2019年商業智能10大趨勢

　　2018-12-06 13:41開發/技術/人類

　　

　　*本文作者為 Tableau 大中華區總裁葉松林

　　新的一年即將到來。這意味著在各企業尋找新的可能性之際，是時候評估塑造商業智能行業未來的新興趨勢和技術了。2018 年是創新的一年，也是產品和服務日新月異的一年，這引領企業密切關注他們如何優先採用現代的商業智能方法，並重新構建業務以從數據中捕捉最大價值。

　　當我們深思熟慮接下來會發生什麼時，Tableau 收集了來自內外部專家的廣泛意見。內部專家們把握著行業的脈搏，並與世界各地成千上萬的客戶接洽交流；外部專家們則與眾多數據團隊並肩作戰，以實施商業智能平台。以下是需要關注的主流商業智能趨勢，以及我們對 2019 年及之後數年的整體預測。

　　1. 可解釋型 AI 日益崛起

　　在中國，人工智慧產業發展迅猛，被國家高度重視，逐漸運用到商業智能等各行各業中。AI 的強大潛力表明，機器可以通過自動化決策來增強其仿人類的理解力。而 AI 在商業智能領域的運用，可以幫助人們快速打破技術壁壘，充分使用數據來幫助決策。在中國，人工智慧融入商業分析還在起步階段，而我們發現在美國，隨著人工智慧的深入運用，由於人們不夠了解其背後的原理和運作流程，工作中對 AI 和機器學習的依賴，使人類對模型驅動的建議的可靠性產生了懷疑。隨著中國對 AI 運用的逐漸深入，由於很多人缺乏了解，這樣的情況也很有可能發生。

　　其原因在於，許多機器學習應用程序沒有採取透明的方式，供用戶查看決策和建議背後的演演算法或邏輯。正如劍橋大學高級研究員 Adrian Weller 在這篇文章中所述：「透明性被認為是在現實世界有效部署智能系統的關鍵。」對透明度的需求促進了可解釋型 AI 的崛起，這種實踐要求理解透明的觀測結果並將其轉換為機器學習模型。如果對人類的決策尚且會質疑，那麼當機器學習做決策時，何不以同樣的方式提出質疑？只有了解了人工智慧技術的內部運作流程，才能幫助人們了解這項技術，避免大家對智能分析產生偏見，這對於人類自身和技術發展而言是雙贏之舉。

　　眾多企業領導者會要求數據科學團隊使用更易於解釋的模型，並提供關於如何構建模型的文檔或審計跟蹤。AI 必須得到信任才能產生最強大的影響，並且其生成的結論必須簡單易懂且能靈活地回答問題，才能幫助人們更好地理解數據。

　　2. 自然語言讓數據更加人性化

　　自然語言處理 (NLP) 幫助計算機理解人類語言背後的含義。商業智能供應商正在將自然語言納入他們的平台，從而為可視化提供一個自然語言界面。自然語言正在不斷演化，以促進分析會話，即人類圍繞其數據與系統所進行的對話。系統根據對話的上下文，理解用戶的查詢意圖並深化對話，從而創造更自然的對話體驗。這意味著當對數據產生後續問題時，人們不需要重複完整的問題來進一步問詢或澄清一個模稜兩可的問題。自然語言改變了人們對數據提問的方式。當用戶可以像人際交流那樣與可視化進行交互時，更多具有不同技能組合的人員就能夠針對他們的數據提出更深層次的問題。隨著自然語言在整個商業智能行業的演化，它將打破各個組織採用分析的障礙，並幫助工作場所轉變成數據驅動的自助式操作空間。

