文档彩票走势图>>qlik 案例>>Qlik，2019年BI趋势十大预测：下一站，BI将驶向何处？

Qlik，2019年BI趋势十大预测：下一站，BI将驶向何处？

数字化时代，信息即为力量。

科技正以超越大多数人想象的速度发展，并从各个层面上影响着我们——不仅改变了个人生活和工作，甚至还改变了社区，乃至整个世界。与此同时，科技还推动了力量的转移，掌握信息的组织将坐拥权力。当下，信息被集中并整合到越来越少的人手中，少数行业巨头依靠超大规模的数据中心，参与到一场数据和AI的竞赛中，颠覆了一个又一个行业。

为此，建立一个能够引领数据民主化的后现代分析平台是至关重要的，通过交付更好的性能、更深入的洞察和更广泛的参与，防止权力被集中在少数人手中。当数据、分析和洞察被分散到多数人的手中时，组织将凭借动态的集体智慧变得更加善于合作、实现自我管理，从而愈发强大。与此同时，我们所处的竞争环境也将变得更加平等与公正。

那么，后现代分析将会是什么样子呢?Qlik预测了2019 BI发展的十大趋势，带你迎接后现代分析的黎明！

1. 多重云、混合云与边缘计算将合而为一

近年来，IT领导者将越来越多的数据迁移到集中式云服务中，其中还包含那些对业务运行至关重要的数据。然而数据的高度集中化会导致供应商锁定，从而产生相关的后续成本，同时还有可能使企业在政策和法规 (如GDPR) 方面缺乏灵活性。除此之外，在云中管理数据的过程中，稍有不慎就会面临成本、复杂性和风险提高的可能。

规避这些问题的有效方法之一是同时采用混合云的方式，对数据进行集中调整，并将其分布到多个云中。我们还可以期待更多的边缘计算加入其中，对当今云和遗留数据中心的去中心化进行补充，用以解决延迟、隐私和安全等相关问题。

2. 工作负载将趋于分散

微服务和Kubernetes的崛起是大家在当下应给予充分关注的重要趋势。微服务是一种开发应用程序的新方法，将大型应用程序构建为一组模块化组件或服务。而Kubernetes是一项具有巨大影响力的软件创新，可以管理和分发容器化的应用程序和工作负载。

Kubernetes使企业可以在本地和边缘访问和处理数据，它超越了现代BI平台所能达到的范围。仅一年的时间里，Kubernetes迅速发展为企业必不可少的存在，支持应用程序的开发团队编排基于容器的应用程序以及实现更高要求的产品。

这些技术结合在一起，将过去原本一体的工作负载分散开来，以一种新的方式来扩展工作负载并进行赋能。正如扩展硬件和基础设施，扩展工作负载也将对创新的飞跃式发展产生巨大效应。

3. 集中式数据将被数据的单一视图所取代

数据正从不同方向、以不同速度和格式向我们袭来。是否有能力控制这场信息时代的海啸，将成为企业进行赋能和获取成功的关键标志之一。

多年来，企业一直致力于将所有数据放置到数据仓库或数据湖等地方，然而这种做法却并没有带来真正的成功。尽管在数据源对数据进行组合和分析，是在快速发展的世界中保持敏捷的必要条件，但这种方法实际上已经造成了数据孤岛和治理问题。

现在有两大趋势正在改变这一格局。首先，不同的供应商正联合起来推动数据模型的标准化，特别是基于云的数据源将产生更多的标准格式。其次，也是更重要的一点，是企业数据目录的出现。这些目录可以通过一个针对全部数据资产的视图，在hub中进行访问，同时交付数据购买的市场体验。企业越频繁地共享、协作和使用hub，就会对业务产生的越大的价值。此外，基于分析就绪的数据，单一视图还能将分析策略与企业数据管理策略联系起来。

4. 嵌入流程的分析将重塑流程

将分析嵌入到业务流程中虽不是什么新鲜事，但它现在已然成为了主流。

用户希望在现有的工作流中进行分析，以获得更具操作性的洞察，同时，他们对实时洞察的需求也愈发高涨。这种需求是由机器学习和增强智能推动的，它们提供了情境化的洞察以及行动建议。这些因素共同构成了持续分析，使实时分析被集成到业务操作流程或物联网中，通过处理数据来规定业务响应操作。在未来五年，“智能”应用程序将无处不在。

渐渐地，我们会看到分析将开始重新定义流程本身。机器人流程自动化、智能流程自动化以及流程挖掘等新技术将着眼于数字化足迹，并以更优的方式进一步实现自动化或重塑业务流程。

5. 外部创新将比内部创新快2倍

众所周知，内部创新具有紧密契合的优势，员工比任何人都更了解产品，并且能使用必要的手段来进行改进。但是，在任何一家公司内，能够围绕某一项技术进行创新的人数都十分有限。反之，如果拥有一个强大而开放的生态系统，创新将是无限的。

