2021即将结束，商业分析领域还有什么趋势值得关注？

数据赋能商业。各种组织依靠数据来保持竞争力和成功，但关键决策的制定仍是基于对海量历史数据的分析。新冠疫情的冲击，迫使组织以新的眼光来看待商业分析。倚赖历史数据的模型已经过时，现在需要实时地获取、分析和理解那些能够影响决策的数据，才能及时应对现状，而不是追悔过去。

随着越来越多组织开始采用新的商业分析方式，来获取可执行的实时洞察，了解商业分析领域的新趋势就非常重要。现在对商业分析领域无疑是个值得关注的时刻，因为新趋势被广泛采纳和落地，意味着该领域在快速演进。在2021年的末尾，我们将看到以下几大趋势的凸显。

DataOps（Data Operations）是一套新兴的方法，帮助组织加速数据分析运维。它满足了数据专业人员从原始数据中提取关键洞察的与日俱增的需求，像Facebook、Netflix已经借助DataOps在竞争中获得领先优势。DataOps将重视敏捷工作流程的开发运维团队，与数据人员团队连接起来。这种联合通过跨职能的流程协作，使数据编排得到强化和自动化。

DataOps采用了CI/CD（Continuous Integration持续集成/Continuous Delivery持续交付）的模式，这种模式通过自动化让冗长的流程得到加速，让数据分析项目在各个层面得到效率提升，从而更快地交付结果。重点是要打破壁垒，让每个DataOps团队成员都能够访问所有相关的业务数据。采用DataOps方式的组织大多使用基于云的工具和系统，这提供了可扩展性与充足的算力，来保障数据始终能得到快速地处理。

虽然很多企业在借助自动化技术提高理解数据的速度和准确性，但一些企业在能够从数据中获得预测后，就会问“那又如何？”决策智能是一个新兴学科，帮助企业应对从数据中发现的问题。根据Gartner调研，到2023年，大型组织中将有超过三分之一的分析师实践决策智能。

决策智能被认为是很多数据科学项目中所缺少的一环，它利用社会科学和管理科学来优化这些项目，以实现更好的商业决策。数据专业人员通过预测性、规则性、诊断性、描述性和决策性数据来驱动决策智能。他们也会依靠AI和机器学习来加速以往需要人工进行的数据分析。通过决策智能来优化商业决策的制定，企业可以提升用户体验、强化竞争差异并提高收入。

传统上，支撑数据分析的技术通常托管在集中化的数据中心和云环境中，这意味着，企业收集的数据必须要从产生数据的位置，通过网络传输到处理数据所需算力所处的物理位置。商业分析需要通过网络传输大量数据，这不仅成本极高，还会造成网络速度下降，给使用分析工具的终端用户带来延迟问题。

作为一种新趋势，边缘计算利用的是数据中心网络边缘的算力，使得数据处理可以更靠近数据产生的位置。这大幅减少了需要传输的数据量，实现了更低的成本、更少的延迟与更实时的数据处理能力。

NLP正在扫除数据分析领域中的一大传统障碍。对那些非专业背景但又需要从数据中提取商业洞察的数据人员和相关从业者来说，要面对各种编程语言是非常困难的。在商业分析工具中应用NLP，让那些非专业的用户只需要用他们的母语针对数据提出适当的问题，就可以获得相应的答案。通过从根本上打通了人、数据和分析工具，NLP让那些不具备技术背景的C-level管理者以及销售、客户服务、市场团队的相关人员，也能从数据中便捷地获得所需的洞察和所要的结果。

目前，数据分析领域所应用的大部分NLP是基于文本的查询，但很快我们就会看到NLP驱动的语音搜索的兴起，让用户更简单快捷获取所需的洞察。这不仅可以应用在桌面工具中，也将出现在用户友好的移动app的迭代中，让用户可以随时随地通过网络获取洞察。

TalkingData——用数据说话

每天一篇好文章，欢迎分享关注