【IT168 评论】从初创公司到全球企业，数据对所有公司都是无价的。
这种不断增长的商业诉求正在触发企业部署商务智能解决方案，以提升和加速数据驱动决策。成功的企业正在优先考虑现代商务智能解决方案，反过来又使他们员工成为有史以来分析能力最强的一代。
为了在2018年获得竞争优势，企业必须认识到可以增强其商业智能方法的策略、技术和业务角色。
展望新的一年甚至未来更长时间，下面是一些商业智能关键趋势。
1、不要害怕AI：机器学习将提升分析师能力
大众文化正在推动人工智能威胁论的观点。
但是，随着科学技术的不断进步，机器学习正迅速成为分析师强有力的附加能力，机器学习可以提供帮助并提高工作效率。
IDC预计，到2020年，人工智能和机器学习系统的收入将达到460亿美元。Gartner预测，在2020年，人工智能将成为一个积极的净工作动力，创造230万就业机会，同时仅消除180万就业机会。
通过自动化简单但劳动密集型任务(如基础数学)，分析师将有时间从战略角度思考其分析的业务影响，并为后续发展做好计划。
其次，机器学习有助于分析师做决策。分析师可以毫不停顿地敲定数字，然后再提出下一个问题深入研究。机器学习对分析师的帮助是不容置疑的，但是当明确界定结果时，认识到机器学习应该被接受是至关重要的。
虽然分析师可能会有被替换的担忧，但是机器学习将为分析师带来额外收益，并使他们的业务更加精确。
2、人文科学专业将比科技类相关专业毕业生更有竞争力
随着分析行业不断寻求技术熟练的数据工作者，并且企业希望提升他们的分析团队，艺术和讲故事将会更多地影响数据分析行业，这并不令人惊讶。令人吃惊的是，创建一个以前为IT和高级用户保留的分析仪表板技术，正被那些了解讲故事艺术的用户接管——这是一门主要来自文科的技能。此外，企业正在雇用更多雇员，他们可以利用数据和洞察力来影响变革，通过艺术和说服力来推动变革，而不仅仅是分析本身。随着越来越多的企业将数据分析视为业务重点，这些文科数据管理员将帮助企业认识到赋予员工权力是一种竞争优势。
这方面有一个很棒的例子可供参考，日产曾聘请人类学博士Melissa Cefkin领导该公司对人机交互以及自驾车与人之间的相互作用进行研究。自动驾驶车辆技术已经走了很长一段路，但是当混合的人机环境依然存在时，仍然面临着障碍。以四路停车为例，人类通常会根据具体情况分析，使得教导机器几乎是不可能的。为了帮助克服这种情况，Cefkin的任务是利用她人类学的背景来识别人类行为模式，从而更好地教导自动驾驶汽车遵循人类的模式，并将这些模式反馈给乘坐汽车的人。
根据领英的数据显示，文科毕业生比IT毕业生加入科技人才梯队要快10%。财富500强的CEO中有三分之一拥有文科学位。
3、自然语言处理的承诺(NLP)
Gartner预测，到2020年，50%的分析查询将通过搜索、自然语言处理(NLP)或语音产生。
NLP将使人们能够提出更多细微的数据问题并获得相关答案，从而获得更好的见解和决策。
同时，开发人员和工程师将通过研究人们如何提问——从即时满足到探索，逐步在人们如何使用NLP方面取得更大进展。
这个机会不是在任何情况下放置NLP都可以的，而是在正确的工作流程中提供，所以对于那些使用NLP的人来说，它是少有的。
IDC预测，到2019年，75%涉及企业应用的日常工作将可以使用智能助手来提高工作人员的技能和专业知识。Gartner预测，到2021年，超过50%的企业将比传统的移动应用程序开发更多的机器人和聊天机器人。
4、数据治理的未来是众包
有人说自助式分析已经打乱了商业智能，而且治理也出现同样的混乱，这是不准确的。
随着自助式服务分析的扩展，一系列有价值的观点和信息激发了实施治理的新方法。
商业智能和分析战略将在2018年采用现代化的治理模式：IT部门和数据工程师将策划和准备可信数据源，随着自助式的主流发展，最终用户将可以自由探索可信的安全数据。
Collibra显示，45%的数据公民表示，不到一半的报告具有高质量的数据。61%的C / V Suite领导者表示，他们自己公司的决策只由数据驱动。
5、关于多云争论的结局
Gartner表示：“到2019年，多云战略将成为70%企业的共同战略。”
随着企业越来越担心被绑定到单一的传统解决方案，评估和实施多云环境可以确定谁为每种情况提供非常好的的性能和支持。
然而，虽然灵活性是一个优点，但这种方法通过分散提供者的工作负载和迫使内部开发者学习多个平台而增加了间接成本。
随着多云应用的不断增加，企业必须评估其战略，并衡量每个平台的采用情况，内部使用情况，工作负载需求和实施成本。
Gartner预测，到2019年，70%的企业将实施多云战略。Forbes显示，Tech Chief Financial(技术首席财务)官中74%表示，云计算将在2017年对其业务产生最大影响。