除此以外，与业务更密切的人可以更为有效地提供与工作相关的价值。借助开放的BI工具，他们可以在应用分析的方式上进行创新，而这是在封闭的BI工具中不可能实现的。如果企业有一个从外部流向内部的开发管道，将会达到更高的创新潜力，由此，最初不被支持的扩展可以得到认证，甚至可以实现“开箱即用”。

而这就是为何支持合作伙伴、客户和用户共同创新的开放平台正逐渐取代封闭平台的原因。

6. 性能和可扩展性将重回舞台中心

当人们选择BI工具时，并没有充分重视其性能。根据BARC的调研数据，在过去两年内购买BI的受访者中，只有23%的人将“快速查询性能”作为购买理由，而在这之前，这一数字为31%。^①

近来，我们通过索引、缓存和预置大量分布式数据集看到了突破。随着各种规模的公司纷纷采用超大型数据中心，性能将更多地作为BI的选择标准。同时在物联网世界中，性能也变得更加重要，因为有越来越多的工作负载将在本地或边缘运行以避免延迟的发生。

7. 人工智能将使分析更具人性化

对于人工智能的崛起及其影响就业的潜力，人们有着合理的担忧。但在不久的将来，人工智能创造的就业岗位可能会超过它所消除的就业岗位。Gartner预测，到2020年，人工智能将成为一个工作激励因素，创造230万个工作岗位，而仅仅减少180万个工作岗位。^②

与之相比，有两个更为紧急的问题是经常被人们忽略的：

大量产生的数据与人类数据处理能力之间的巨大差距
当今分析工具的高可用性与组织内部的低采用度之间的差距

事实上，这些差距可以被消除，也应该被消除。从收集数据到准备数据，人工智能可以帮助消除信息价值链上的瓶颈，以更少的偏差进行批判性分析，并呈现符合业务场景的结果。在人工智能的推动下，人们将有更多的时间去做擅长的事情：在业务场景中思考更复杂的问题，或是借助直觉将非线性的要点关联起来。机器学习和遥测也可以捕捉到集体的力量，这些力量可以以良性循环的方式进行反馈，从而进一步改善用户体验。

8. 可视化、对话和演示技术将合并

如今，大多数数据故事都是通过演示软件讲述的。但这即没有充分的说服力，也难以鼓舞人心。最近，新的可视化和信息图开始发挥作用，但是定制化主要是由分析师或开发人员完成的。我们需要将这两种方法集成，以更用户友好的方式讲述数据故事，同时使其中的可视化元素可以增强数据发现。

在过去的三年里，由机器驱动的数据讲述方式已经出现：通过自然语言生成 (NLG) 进行叙事。添加通常被称为“对话分析”的自然语言查询 (NLQ) 和自然语言处理 (NLP)，将使这种方法更具交互性和可接受性。

随着时间的推移，数据讲述、对话分析和展示技术将逐渐融合。这一套融合技术将有力地支持数据素养更广泛的普及，帮助各级用户以更具说服力的方式表达数据与分析。

9. 数据素养将成为一项KPI

数据素养的重要性正在受到重视。但直到最近，数据素养水平还是无形的——正如一句经典格言所说，你无法管理不能衡量的东西。若想提高数据素养，我们首先需要衡量自己所处的位置。测量和索引数据素养的新方法正在出现，这将使组织能够以更有针对性和更符合情境的方式发展员工的技能。

更激动人心的是，现在出现了能够确定企业数据素养得分的工具。早期数据表明，组织的数据素养与其在关键绩效指标 (如毛利率、资产回报率、股本回报率和销售回报率) 上的表现之间存在相关性。这种相关性将使数据素养成为一种不可或缺的主流需要。^③

数据素养是一种自下而上的技能提升，而将数据素养作为KPI, CDO和其他高管也可以自上而下地引导绩效，并将其作为一种战略和差异化举措。在未来，拥有较高的数据素养分数也可能成为一项影响招聘过程的重要因素。

10. 平台将演化成为系统

一个真正的BI平台不仅仅是一系列的工具和部件，而是一个有机系统，在这个系统中，处于不同角色的人们以复杂的方式进行交互，从而增加价值。换言之，个人使用工具，但群体参与系统。^④

一个后现代的BI系统将包含许多人，他们拥有不同的角色、技能和目的。同时，人类并不是唯一的参与者，数字化服务、机器人、智能代理、扩展和算法也都参与其中。未来几年，这些非人类参与者的多样性和复杂性将以天文数字的速度增长。

正是这些参与者之间的交流和学习，增加了整个系统的价值，同时增强系统中人类和机器的智能。一个开放的、能自我学习的系统将包含上述九个趋势，并不断进行完善，定义未来的后现代BI，使数据民主和分析赋能都成为可能。

资料来源：

① //bi-survey.com/； ② IDC FutureScape: Worldwide Analytics and Artificial Intelligence 2019 Predictions, doc #US44389418, October 2018, //www.idc.com/getdoc.jsp?containerId=US44389418 ；③ “The Data Literacy Index: The $500m Enterprise Value Opportunity Report – powered by Qlik,” //thedataliteracyproject.org/learn； ④ //blog.qlik.com/data-as-an-ecosystem。

彩票走势图