2023年商业智能发展趋势预测(上)

|| 导语

近年来，越来越多的企业意识到「数据应用」扮演了至关重要的角色，因此引入商业智能（Business Intelligence）变得十分重要。随着人工智能（Artificial Intelligence）和区块链（Blockchain）等新兴技术的不断发展，商业智能将面临充满机遇与挑战的未来。在本文中，我们将探讨商业智能领域的未来趋势以及预测。

|| 整合云端的商业分析平台需求增加

越来越多的企业开始采用远程办公(WFH)，然而公司既有资源无法支撑起这么大量的远距离工作者，于是大量资金、资源开始投入云服务。将数据托管于云端，一方面可以减轻公司的成本，一方面可以整合来自四面八方的数据。

据Gartner报告预测，截止到2023年年底，企业将会有40％的工作部署在云端上。如何结合云端数据进行商业分析成为一项至关重要的能力，公司针对这个趋势，也开始毫不犹豫地寻找云端商业智能分析平台的解决方案。

在商业智能的未来发展趋势中，我们可以预见在银行、制造业、医疗保健、安全服务等众多行业，将会有更多的行业特定商业智能解决方案需求出现。

行业巨头Amazon Web Services、Oracle和SAP等企业皆开始提供了各行业的客制化解决方案，涵盖自动化工作流程，让我们不需要从头开始创建工作流程，提升工作效率，且可以更好地控制产出，提升工作效能。

|| 自助式分析平台 提升员工对数据的认知

企业开始了解到实时的商业分析报告对商业决策的重要性，利用数据来驱动项目从开始到完成的每一步。为了将数据驱动决策的这个理念深植企业文化，员工掌握数据查询和解读的技能显得至关重要。

自主分析（Self-service Analytics）正是企业赋能员工数据分析能力的一种方式，透过自助式分析平台，将「分析」这个技能赋予在所有员工身上，不论他的职务、技能如何，就是业务人员也可以轻松掌握分析技能。推行自主分析，也可以帮助企业很好的引入数据驱动（Data Driven）文化。

“数据的民主化是关键的。执行数据视觉化、分析报告和设计不应该需要具备计算机科学学位。” — Mike Brody, CEO, Exago

在企业级的商业智能(BI )工具中，开箱即用(out-of-the-box)的数据连接器(data connector)、直观的使用者界面(intuitive interfaces)、预设的工作流程(pre-designed workflows)，大幅地降低了进入数据科学、数据分析领域的门槛，让使用者可以轻松的取得实时数据查询及报告。

企业数据文化的推动需要员工心态上的转变与组织长期的努力，我们可以预见，未来企业将更加重视组织内的数据素养，并在技术、自助式分析工具和员工培训上投入更多的资源。

北美-数据科学平台市场总值预估

|| 公民数据科学家的兴起

自助式分析平台让每个人都有了数据探索、分析的能力，促成了公民数据科学家的兴起，原先企业内部的数据分析师、数据科学家，其工作内容将会有所转变。原来的数据科学家将被要求进行更多更复杂的计算以及预测建模。

我们开始看到非常适合商业使用者的BI平台，可以高度自动化并且整合了各式易上手的数据科学工具。

越来越多的公司可以在营运的各个层面纳入数据驱动的业务，我们将看到组织内每个人都成为了一个分析师，这将开始转变专业分析师的角色。在大多数组织中，专业分析师的角色将转变为营运、维护和扩展这些平台和工具。— Ryan Wilson, 技术副总裁, Signal Ventures LLC

俗话说，三个臭皮匠，胜过一个诸葛亮。随着远程工作已成为常态，跨团队协作已成为重要的商业智能(BI )发展趋势，对可协作的数据分析工具需求也逐渐增加。近年来热门的工具如ClickUp、Asana、Trello和Jira等，都集项目管理、商业智能、通讯、报告等功能于一身，可见其发展的趋势。

|| 自动化分析与增强分析辅助企业决策

随着自然语言生成(Natural Language Generation, NLG)与机器学习(Machine Learning, ML)、自动化(Automation)的发展，越来越多的自动化分析工具问世，这些工具不仅提升了我们的工作效能，更是降低了分析的技术门槛，让商业预测分析(Predictive Analytics)不再仅限于数据科学家。一个新的名词，增强分析 (Augmented Analytics)也就此诞生。

增强分析 (Augmented Analytics) 是指利用人工智能和自然语言处理等技术来协助使用者更快速、准确地进行数据探勘、分析、可视化、模型建立等任务，并自动从数据中发现趋势、模式和异常，提供描述和建议来帮助决策者快速做出合理的决策。

我们可以发现增强分析在企业中的应用越来越广泛，它可以帮助人们更快速、更有效地利用数据做出决策，同时降低对专业分析师和技术人员的依赖。

举个例子来说，假设有一家零售商希望进行商品销售的预测，以便在不同的季节、节日或促销活动中做出最佳的销售决策。在传统的预测模型中，分析师通常需要进行大量的数据清理和预处理工作，并选择最适合的统计模型来进行预测。

但是，使用增强分析技术，这些步骤可以自动完成，而且在预测结果方面更加准确和可靠。透过自然语言生成技术，系统可以自动从海量的商品和销售数据中提取出有用的信息，并生成易于理解的报告和视觉化图表。同时，使用机器学习算法，系统可以根据不同的商品、时间和地点等因素进行精确的预测，并为零售商提供实时的销售建议和建议。这样，零售商就可以更加快速、精确地做出销售决策，提高业绩和市场占有率。

借助增强分析的产出，企业可以更快速地获得以数据为基础的解决方案。最近，除了依赖数据自建议的方向，企业也开始关注低代码(Low-code)和无代码(No-code)的分析工具，让非技术人员也能轻松驾驭商业分析。

以美国知名企业Amway跟Harley来说，他们近期便选用了Alteryx自动化分析工具，来协助他们自动化数据处理流程，节省了超过350小时的数据准备时间。

未来我们也将对低代码(Low-code)、无代码(No-code)分析工具做一个更详尽的介绍！欲知后事如何，请待下回分解！

以上是2023年商业智能趋势预测的上半部分，我们讲述了四项商业智能的发展趋势，包括整合云端的商业分析平台需求增加、自助式分析平台，提升员工对数据的认知、公民数据科学家的兴起，以及自动化分析与增强分析辅助企业决策。

在下篇文章中，我们将会详细的讲述另外四项2023年商业智能发展趋势！敬请期待！

若您觉得本篇文章对你有所帮助，请不要吝啬的给予掌声，并分享吧！

参考文章：https://www.selecthub.com/business-intelligence/business-intelligence-trends/