在過去十年中，商業智能已經發生了革命性變化。數據爆炸，不管是數量還是質量都開始需要更適合的對策相應對。我們也都了解了訪問云的權限。電子表格最終落后于可操作且富有洞察力的數據可視化和交互式商業智能報告。自助服務分析的興起使數據產品鏈民主化。突然進行的高級分析不再僅僅適用于分析師。
2019年是商業智能行業特別重要的一年。但商務智能領域正在發展，商業智能的未來現在正在發揮作用，新興趨勢需要我們密切關注。2020年，商業智能戰略將變得日益定制化。各種規模的企業都已經開始重視商業智能的應用 ，他們不僅僅是需要商業智能分析，而且增加了尋求針對其特定業務的最佳BI解決方案的思考。公司不再想知道數據可視化是否可以改進分析，而是想被告訴每個數據故事的最佳方式是什么。2020年將成為數據質量管理和數據發現的一年：清晰安全的數據與簡單而強大的演示相結合。這也將是多種商業智能解決方法爭奇斗艷的一年。我們也很高興看到新的一年商業智能到底會為我們會帶來什么？

1、數據質量管理（DQM）
過去一年，數據質量的分析趨勢大大增加。企業想要利用不合適的商業智能以分析和提取大規模收集的眾多數據源的價值，卻帶來一堆錯誤和低質量報告：數據源和數據類型的差異增加了一些復雜性。

商業應用研究中心進行的一項調查表明，數據質量管理是2020年最重要的趨勢。收集盡可能多的信息不僅重要，而且數據的使用和解釋的質量和背景也是如此。而這就是商業智能未來的主要焦點—數據質量良好，只有這樣才能信任由這些數據作為基礎而做出的決策。

因此，主數據管理的興起正成為公司商業智能戰略的關鍵優先事項。

如今，大多數公司都了解數據質量對分析和進一步決策過程的影響，因此選擇實施數據質量管理政策，部門或技術。DQM確實被認為是高效數據分析的關鍵因素，因為它是所有其他數據分析開始的基礎。數據質量差導致組織每年平均損失1500萬美元。數據質量差的后果很多; 從了解客戶的準確性到構建正確的業務決策。這就是為什么開始使用正確的關鍵績效指標至關重要的原因 - 有許多示例可以決定數據管理的質量過程。

DQM包括獲取數據，實施高級數據流程，有效分配數據和管理監督數據。數據質量管理不僅是2020年BI趨勢的起義，而且也是公司為了初始投資而采用的關鍵做法。滿足嚴格的數據質量水平也符合最近的合規性法規和要求的標準。通過實施公司范圍的數據質量流程，組織可以提高利用商業智能的能力，從而獲得競爭優勢，從而最大限度地提高BI投資回報。

2、數據發現
數據發現在去年增加了它的影響。業務應用研究中心已經提到的調查按重要性層次列出了前3種商業智能趨勢中的數據發現。BI從業者穩步表明，商業用戶的授權是一個強大而一致的趨勢。

需要考慮的一個基本要素是數據發現工具依賴于流程，然后，生成的結果將帶來商業價值。它需要以數據準備，可視化分析和引導式高級分析的形式理解數據之間的關系。“交互式和新的可視化類型使決策者能夠在瞬間看到主要趨勢，以及現場異常值，”研究中心強調說。使用數據可視化工具來執行這些操作正在成為產生相關見解和創建可持續決策過程的寶貴資源。話雖這么說，業務用戶需要的軟件是：

1、使用方便

2、敏捷而靈活

3、減少洞察時間

4、可輕松處理大量數據和各種數據

由于人類更好地處理視覺數據，數據發現趨勢將成為2020年最重要的BI趨勢之一。

3、人工智能
將人工智能與自主事物相結合，并專注于AI與其環境相互作用的復雜程度。人工智能（AI）是一門旨在使機器執行復雜人類智能通常所做的事情的科學。一些被視為電影中人類最高的敵人，盡管一些人的合法警告，人工智能尚未瀕臨破壞我們。知名科學家和科技企業家。

