【51CTO.com快譯】

數(shù)據(jù)分析是對數(shù)據(jù)進行解構(gòu)并檢查以發(fā)掘?qū)嵱媚Ｊ胶挖厔莸倪^程。這個過程的自動化和精細度越高，對于希望節(jié)省開支、增加收入、優(yōu)化效率并與客戶聯(lián)系的公司和組織來說越有用。

[[336361]]

隨著越來越多的數(shù)據(jù)源可用，技術(shù)會跟步步伐：開發(fā)新的應(yīng)用軟件，建立有意義的連接，并提供實用的洞察力。資源豐富的公司可能選擇自主開發(fā)這類應(yīng)用軟件，其他公司可能尋求外包公司的服務(wù)來獲得幫助。

但是定制開發(fā)的數(shù)據(jù)分析軟件不一定很復(fù)雜，不一定需要專家數(shù)據(jù)分析員才能使用。實際上，隨著技術(shù)進步，形形色色的專業(yè)人員都能獲得這些重要建議。下面介紹使數(shù)據(jù)分析更有用的五個趨勢。

1. 自然語言處理

自然語言處理(NLP)如同數(shù)據(jù)分析領(lǐng)域的谷歌，因為它讓用戶可以使用人類自然語言借助書面或語音輸入來進行查詢。這項技術(shù)使數(shù)據(jù)分析為更廣泛的專業(yè)人員所使用，包括前臺工作人員。

這種能力將會越來越先進。比如說，目前您可能會問“該財年每位客戶的平均支出是多少?”之類的問題。隨著技術(shù)不斷發(fā)展，您到時可以問“該財年與上一財年10英里半徑內(nèi)每位客戶平均支出是多少?”之類的問題。

2. 增強分析

增強分析使用人工智能和機器學(xué)習(xí)，為用戶提供了一種編程方式來找到最重要的洞察力。為此，它自動梳理一家公司或組織的數(shù)據(jù)，分析數(shù)據(jù)，最后返回實用的洞察力。這種方法只花費手工分析的一小部分時間。它有望減少對數(shù)據(jù)科學(xué)和機器學(xué)習(xí)專家的需求，同時要求其他角色的專業(yè)人員(例如小企業(yè)主)提高數(shù)據(jù)素養(yǎng)。

Dataversity聲稱：“技術(shù)通過融合人工智能和機器學(xué)習(xí)技術(shù)，使開發(fā)、共享和解讀分析工具變得更容易，從而顛覆了分析行業(yè)。”據(jù)Gartner聲稱，增強分析正成為“新采購數(shù)據(jù)分析和商業(yè)智能以及數(shù)據(jù)科學(xué)和機器學(xué)習(xí)平臺的主要驅(qū)動力。”

3. 區(qū)塊鏈

區(qū)塊鏈技術(shù)以其在加密貨幣中扮演的角色而出名，但可用于各行各業(yè)的眾多任務(wù)。由于區(qū)塊鏈可以驗證數(shù)據(jù)有效性，防止虛假信息混入到數(shù)據(jù)分析中，因而能夠增強預(yù)測分析。黑客將不得不改變區(qū)塊鏈中的所有塊才能篡改數(shù)據(jù)。在大多數(shù)情況下，這么做不劃算。因此，收集到的洞察力更可靠、因此更有價值。

據(jù)SmartData Collective聲稱：“如果數(shù)據(jù)科學(xué)與區(qū)塊鏈結(jié)合使用，獲取的信息變得極具結(jié)構(gòu)化、極為具體化，因此變得更有用。”區(qū)塊鏈還使數(shù)據(jù)分析應(yīng)用軟件能夠挖掘大量數(shù)據(jù)，從而使洞察力更具價值。

4. 持續(xù)智能

持續(xù)智能又叫實時智能。隨著云計算、流式軟件、機器學(xué)習(xí)和物聯(lián)網(wǎng)等技術(shù)變得更先進更互連，這種類型的數(shù)據(jù)查詢正變得越來越有可能。據(jù)Dataversity聲稱：“它處理歷史數(shù)據(jù)和當前數(shù)據(jù)以提供決策自動化或決策支持。它基于歷史數(shù)據(jù)和實時數(shù)據(jù)建議采取的動作。”

這種建議為幫助專業(yè)人員開發(fā)新程序提供了幾乎無限的潛力，并基于客戶偏好和動作方面的最新數(shù)據(jù)針對客戶開展促銷。此外，Dataversity表示：“該技術(shù)有望為卡車公司、航空公司和鐵路等組織充當‘核心神經(jīng)系統(tǒng)’，”這些組織可以用來調(diào)整時間表，以實現(xiàn)效率和利潤最大化。

5. 數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)結(jié)構(gòu)可實現(xiàn)跨分布式網(wǎng)絡(luò)無縫共享數(shù)據(jù)。Gartner將其定義為“一種定制的設(shè)計，通過以一種精心協(xié)調(diào)的方式，結(jié)合多種數(shù)據(jù)集成方法，以提供可重復(fù)使用的數(shù)據(jù)服務(wù)、管道、語義層或API。”換句話說，數(shù)據(jù)分析應(yīng)用軟件可以合并來自眾多數(shù)據(jù)源的數(shù)據(jù)，并使用所有數(shù)據(jù)流進行必要的連接。

據(jù)數(shù)據(jù)結(jié)構(gòu)提供商Talend聲稱，數(shù)據(jù)結(jié)構(gòu)可以通過“提供用于訪問和收集所有數(shù)據(jù)的單一環(huán)境來幫助組織——無論數(shù)據(jù)位于何處、如何存儲，從而消除數(shù)據(jù)孤島。”此外，它通過消除多款工具，便于更快速地訪問更可靠的數(shù)據(jù)，實現(xiàn)“更簡單且統(tǒng)一的數(shù)據(jù)管理，包括數(shù)據(jù)集成、質(zhì)量、治理和共享。”

小結(jié)

數(shù)據(jù)分析對于各種類型的企業(yè)和組織都非常有用，而且一直變得越來越重要。本文介紹的幾個趨勢指明了下一步方向，有望提高收入和客戶忠誠度、減少浪費和低效，并打敗競爭對手。

原文標題：5 Big Trends in Data Analytics，作者：Malcom Ridgers

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】