【釘科技訊】每到年末之交，總會有許多關(guān)于“來年BI趨勢”的文章，此類文章多數(shù)是提供一些預測性的觀點，內(nèi)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(xiàn)有的信息去預測五年后的情況。

以下是對2021年BI發(fā)展趨勢的十大預測：

1. 對新數(shù)據(jù)的來源分析將會打破一些長期商業(yè)模式。以司機保險為例，遠程信息處理技術(shù)的廣泛應用意味著基于保險精算表格的共享風險模式的終結(jié)，因為司機這個群體從整個人口中消失了，保險是基于對實際駕駛行為的分析來進行收費。醫(yī)療保險據(jù)此也不會太遠，而且這可能正成為公共醫(yī)療系統(tǒng)的現(xiàn)實—重新將精力集中在主動式的醫(yī)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(lǐng)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(xù)—我們已經(jīng)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(fā)展一直專注在小型設(shè)備上，但是現(xiàn)在將轉(zhuǎn)為專注于非常大（像一面墻那么大）的觸屏設(shè)備上。這使得整個團隊可以共同對數(shù)據(jù)進行實時探索并由此做出決策。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(shù)據(jù)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(shù)據(jù)的可視化是主要特征。但是，并不是所有使用數(shù)據(jù)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(tài)型。到2021年，商業(yè)智能將利用信息傳遞手段使用所有學習模式，比如對于聽覺型的學習者，會自動生成口頭或書面的敘述形式來描述所選數(shù)據(jù)的形狀或者圖表內(nèi)容。與此類似，3D打印圖表繪制對于動態(tài)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，對于視覺導向的學習者來說，他們面臨的選擇將會增加，利用大量高分辨率顯示器實現(xiàn)大量數(shù)據(jù)集的展現(xiàn)甚至虛擬現(xiàn)實的體驗。

4. 對數(shù)據(jù)的解讀能力將大大提高。毫無疑問，在未來五年里，人們對各種形式的數(shù)據(jù)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”并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(tǒng)將會加入更多商業(yè)分析和其他課程。領(lǐng)先的公司將會對員工進行數(shù)據(jù)讀寫能力的培訓，因為他們意識到員工的數(shù)據(jù)解讀能力將為企業(yè)增加競爭優(yōu)勢。當然，更多有數(shù)據(jù)學習經(jīng)驗的人對于數(shù)據(jù)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(xiàn)在看來非常讓人厭惡，但是隨著服務(wù)和設(shè)備產(chǎn)生更多的數(shù)據(jù)，這些行為很快就會成為一種慣例，因為這些對“我的數(shù)據(jù)”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。對于軟件供應商來說，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(yè)都會安排一些人在做更為復雜的統(tǒng)計預測，但是這并不普遍。行業(yè)分析師的數(shù)據(jù)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(guān)重要的驅(qū)動力。首先是使用技術(shù)，通過自動向他們展示未來趨勢來推動那些非統(tǒng)計專業(yè)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范圍，或者在分析應用里使用蒙特卡羅模擬算法。第二個驅(qū)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(shù)和知識是不對稱地分布在少數(shù)專家手中的。到2021年，這種持續(xù)還不到20年（通過開源R統(tǒng)計語言）的現(xiàn)象就將會完成古騰堡為了寫作所做的統(tǒng)計概率分析。

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

8. 智能決策自動化（IDA）將隨著機器更智能而采用更多商務(wù)決策。在2016年，IDA只能處理簡單的戰(zhàn)術(shù)（例如單個客戶/狀態(tài)）決策，但是由于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(xiàn)。像谷歌這樣的先行者讓它的機器學習軟件（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(gòu)將會進行決策回顧。根據(jù)Qlik收集的數(shù)據(jù)顯示，2015年只有23%的機構(gòu)會例行查看商務(wù)決策的結(jié)果。鑒于此，投入BI的理由常常是“提高決策能力”。到2021年，更多機構(gòu)將會塑造更多決策?！皼Q策”因此也會成為BI元數(shù)據(jù)類型，因此也是可以分析的。我們可以看到機構(gòu)是否做出了正確的決策，輸入和輸出是什么，或許還可以看到哪個團隊做出了最佳決策。

10. 混合的啟發(fā)式/算法管理以及決策制定將會在一些機構(gòu)內(nèi)形成。理想的管理團隊能夠匯集人們學習經(jīng)驗中的積極元素，并通過啟發(fā)式的決策以及算法計算表達出來。這讓每一個會議桌前的人都可以發(fā)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(jù)數(shù)據(jù)和其他內(nèi)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(shù)據(jù)故事的形式來啟發(fā)和延展人們的觀點，除了這以外誰知道還會發(fā)生什么呢？由電腦產(chǎn)生出來的阿凡達可展現(xiàn)數(shù)據(jù)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(shù)預測是錯誤的—或過于樂觀或過于消極，也可能因為外部突發(fā)事件而導致所有事情的改變。

Qlik戰(zhàn)略分析官 James Richardson