这是一个数据“爆发式”增长的时代。无论是企业还是个人,都积累了很多信息,囤积了大量数据。不少企业选择建立数据仓库以及大型的数据智能分析系统,依赖数据进行决策。但是,我们拥有的数据是“真实”的吗?通过数据分析的得到的结论一定是“事实”吗?

数据分析

如何应对“后事实”时代?

无论是去年结束的美国大选,还是轰动一时的英国脱欧事件,几乎所有的预测建模算法都在预测时“马失前蹄”;美国大选的时候,所有竞选人提出来的事实和数据有79%的是假的……大数据时代,数据本应该是带来事实,带来真相的,大数据分析带来的好处也不可否认,但我们发现原来很多听到的、拥有的数据都不一定是正确的,越来越多的人不再相信数据,不太相信“事实”,而更倾向于内心的情感和客观形势,这样导致决定个人行为的因素不是主观情感,而非客观事实。我们已经进入“后事实”时代。

那么如何应对“后事实”时代对数据的不相信、不确定呢?Qlik大中华区总经理潘应麟先生分享了自己的看法。

潘应麟先生认为,企业应该注重数据素养的培养,以便更好地完成数据分析、数据探索这方面的工作。所谓的“数据素养”应该包括对数据清晰的定义和如何对数据进行操作;还有就是分析,过去我们分析历史数据,很少去做太多的预测,因为需要专门的人才进行预测,成本较高;最关键一点就是讨论数据,数据结果和数据分析的关系需要进行论证,这样可以带来更多的创新和可视化能力的发展。

总之,数据素养的培养帮助企业从简单的、片面的数据分析到一个信息供应链的分析,未来的趋势就是所有的企业和IT公司都应该将可视化概念从“仅限于分析”向整个信息供应链转变。

2017年大数据分析十大趋势

潘应麟先生认为,从“后事实”时代向“数据化”时代演变的过程,是“凤凰涅槃”的过程。他分享了2017年大数据分析十大趋势,十个趋势引领我们形成“数据化”意识。

可视化概念将从“仅限于分析”向整个信息供应链转变,形成情境驱动的可视化。

新技术的出现意味着新的机遇。可视化分析作为一个传统的优势,不是单单停留在分析层面,会覆盖整个的信息供应链。

语义学进步将把大数据焦点从规模转向组合,实现大数据向大洞察的转化。

对数据的定义、对大数据的发展有一定的了解之后,对于培养数据素养有一定的好处。不同来源的数据组合可以重复共用,带来更加可靠的数据分析以及更大的数据价值。从大数据的量变成一个数据的规模组合,会带来一个很不一样的概念,也会对整个可视化的环境带来不一样的变革。

2017 年,云端部署率将达到50%的引爆点,但分布不均衡。

过去传统的BI存储是企业内部的,内部的数据仓库也越来越多,但2017年很可能是云的爆发点,很多企业客户都在云上进行部署。但无论是从全球还是国内来看,都存在地域差异。比如一些国家对数据的安全性、保密性非常严格的时候,云部署会遇到一些阻碍。2017年应该有50%以上的企业会把云作为他们前端或者是企业仓库方面的部署。

2017 年,智能增强将把“先进分析”转向“超前分析”。

过去企业里面很多数据科学家想要用数据进行预测,比如对未来经济发展的预测,这些都属于数据分析中的线性分析,2017年这些分析会变为超前的分析。所谓超前的分析,就是将科学家开发出来的数据模型、数据算法,运用到可视化平台中,从而帮助他们做分析和探索。

2017 年,物理和数字世界将在分析中交汇。

数据信息化的过程中,在虚拟的环境下做分析时,跟物理世界的交互比较少。pokemon go这个软件就把我们数据分析、数据世界和实体世界结合在一起。中小企业在这方面会有越来越大的发展,比如地理空间、物联网的推行,会慢慢地对实体世界的分析提供很多非常有用的情景,这可能是2017年一个很重要的发展点。

自服务可视化成为提供给所有人的商品。

随着可视化技术的发展,很多企业希望自己可以利用信息做分析和探索,但很多新的软件技术不是通过IT统一判断的,经常从不同的部门、不同的地带落脚在不同的企业部门。可视化分析的门槛变低,可视化分析工具逐渐变为一个商品,而不是一个很大的项目,不用投入太大的成本去完成可视化分析。

现代BI 取代传统BI成为新的参考架构。

随着可视化分析的软件、技术越来越平民化,越来越商业化,新一代的企业在利用新的软件时,不需要考虑不同技术平台的兼容问题和IT治理等要求。当现代BI 取代传统BI成为新的参考架构,会带来一个非常灵活的体系结构满足用户的需求。

焦点将转向定制分析应用和应用中的分析。

很多企业的大部分的员工基本没办法享受到先进的分析工具和技术。可视化分析带来的演变,帮助很多管理层和需要进行数据分析的人更便捷地访问他们需要的数据和信息。2017年很多分析技术会嵌入到业务流程、操作应用以及具体场景中,越来越多地把分析直接呈现给这些信息工作者,他们不需要去考虑怎么做挖掘分析等工作,就可以满足企业所需的数据可视化结果。

2017 年,生态系统将证明其实力。

利用整个生态系统把数据、计算结合起来,发挥更大影响力。企业希望把创新、业务的提升变成一体化的过程也是可行的。就是说可以把数据、人和不同的观点(尤其是一个独立功能的节点)都连接在一起,帮助企业建立很多策略的分析中心。

2017 年,混合云和多环境将成为主导模式。

过去企业部署可视化应用可能在内部IT的平台上推广,随着云技术的发展,可以把外部和内部的数据逐渐进行扩展。公共云、私有云或者边缘计算,都可以帮助企业利用可视化的探索和数据分析。另外云和多环境的运行平台可以帮助企业实现对用户的扩展。

潘应麟先生表示,希望2017年的十大数据分析趋势可以推动对于数据可信的进展,从而让数据推动决策,带来整个数据化、可视化分析的发展。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2022-10-11 13:38:11
云资讯 如何将数据分析带到云端
数据,更具体地说是对数据的分析,是这一转变的基础。金融服务公司是最早意识到,更快地获取更深入、更丰富的见解,可以使其比同行具有显著竞争优势的企业之一,尤其是在高 <详情>
2022-08-30 09:41:47
云资讯 亚马逊云科技三种数据分析服务的无服务器功能正式可用
Amazon EMR、Amazon MSK 和 Amazon Redshift的无服务器功能可帮助客户大规模分析数据,而无需配置、扩展或管理底层基础设施 <详情>
2021-12-28 15:10:26
大数据资讯 2022年数据分析的6大趋势
企业数据分析有两种方法。首先是从CRM和ERP等业务应用程序中获取数据,并将其导入数据仓库以提供给BI工具。现在,这些数据仓库正在迁移到云端,采用Snowflake等技术。 <详情>
2021-12-13 18:06:46
大数据应用 建立数据策略的六个关键组成部分
数据策略包括一套在企业中使用数据的长期目标,以及支持这些目标的政策和应用实践。 <详情>
2021-11-29 10:06:02
大数据技术 干货分享:数据分析的6大基本步骤
数据分析就是运用恰当的分析方法,分析所收集的海量资料,并运用高效的分析工具将之归类、归纳,从中提炼出最有价值的资料,总结形成有效结论,挖掘数据大价值的过程。 <详情>