雖然我們致力于避免此類不便的程序 ，但人工智能和機器學習正在徹底改變我們與分析和數據管理交互的方式。事實是，無論我們喜歡與否，它都會影響我們的生活。

對實時數據分析工具的需求不斷增加，物聯網的到來也帶來了無數的數據，這將促進優先級列表頂部的統計分析和管理。然而，今天的企業希望更進一步，預測分析是另一個需要密切監控的趨勢。

4、預測性和規范性分析工具
未來的業務分析專注于未來，并試圖回答問題：將會發生什么？我們怎樣才能實現呢？因此，預測性和規范性分析是迄今為止BI專業人員中討論最多的分析趨勢，特別是因為大數據正成為分析流程的主要焦點，不僅大企業，而且中小型企業都在利用這些流程。

預測分析是從現有數據集中提取信息以預測未來概率的實踐。它是數據挖掘的擴展，? 僅涉及過去的數據。預測分析包括估計的未來數據，因此始終包括其定義中出錯的可能性。預測分析以可接受的可靠性水平表明未來可能發生的情況，包括一些替代方案和風險評估。應用于業務，預測分析用于分析當前數據和歷史事實，以便更好地了解客戶，產品和合作伙伴，并識別公司的潛在風險和機會。

行業以不同的方式利用預測分析。航空公司使用它來決定航班每個價格的售票數量。酒店試圖預測任何一個晚上他們可以期待的客人數量，以便調整價格以最大化入住率并增加收入。營銷人員確定客戶的響應或購買并設置交叉銷售機會，而銀行家則使用它來生成信用評分 - 由預測模型生成的數字，該模型包含與個人信譽相關的所有數據。在現實生活中使用了大量的大數據示例，塑造了我們的世界，無論是購買體驗還是管理客戶數據。

在人工神經網絡中，數據的處理方式與生物神經元類似。技術重復生物學：信息流入數學神經元，由它處理，結果流出。該單個過程成為重復多次的數學公式。與人類大腦一樣，神經網絡的力量在于它們能夠將多組神經元連接在一起并創建一個多維網絡。第二層的輸入來自第一層的輸出，并且該情況隨每一層重復。該過程允許捕獲一組模式中的關聯或發現具有相當大的數量，變量的數量或數據的多樣性的規律性。?

規范分析 更進一步。其檢查數據或內容，以確定應做出哪些決策以及為實現預期目標而采取的步驟。它的特點是圖形分析，模擬，復雜事件處理，神經網絡，推薦引擎，啟發式和機器學習等技術。規范性分析試圖了解未來決策的影響，以便在實際制定之前調整決策。這可以大大改善決策制定，因為預測中會考慮未來的結果。

5、連接云
對于那些了解BI趨勢的人來說，無處不在的云并不是什么新鮮事。在2020年，由于市場上可用的基于云的工具的激增，云將繼續其統治，越來越多的公司轉向它。此外，企業家將學習如何擁抱云分析的力量，其中大多數元素 - 數據源，數據模型，處理應用程序，計算能力，分析模型和數據存儲 - 都位于云中。?

越來越多的組織將其數據及其所有應用程序遷移到云中。在2020年，云將成為70％公司的共同戰略 ，而2016年則不到10％。在評估托管環境時，你需要考慮風險，速度，成本和復雜性，使得選擇一種滿足你所有需求的解決方案變得更加困難。

選擇多云策略是一種選擇，因為它可以降低風險并提供更大的靈活性，但這種靈活性帶來了一定的成本，因為你需要多個提供商以及培訓您的團隊來學習多個平臺。此外，你可以以較小的數量減少折扣潛在購買購買量，從而降低價格。

這就是為什么多云在公司內部是一個值得商榷的選擇，盡管它的采用率明顯上升。企業需要評估他們的需求和實施能力，以評估采用多云戰略是否有益和有利可圖。話雖這么說，使用多云正在成為公司BI戰略中越來越重要的一部分，像阿里巴巴，亞馬遜，谷歌和微軟這樣的巨頭都在關注這些日益增長的商業智能市場趨勢。連接的云將成為2020年的一個大話題，我們應該密切關注它將帶我們走的路。

2020年是充滿挑戰的一年，當商業智能浪潮來襲，你是否做好了準備來面對這些機遇以及挑戰？

作者：路旁的貼膜小將
鏈接：https://www.jianshu.com/p/c8f84ab8188e
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。