　　3. 結合上下文分析數據來為行動提供指導

　　數據工作者需要在同一個工作流程中訪問數據並執行操作。商業智能平台供應商提供移動分析、嵌入式分析、儀錶板擴展和 API 等功能來應對這些需求。嵌入式分析將數據和見解放在人們工作的環境中，這樣他們就不必打開另一個應用程序或共享伺服器，而儀錶板擴展則可以將需要訪問的其他系統直接引入當前儀錶板。移動分析將數據直接交到實地操作人員手中。這些進步作用同樣強大，因為它們通過賦予新受眾實際需要、符合上下文的數據，滿足不同業務團隊和行業的需求。

　　4. 數據協作增進社會福祉

　　數據改變了私營企業以及非政府組織 (NGO) 和非營利組織的運作方式。「數據福祉」運動呈現爆炸式增長，因為企業意識到在社會公益舉措中使用數據的優點。事實上，Gartner 研究表明，「社交媒體去年對數據福祉的提及率增加了 68%」，原因是公眾認識到數據能夠對社會產生積極影響。

　　曾經，公共部門沒有足夠的資源來投資建立複雜的數據基礎結構或僱用專門的數據工作者團隊。這一點今非昔比。藉助雲計算的成本效益和靈活性，NGO 和非營利組織無需大量的本地投資即可開發複雜的數據環境，從而為數據驅動型社會福祉的實施開闢道路。這也促進了數據聯邦的產生——雲計算平台用於組織間的共享與協作，以實現共同目標。它還推動了各方展開對話，探討影響這些合作關係內部信任的因素，包括負責任地使用數據。儘管在這些合作項目中挑戰仍然存在，但「數據福祉」運動反映了數據共享有潛力解決我們最棘手的全球問題。

　　5. 道德準則跟上數據發展的步伐

　　隨著《通用數據保護條例》(GDPR) 等數據法規的出台，領導者紛紛評估組織內部數據倫理實踐的未來。消費者對共享個人數據變得更加謹慎，因此數據隱私不會很快消失。組織必須在日常業務實踐的背景下圍繞數據道德和數據隱私展開對話，這一點非常重要，並體現在以下兩項主要措施上：

　　1. 道德準則：許多行業已經被道德準則所約束（例如法律行業、醫療行業和會計行業），但是，隨著數據的激增，更多的企業開始評估如何將這些行業的準則應用到數據分析實踐中。首席數據官 (CDO) 正在協助制定這些道德準則，以便為未來的基礎結構、治理和人員配置決策設立一個框架。事實上，根據 2017 年 Gartner 首席數據官調查，「從 2016 年到 2017 年，將道德視為職責一部分的首席數據官數量增加了 10%。」

　　2. 業務流程的變化：批判性回顧數據的整個生命周期，為定期評估數據管理策略提供了機會，有助於確保遵守法規並與內部道德準則保持一致。正如埃森哲諮詢公司 (Accenture) 在其《通用數據道德準則》報告中所述，「管控流程必須足夠健全，為所有成員所知，並定期受到審查」，從而適應企業的成長和變化。

　　現代商業智能平台打開了數據分析的大門，這意味著更多的角色將有責任遵守數據道德準則，且數據道德將成為數據素養工作的核心部分。

　　6. 數據管理融入現代商業智能平台

　　隨著數據源變得更加多樣和複雜，以及更多的工作人員使用數據來推動決策，數據管理比以往任何時候都更加重要。企業轉而採用數據監管措施，包含捕捉、清理、定義和排列不相關數據，以填補數據與實際應用之間的空缺。數據監管工具和流程（如數據目錄和語義管控）如今正在與商業智能平台融合，將數據與業務環境關聯起來，實現大規模的管控。這有助於分析師和內容消費者通過譜系分析驗證數據來源，也有助於數據工程師和數據管理員觀察數據集的變化對下游的影響。最終，受管控的數據監管將為整個分析管道提供更堅實的基礎，幫助用戶越過針對數據提出問題，直接針對業務提出問題。