6、首席数据官CDO的兴起
数据和分析正在成为每个企业的核心。但是，在某些情况下，CIO和业务之间形成的差距与安全、治理以及洞见速度有关。
对于很多人来说，答案是任命首席数据官(CDO)或首席分析官(CAO)来领导业务流程变革，克服文化障碍并在各个层面传达分析的价值。
CDO / CAO的角色是以结果为中心的，他们确保从一开始就有关于如何制定分析战略的主动的C级对话。
Gartner预测，到2019年，90%的大公司将拥有CDO的角色。到2020年，50%的领先企业将拥有与其首席信息官相似的具备战略影响力和权威性的CDO。
7、数据保护的脆弱性在上升，数据保险公司倒是在增长
对于许多公司来说，数据是一项关键的业务资产。但是，如何衡量这些数据的价值呢?当数据丢失或被盗时会发生什么?正如我们在近期高调发现数据泄露时所看到的那样，这可能对品牌造成不可挽回的损失。
根据Ponemon研究所2017年的调查显示，数据泄露的平均总成本估计为362万美元。
但是，企业是否在尽其所能地保护他们的数据呢?网络安全保险市场是一个因为响应数据泄露而迅速增长的行业。该行业同比增长30%，到2020年该行业的年度承保费达到了56亿美元。(AON)
网络和隐私保险涵盖了企业对数据泄露的责任，其中客户的个人信息极易被黑客暴露或窃取。即使面临着市场增长造成的数据泄露的持续威胁，只有15%的美国公司拥有涵盖数据泄露和网络安全的保险政策。而且，这些公司大部分来自于大型金融机构。
8、数据工程师的角色日益突出
数据工程师将继续成为企业利用数据更好做出业务决策的组成部分。从2013年到2015年，数据工程师的数量增加了一倍多。截至2017年10月，在LinkedIn上有“数据工程师”的开放职位超过2500个，显示了对这个专业的需求不断增长。
那么这个角色为什么如此重要呢?数据工程师负责设计，构建和管理企业的运营和分析数据库。换句话说，他们负责从业务的基础系统中提取数据，这种方式可以被用来作为见解和决策。随着数据和存储容量的增加，对不同系统，架构以及理解业务需求或能力有深入了解的人开始变得越来越重要。
然而，数据工程师角色需要独特的技能。他们需要了解后端，数据中的内容以及如何为业务用户提供服务，数据工程师还需要开发技术解决方案来使数据可用。
Gartner 2016年的一项研究发现，由于数据质量不佳，受访企业平均每年损失970万美元。数据科学家和分析师需要花费多达80%的时间来清理和准备数据。
9、物联网将推动领域内创新
如果说物联网(IoT)的激增已经推动了连接设备数量的巨大增长，这是不够的。所有这些设备都与其他任何设备进行交互，并捕获提供更多连接体验的数据。实际上，Gartner预测，到2020年，消费者可用的物联网设备数量将增长一倍以上，世界将存在204亿在线物联网设备。
一个积极的趋势是利用基于位置的数据与物联网设备的使用。也就是说，为物联网设备提供传感和传达其地理位置。通过了解物联网设备的位置，可以更好地了解正在发生的事情以及预测在特定位置发生的情况。
对于试图捕获这些数据的公司和组织，我们正在看到不同的技术出现。例如，医院，商店和酒店已经开始将蓝牙低功耗(BLE)技术用于室内定位服务，GPS来说通常难以提供上下文位置。该技术可用于跟踪特定资产，人员甚至与智能手表，徽章或标签等移动设备交互以提供个性化体验。
IDC预测，物联网终端到2020年将增长到300亿。Gartner预测，物联网的爆发性增长预计到2020年将超过50亿美元。
10、大学在数据科学和分析项目上妥协了!
北卡罗莱纳州立大学是首个数据科学分析硕士点的所在地。MSA位于高级分析研究所(IAA)内，该研究所是一个数据中心，其任务是“生产世界上最优秀的分析从业人员 - 掌握复杂的大规模数据建模方法和工具的人员”为了解决具有挑战性的问题......“作为第一个硕士点，北卡州立计划已经预示了学术界对数据科学和分析课程的显著投资。
今年早些时候，加利福尼亚大学圣地亚哥分校推出了第一个数据科学专业的本科生。他们还制定了计划，由校友捐助成立了数据科学研究所。随之而来的是加州大学伯克利分校，加州大学戴维斯分校和加州大学圣克鲁斯分校都为学生增加了数据科学和分析选项，其需求超出预期。
根据最近普华永道的一项研究，到2021年，69%的雇主将要求求职者提供数据科学和分析技能。Glassdoor在2017年报告中也说，“数据科学”已经连续第二年成为“顶尖工作”。随着雇主需求的增长，填补高技能数据科学人才漏洞变得越来越重要。但是普华永道报告指出，只有23%的大学毕业生拥有这项技能，并且可以在雇主的要求下进行竞争。
麻省理工学院最近的一项调查发现，40%的管理者在招聘分析人才方面遇到了麻烦。PWC显示，到2021年，69%的雇主将要求数据科学和分析作为候选人的关键技能。
