Gartner揭示改變（biàn）分析與商業智能發展軌跡的五大趨勢

全球（qiú）領先的信息技術研究和（hé）顧問公司Gartner近期發布了2019年分析與商業智（zhì）能技術成（chéng）熟度曲線（Hype Cycle for Analytics and Business Intelligence）。Gartner研究副總（zǒng）裁Jim Hare表示：“智能已（yǐ）成為（wéi）所有數字（zì）化業務的核心，因此IT和業務領導者將繼續把分析與商業智能（néng）作為最優先的創新投（tóu）資項目。2019年分析與商業智能（néng）技術成（chéng）熟度曲線可以幫助數（shù）據與分析領（lǐng）導（dǎo）者過渡到增強型分析（augmented analytics），從（cóng）而構（gòu）建起數字文化（huà）以及實施和擴展分析項目。”

Gartner區塊鏈業務技（jì）術成熟度（dù）曲線從業務的（de）角度概（gài）括區（qū）塊鏈能（néng）力的發展並展現出區塊鏈（liàn）在不同行（háng）業的成熟度（dù）（參（cān）見圖一）。

圖一、Gartner 2019年分（fèn）析與商業智能技術成熟（shú）度曲線這五大關鍵趨勢是：

1.增強型分析（Augmented Analytics）

增強型分析通過機器學習為各類商（shāng）業用戶、操作工人和（hé）公民數據科學（xué）家實（shí）現數據（jù）準備、洞察發掘、數（shù）據科學及機（jī）器學習模型（xíng）開發和洞察共享的自（zì）動化。

不斷成熟的增強（qiáng）型分（fèn）析將成為高級分析平台的（de）關鍵（jiàn）特征。與當前的人工分析相比（bǐ），它能在更短的時間內為企業機構（gòu）內（nèi）的每個人（rén）提供分析，而且減少（shǎo）了對專業用戶的需求及解釋的偏差。隨著這項技術的發展（zhǎn），市麵上將會出現更多的公民數據科學家（jiā）。Gartner預測到2020年，公民數（shù）據科學家所產（chǎn）生的高級分析量將超過數據科學家，而這很大程度上要（yào）歸功於數據科學（xué）任務的自動化。

2.數字文化（Digital Culture）

建立有效的數字文化可（kě）能是企業機構在數字化轉型過程中邁出的第一步，也可能是最重要的一步。Hare先生表示：“數字文化涵蓋了數據素養（data literacy）、數字道德（digital ethics）、隱私、企業及廠商（shāng）的'數據向善'（data-for-good）項目。”

任何（hé）希望挖掘數（shù）據價值並且正處於（yú）數字化轉型過程（chéng）的企業（yè）機構都必須專注於培養數據素養。Gartner分析師認為，數據素養將影響所（suǒ）有員工。它不但是一項業務技能，更是一項必不（bú）可少的生活技能。

隨著人工智能、數字社會和各種“假新聞”的（de）出現，個人、企業機構（gòu）和政府對數（shù）字（zì）道德的興（xìng）趣日益濃厚。數（shù）據與分析（D&A）領導者應（yīng）發起（qǐ）有關數字道德的討論，以此確保信（xìn）息與技術的使（shǐ）用符合道德，從而贏得並（bìng）維係員工、客戶和合作夥（huǒ）伴的（de）信任。

Gartner預測，到2023年，在擁（yōng）有（yǒu）20名（míng）以上（shàng）數據科學家的企業機構中，將有60%需要在其職業行（háng）為準則中加入（rù）關於數據與分析使（shǐ）用道德的內容。

3.關係分析（xī）（Relationship Analytics）

關係（xì）分析的出現突（tū）出了人們正在越來越多地通（tōng）過圖形、位置（zhì）和（hé）社會分析技術了解不同（tóng）目標群體（人、地方和事物）之間的聯係（xì）。用戶通過分析不斷變化（huà）的非結構化數據獲得關於網絡中各種關聯的信息和背（bèi）景以及能夠提高預測和決策（cè）準確性的深層次洞察。

許多價值極高的應用都專注於探索事先未（wèi）知、但需要解決的問題。例如（rú）基於圖譜技術的關係分析（xī）可以發現非法（fǎ）行為和犯罪活動。執法（fǎ）機構可通過（guò）分析正式和非正式人際關係網絡發現洗錢和其他（tā）犯罪活動。這讓它們（men）能（néng）夠（gòu）更輕鬆地（dì）區分網絡中的惡性和良性（xìng）行（háng）為。

4.決（jué）策智能（Decision Intelligence）

數據與（yǔ）分（fèn）析（xī）領導者可以（yǐ）從不斷變化的生態中（zhōng）獲得大量數（shù）據，但他們也因此需要使用多種技（jì）術來有效地管理數據。目前的決策模型結果具（jù）有不可預測性，這通常是因為無法正確獲取並解釋與這些模型在業務環境中的“行為”相關的不確定（dìng）性因素。決策智能所（suǒ）提供的框架結合（hé）傳統與先進技術進行決（jué）策模型（xíng）的（de）設計、建模、對齊、執行（háng）、監控與調優。

5.操作化與擴展（zhǎn）（Operationalizing & Scaling）

在業務的核心、邊緣甚至（zhì）邊緣之外，應用的數量呈爆炸式增長。越（yuè）來越多的（de）人希望能夠與數據交互，而不斷增加的交互和（hé）流程需要通過分析才能實現自動化和擴展。人們越來越需（xū）要能（néng）夠根據自己的需求隨時隨地使用分析服務和算法。無論是證明（míng）下一個重大戰略舉措的合理性，還（hái）是逐步優化數百萬項事務和交（jiāo）互，分析工具及支持分析工具（jù）的數據（jù）正出現在以（yǐ）前很少用到它們的地方。這賦予了“無處不（bú）在的分析”（analytics everywhere）這一（yī）概念新的內涵。