自的孤岛。他们都有自己的观点,但是没有人真正地从所有这些不同的孤岛全面看待客户。

  因此,决策智能真正带来了这种层次的洞察力,并利用人工智能和自动化的结合来突破这些障碍,并从整体上进行深入研究。”

  5.操作和扩展

  更多的人希望与数据互动,而更多的交互和流程需要分析以实现自动化和扩展。

  Jim Hare说,“操作实际上是几件事情。组织中充斥着太多的数据,并且他们试图找出如何开始管理所有数据的方法。

  但是后来他们也试图弄清楚,‘嗯,我们还能在哪里使用这些数据?我们如何获取这些信息,对其进行分析并将其掌握在用户手中?’这不仅需要查看单独的技术或工具,还需要采用一种基本方法来真正创建此数据基础。

 

  因此,组织能够处理、吸收以及带来越来越多的数据,对其进行整理并使其对需要分析的人员有用。随后对其进行分析,谁可以从这些见解中受益,以及如何将这些信息与不同的角色关联起来?”

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
请微信沟通
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
微信扫一扫
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2021-4-23 09:41 , Processed in 0.067200 second(s), 24 queries .

返回顶部