　　7. 講述數據故事成為企業的新語言

　　如果不能傳達數據結果，分析就沒有意義。這時，數據可視化就派上了用場。對於分析師來說，以簡單易懂、可操作的方式傳達形成見解的分析步驟是一項重要的技能，也被定義為「講述數據故事」。確實，只是展現數據和事實就很有說服力了，但是，當同事和高級管理層獲得大量數據和事實而不了解背景時，一切都徒勞無功。我們都遇到過使用大量幻燈片進行演示，卻發現受眾只獲得了大量數據，卻不知道怎樣去理解，毫無反應的情況。因為單純用數字或圖表是無法說服別人，所以在採集、分析完數據之後，還需要生動地去講一個故事，通過故事來告訴人們為什麼數據中的發現特別重要。隨著越來越多的企業建立了分析文化，講述數據故事的定義也在不斷變化。如今，講述數據故事的方法強調圍繞數據進行對話，而不是呈現單一的結論。這種眾包的分析方法讓儀錶板創建者和受眾都有責任圍繞數據向他們講述的故事得出結論。這樣就可以在制定業務決策之前集思廣益。隨著在公司範圍內利用數據匯聚、傳達和測試創意，跨工作領域講述數據故事將增強業務提升的潛力。

　　8. 企業在分析採用方面更加明智

　　提供對商業智能解決方案的使用權不等於採用商業智能解決方案，也不能輕易斷定每個人僅僅因為可以訪問商業智能平台就能從中獲得價值，這種假設實際上會阻礙分析的進步。偶爾打開一份報告並不意味著它會驅動行動或造成影響。實際上，企業領導者應該衡量人們如何使用商業智能平台對業務產生影響。內部用戶社區是企業提高參與度的渠道之一。例如，摩根大通旗下卓越中心團隊幫助部署數千名分析師，擴大其商業智能平台上的用戶群。然後，這些用戶變成專家，不僅宣傳最佳做法，還讓大家在數據定義上保持一致。結果將是商業智能解決方案影響力擴大、投資回報增加、工作人員效率提升，企業競爭力不斷提高。

　

　9. 數據大眾化讓數據科學家的地位不斷提高

　　根據清華大學經管學院發布的《中國經濟的數字化轉型：人才與就業》報告顯示，當前我國大數據領域人才缺口高達 150 萬，到 2025 年將達到 200 萬。越來越多部門和職位都需要與數據打交道，促進了數據素養的提高，這轉變了數據科學的定義，也模糊了傳統數據專業知識與業務領域知識之間的界限。當今的數據科學家需要掌握先進的統計和機器學習知識，同時保持對業務的戰略頭腦以及對行業的深入了解。數據科學家現在著力研究如何將結果應用到業務中，而不只是交付結果。他們還需具備演講技能，將發現的結果傳達給領導團隊，並與組織中的其他數據工作者進行協作。其中一部分工作是與公民數據科學家合作來提出並驗證假設；這類角色的本職工作並不屬於統計學領域，但是可以生成分析模型。自助式分析工具幫助他們探索並更好地理解數據，從而得出對業務具有顯著影響的見解。

　　10. 加速進行的雲數據遷移推進現代商業智能的採用

　　革新數據策略時，必須考慮數據的存儲位置。對於許多企業而言，這意味著考慮將數據遷移至雲端，因為這樣可以在降低總擁有成本的情況下，提高靈活性和可擴展性。雲服務讓企業更容易捕捉和集成不同類型的數據。Tableau 市場情報總監 Josh Parenteau 認為，「將數據遷移至雲端提高了敏捷性，並為商業智能和分析功能帶來了新的可能性。現代化的概念也隨之體現出來。」「數據引力」概念表明，服務和應用程序受到數據所在位置的吸引。因此，隨著企業加速將數據遷移至雲端，分析自然隨之而來。這促使企業領導者從傳統商業智能平台轉向現代商業智能平台，評估他們選擇的商業智能平台是否將支持向全面雲分析的過渡。儘管並非所有企業都為這種遷移做好了準備，但許多企業正在試驗混合解決方案，以利用數據源的多樣性和雲技術的優點。