2021商業智能發展趨勢十大預測

每到年末之交，總會有許多關於「來年BI趨勢」的文章，此類文章多數是提供一些預測性的觀點，內容通常都乏善可陳。因此，我在撰寫這類預測文章時決定將目光放得更為長遠些，用Qlik現有的信息去預測以後的情況。

以下是對2021年BI發展趨勢的十大預測：

1.對新數據的來源分析將會打破一些長期商業模式。以司機保險為例，遠程信息處理技術的廣泛應用意味著基於保險精算表格的共享風險模式的終結，因為司機這個群體從整個人口中消失了，保險是基於對實際駕駛行為的分析來進行收費。醫療保險據此也不會太遠，而且這可能正成為公共醫療系統的現實—重新將精力集中在主動式的醫療保健而不是被動地響應疾病的治療。進一步的，越來越多的像審計師這樣的白領正期待分析自動化時代的到來。這是腦力勞動機械化的一個邏輯延續—我們已經忘記了不久前「電腦」和「計算器」還曾是人們的職位名稱。

2.決策者將會廣泛使用共享的、沉浸式的分析體驗。BI的發展一直專註在小型設備上，但是現在將轉為專註於非常大（像一面牆那麼大）的觸屏設備上。這使得整個團隊可以共同對數據進行實時探索並由此做出決策。在2015年，有39%的人表示，影響決策制定的三大原因之一是與同事的意見不一致，而到2021年，我們所有人都會一起在數據中工作。

3.BI將會支持更廣泛的、完全的人類學習模式。在2015年，數據的可視化是主要特徵。但是，並不是所有使用數據的人都能夠獲得同等的視覺導向。人類運用個體的感官輸入進行學習，這通常有三種模式—聽覺型、閱讀型以及視覺型或動態型。到2021年，商業智能將利用信息傳遞手段使用所有學習模式，比如對於聽覺型的學習者，會自動生成口頭或書面的敘述形式來描述所選數據的形狀或者圖表內容。與此類似，3D列印圖表繪製對於動態型的學習者而言無疑是扮演了一個重要角色，這使他們能夠親身感受到誰工作的最好。當然，對於視覺導向的學習者來說，他們面臨的選擇將會增加，利用大量高解析度顯示器實現大量數據集的展現甚至虛擬現實的體驗。

4.對數據的解讀能力將大大提高。毫無疑問，在未來五年裡，人們對各種形式的數據可視化將更為熟悉，將會更容易從圖表中讀取和利用其中的深刻洞見。（這與人們對電影的解讀非常相似。隨著時間的推移，人們逐漸熟悉膠片的「語言」並把對電影的解讀作為人類的第二天性）也許更重要的是，教育系統將會加入更多商業分析和其他課程。領先的公司將會對員工進行數據讀寫能力的培訓，因為他們意識到員工的數據解讀能力將為企業增加競爭優勢。當然，更多有數據學習經驗的人對於數據的要求也會更多。

5.個人分析能力成為基本要求。我們看到的一些自我量化的行動也許現在看來非常讓人厭惡，但是隨著服務和設備產生更多的數據，這些行為很快就會成為一種慣例，因為這些對「我的數據」進行個人分析會成為自我改善的一種方式。不僅如此，人們還會越來越多的在家庭生活以及社交生活（無論是地理上的還是興趣分享上的）中使用分析。對於軟體供應商來說，這是一個有趣的暗示，它代表了另一個消費趨勢，個人喜好終將會導致「攜帶個人化的分析工具」時代的到來。

6.更多的人將會利用預測分析。雖然許多企業都會安排一些人在做更為複雜的統計預測，但是這並不普遍。行業分析師的數據顯示，僅不到20%的人在廣泛使用預測分析（作為他們BI項目的一部分）。要克服這一障礙有兩個至關重要的驅動力。首先是使用技術，通過自動向他們展示未來趨勢來推動那些非統計專業的人士使用預測分析工具比如，使用最佳模式來預測三個時期的支出情況的線形圖，用敘述的形式告訴用戶，KPI將會在某個日子掉落到一個不可接受的範圍，或者在分析應用里使用蒙特卡羅模擬演算法。第二個驅動力是讓工具變得更廣泛可用，從而支持預測性模型。過去，技術和知識是不對稱地分佈在少數專家手中的。到2021年，這種持續還不到20年（通過開源R統計語言）的現象就將會完成古騰堡為了寫作所做的統計概率分析。

7.分析過去的數據變得更簡單。數據存儲花費的急劇下降意味著，到2021年，各機構將擁有可訪問的可讀形式的數據（沒有磁帶備份），可以及時回溯。這將實現演算法識別和深度模式的分析，分析過去的數據，證明分析周期超過經濟周期是有用的。這還將幫助機構不要重蹈覆轍。以上次經濟蕭條為例，由於數據已經無法回溯，企業因此不能學到教訓，這在2021年就不會發生了。

8.智能決策自動化（IDA）將隨著機器更智能而採用更多商務決策。在2016年，IDA只能處理簡單的戰術（例如單個客戶/狀態）決策，但是由於AI在學習和模型中的應用更為廣泛，IDA將會有更廣泛的選擇而不僅僅是決策樹形圖的展現。像谷歌這樣的先行者讓它的機器學習軟體（TensorFlow）開源化的舉措，只會增加AI在決策中的使用，但這是有局限性的。

9.更多機構將會進行決策回顧。根據Qlik收集的數據顯示，2015年只有23%的機構會例行查看商務決策的結果。鑒於此，投入BI的理由常常是「提高決策能力」。到2021年，更多機構將會塑造更多決策。「決策」因此也會成為BI元數據類型，因此也是可以分析的。我們可以看到機構是否做出了正確的決策，輸入和輸出是什麼，或許還可以看到哪個團隊做出了最佳決策。

10.混合的啟髮式/演算法管理以及決策制定將會在一些機構內形成。理想的管理團隊能夠彙集人們學習經驗中的積極元素，並通過啟髮式的決策以及演算法計算表達出來。這讓每一個會議桌前的人都可以發聲。這是主觀和客觀的混合體——試想柯克船長和斯波克博士——依據數據和其他內容一起做出決策。到了2021年，這種混合的情況將會以自動生成的數據故事的形式來啟發和延展人們的觀點，除了這以外誰知道還會發生什麼呢？由電腦產生出來的阿凡達可展現數據和提供輸入語言，這應該不斷太牽強。

以上僅是預測，很有可能半數預測是錯誤的—或過於樂觀或過於消極，也可能因為外部突發事件而導致所有事情的改變。