点击上方蓝字关注我们
Tips
本文翻译节选自《Gartner Reprint 2019 商业智能象限 》,关注Stratifyd官方微信,对话框回复“Gartner”即可获取英文原版报告全文。
首先我们来看一下主流商业智能与数据分析在未来1-2年在各行业渗透与应用发展的趋势。
到2020年
增强分析将成为新数据分析与商业智能工具、数据科学和机器学习平台以及嵌入式分析的主要驱动力。
50%的分析查询工作将通过搜索、自然语言处理、语音生成,或将自动生成。
那些为用户提供内部和外部数据管理目录访问权限并在数据分析方面做持续投入的组织,它们获得的业务价值将是不具备这些能力组织的两倍。
业务部门的数据分析从业人员数量将会增长至 IT 部门从业人员数量的三倍,这将迫使企业重新思考其组织架构模式和员工技能配备等问题。
到2021年
自然语言处理和会话分析等技术的进一步发展将促进数据分析和商业智能的进一步推广使用,相关从业人员在各行业中的占比也将从35%提高到50%以上,这一趋势将催生出很多新的职位类型,特别是对于那些前台工作人员来说,受到这一趋势的影响将会是最大的。
市场定义与描述
数据分析和商业智能平台的共同特征一般表现出来往往是一款易于使用的工具,这样的工具通常会支持完整的数据分析工作流程:从数据准备、获取到可视化探索与洞察力的生成。它们与传统意义上的 BI 平台最大的区别在于,不再需要 IT人员的大量参与来预定义数据模型或将数据存储在传统的数据仓库中,概括一下重点就是其自助服务性和灵活性。大多数数据分析和商业智能平台都有自己的独立内存列引擎,以确保快速性能和支持快速定义模型,但许多可以选择使用现有的建模数据源。越来越多的数据池和逻辑数据仓库的使用与数据分析和商业智能平台的能力相吻合。
在愈发呈现红海状态的数据分析和商业智能应用市场中,包括长期存在的大型技术公司,也包括那些由风险投资和较小的私人投资软件供应商支持的初创公司,还包括那些不断迭代和发展的传统 BI 厂商,其中还有部分做数据治理的厂商以及近期不断涌现主打增强分析理念的创业项目。较新的项目将继续发展以前主要关注的敏捷性功能的扩展,它们将实现更大的数据治理范围和可伸缩性、以及数据处理能力的的发布与共享。
与基于视觉的数据洞察对传统 BI 的突破性一样,第三次商业智能的变革将以增强分析的形式出现,这一变革的前提是机器学习等 AI 技术的持续发展,这一发展过程中产生了对越来越多的数据的洞察。增强分析还包括自然语言处理(NLP)。作为查询数据和生成解释驱动程序和图形叙述的一种方式,将增强分析作为差异化因素的厂商能够更好地控制其产品的溢价。
基于上述的背景与趋势展望,我们总结了以下15项关键能力来对行业内的项目进行对照评估。(出于篇幅考虑,每项能力并未展开解释,可获取完整版报告后对照查看)
基础设施
1.商业智能平台管理、安全和体系架构的能力
2.基于云端的商业智能的拓展能力
3.数据源连接和采集能力
数据管理
4.元数据管理能力
5.数据存储与加载选项的综合能力
6.数据组合能力
7.可伸缩性与数据模型复杂性兼容的能力
分析和内容创建
8.可以提供面向数据科学家的高级分析能力
9.敏捷而有效的分析仪表盘功能
10.交互式视觉探索的能力
11.增强数据发现的能力
12.移动端兼容能力
洞察结果共享
13.嵌入分析内容的能力
14.发布、共享和协作分析内容的能力
整体平台能力
15.易用性、视觉吸引力和工作流集成的能力
点击关注“Stratifyd”官方微信公众号,在对话框直接输入“Gartner”即可获取原版报告全文。
「往期文章回顾」
AI与垃圾分类 | 与 Tableau 合作打通 | 揭秘!中国名校最新报考指南 | 荣获 Gartner Cool Vendor in Analytics | 微软 Scale Up 项目 | Forrester 推荐榜单 |MongoDB ISV | 40 under 40 人才榜 | 500 强快消客户案例 | 汽车用户画像案例
好内容分享给大伙看看⬇️