兴后世界将遭受大规模的数字破坏,将影响业务流程。随着这么多人在家工作,数字化资产,转移到云以及数字化转型(连接使用各种渠道的人)正在成为关键优先事项进入2021年破坏性的公司。有趣的是,麦肯锡指出,将有一个新的操作模型,业务将在其中大规模合作并成为同一操作。
在敏捷,成为一个API驱动的组织以及交付数据产品的同时,他们已成为改变思维方式和文化的新常态,他们仍然很难通过高级分析技术(例如机器学习和集中数据)来理解“数据驱动”的决策平台。公司的数字策略必须采用数据驱动的方法,以在正确的平台中向合适的人提供有意义的见解。我概述了6个主题,这些主题将在2021年成为分析产品团队的关键部分。在即将到来的博客中,我将详细说明这些主题并详细解释它们。
分析主题在2021年观看
- 事物分析(AOT):
根据Iot Analytics.com,在使用620种IoT平台进行的调查中,AOT似乎是基本的特征和价值主张。最常见的是手机,远程信息处理,数字双胞胎,发电机网格,健康诊断设备,智能汽车等。这些平台中的每个平台都会生成很多数据。没有AOT,这些数据只是等待采取行动的“黑暗数据”。 - 虚拟分析平台(玻璃的单个窗格):
我谈论的每个客户至少拥有3种不同的分析工具(Tableau,Cognos,Qlik,MicroStrategy,Power BI,Looker…),理由如此。现在,分析工具很容易作为App Store中的SaaS服务提供,并且可以在几分钟内由非技术用户纺。但是,这意味着在多种技术中具有多个版本的同一仪表板的能力,使CXO在其组织分析中造成混乱和缺乏信任。答案可能是否决并提出单个BI产品,或者拥有一个单一的入口点,例如Theia,这将通过单个玻璃窗格提高组织的数据素养。此外,这些虚拟层可以提供仪表板和报告目录,而不论具有适当治理的分析仪表板生产商如何。 - 自助服务和数据准备:
如Tableau所说,最重要的疼痛点之一是缺乏用户想要考虑的数据以提供有意义的见解的数据。为了避免浪费时间,Tableau和Power BI等分析公司相应地发布了自己的数据准备工具,例如DataPrep和DataFlow。这些工具允许分析用户考虑通过将用户与数百个数据源连接起来,包括标准化,数据清理和模式识别,包括进行简单的数据准备活动。但是,要警惕将数据准备工具用于任何形式的非结构化数据,因为它们在该空间中还不够成熟。 - 过程智能:
虽然AOT是分析大量数据集有用的能力,但除非有与分析相关的操作,否则该分析没有目的。以智能恒温器(例如Nest)的简单示例。嵌套定期地挖掘数据以进行温度变化,房间中的人员,并以最大的效率适当地控制室温。此外,使用手机应用程序,一个人可以跟踪决策的决策过程和参数。这种过程智能可以自动化(Alteryx创造了“分析过程自动化”一词),这将简化决策过程。 - 关键业务分析技术:
当营销团队正在建立CRM系统以跟踪其闭环营销支出时,他们希望对其营销过程进行分析,包括细分,ClickStream分析和客户智能。这些简单而强大的分析不需要企业数据仓库和复杂的数据模型。他们需要能够在运动中连接数据并创建非技术用户的临时分析模型和仪表板。此外,有意,这些分析技术提供了与分析师用户相关的有限可视化功能。示例将是来自Tealium CDP,Dynamics CRM和Salesforce.com的分析仪表板。 - 认知计算:
从“认知科学”中命名,这是分析领域将类似人类的智力应用于与视觉,语音和文本有关的特定任务(通常称为非结构化数据)。这些是引人入胜的技术,可以以自然语言或机器视觉的形式采用输入,并提供与“上下文”相关的输出。以Watson Analytics为例,该分析结合了AI和分析,并提供决策的预测性和规范分析。认知视觉(CV)已成为无人驾驶汽车和大型机器(例如油钻)的典型实现模式。
根据阿尔斯特大学的研究,当今数字世界中有90%的数据“在过去两年中都是创建的。”这意味着投资数据产品并考虑使用分析的创新的信息工程学方式的组织可以“ Uberize”行业,并可能破坏传统的业务方式。雷竞技raybet提现完善的实践领域可以帮助更快地实现它。与我们联系。