從BI到AI 創(chuàng)建業(yè)務分析能力
Gartner將數(shù)據(jù)分析能力劃分為四大類別：
一是信息門戶，包括報表平臺、儀表盤、OLAP以及移動BI等能力;
二是自助式的分析工作臺，包括互動可視化、數(shù)據(jù)準備、數(shù)據(jù)預測以及圖譜分析等等，可通過低代碼或無代碼能力讓業(yè)務以自助式服務的形式進行更多數(shù)據(jù)探索;
三是數(shù)據(jù)科學實驗室，包括預測建模、高級分析、文本分析、流數(shù)據(jù)分析、仿真與優(yōu)化能力等等，用于幫助數(shù)據(jù)科學家完成更深層次的調(diào)研;
四是時下最流行的AI平臺，涉及聊天機器人、視頻分析、圖像分析、音頻分析等更加復雜的分析技術(shù)。
構(gòu)建模塊化的數(shù)據(jù)分析能力
Gartner研究總監(jiān)Julian Sun在會上提到：強大的數(shù)據(jù)分析能力，可以通過類似搭積木的方式構(gòu)建，這些積木包括數(shù)據(jù)管理能力、分析能力、數(shù)據(jù)治理相關的流程和條款等等。Gartner將這些積木稱之為分析模塊，而這些分析模塊由其部署和操作所需的N個組件組成。
很多企業(yè)不知道這些組件該如何使用，如何組合，而這些組件的誤用、缺乏對齊等問題，通常會導致分析模塊的失效，或未能充分發(fā)揮使用價值。
Gartner給出了相應的參考數(shù)據(jù)架構(gòu)，建議企業(yè)從最底層的數(shù)據(jù)開始，向上搭建不同的能力，包括人的能力、數(shù)據(jù)管理能力、分析能力和分析的輸出等等。在這些領域，Gartner有著深入研究，可以幫助企業(yè)梳理業(yè)務最需要的分析能力。
如今，很多企業(yè)正在經(jīng)歷數(shù)據(jù)倉庫、數(shù)據(jù)湖甚至是湖倉一體的數(shù)據(jù)分析能力的建設過程，但是企業(yè)重金打造的數(shù)據(jù)能力，對于業(yè)務而言可能收效甚微，或者業(yè)務的參與度不高。
Gartner強調(diào)：數(shù)據(jù)分析架構(gòu)的建立，應該最大程度地讓業(yè)務涉入，梳理業(yè)務流程以及業(yè)務價值鏈，為業(yè)務成果服務。Julian 建議企業(yè)基于一個價值鏈自上而下地進行頂層設計，建立抽象化的業(yè)務分析能力，結(jié)合業(yè)務屬性和人的能力，讓數(shù)據(jù)分析能力更貼近企業(yè)自身的業(yè)務場景，并真正為企業(yè)所用。
數(shù)據(jù)分析能力業(yè)務化
如今，很多企業(yè)都在提數(shù)據(jù)業(yè)務化的概念，Gartner認為企業(yè)首先應該把數(shù)據(jù)分析的能力業(yè)務化。
例如：信息門戶里的儀表盤、報告、移動BI等等，代表著業(yè)務指標、KPI等關鍵詞;分析工作臺中的互動可視化、圖表分析、數(shù)據(jù)準備等能力，其關鍵詞是業(yè)務用戶、畫像、可視化等;而數(shù)據(jù)科學實驗室也有相關的業(yè)務關鍵詞，可以通過已有的數(shù)據(jù)分析投資，與想要的業(yè)務能力進行業(yè)務關鍵詞的匹配。
Gartner強調(diào):數(shù)據(jù)分析能力的業(yè)務化，有助于提升IT人員的數(shù)據(jù)素養(yǎng)，便于他們基于數(shù)據(jù)的語言更好地進行業(yè)務式的交流。
例如，業(yè)務的需求是降低客戶流失率或提高營收水平：
首先，IT需要監(jiān)控市場活動的銷售情況，然后將涉及到的監(jiān)控能力放到信息門戶中，那么所需要的技術(shù)能力就是儀表盤;
其次，要分析產(chǎn)品、產(chǎn)品線以及區(qū)域的銷售情況，此時需要一些分析和理解的能力，在分析工作臺上需要用到互動可視化和地理維度，進行自動化分析;
第三，需要跨數(shù)據(jù)源的分析能力，此時IT要評估是否需要數(shù)據(jù)準備的能力。
Julian強調(diào)：這些能力如果可以被高度復用，那么當下一個場景出現(xiàn)，例如做客戶畫像，將不再需要加入新的能力，只需在現(xiàn)有的能力上進行微調(diào)即可。自上而下的梳理業(yè)務分析能力，能讓業(yè)務與IT更順暢地溝通，這比單純地建立大數(shù)據(jù)平臺更易見到成效。當這些分析能力被復用，數(shù)據(jù)中臺的建設也將水到渠成。
數(shù)據(jù)分析技術(shù)的四大類型
第一類是描述性分析，例如查看不同維度的銷量。
第二類是診斷性分析，通過一些變量了解事件發(fā)生的原因。
第三類是預測性分析，通過機器學習與模擬進行事件預測。
第四類是規(guī)范性分析，運用一定規(guī)則和算法提供決策支持和決策自動化。
Gartner高級研究總監(jiān)Mike Fang提到：隨著人工智能技術(shù)的突飛猛進，AI在數(shù)據(jù)分析架構(gòu)中發(fā)揮的作用越來越廣泛，逐漸被融入到預測性分析和規(guī)范性分析中，有效支持業(yè)務決策。
例如，醫(yī)院通過分析病人的歷史病例，基于預測分析能力了解病情的風險程度，并通過一定規(guī)則給出相應的診斷;物流行業(yè)通過對歷史倉庫的進出貨量等數(shù)據(jù)進行預測分析，用于進行倉庫選址和設計，從而提高運輸效率，降低成本;金融行業(yè)通過預測性分析中的模擬算法與用戶實際畫像相結(jié)合，進行預判，有效降低違約率。
近幾年，Gartner在研究中發(fā)現(xiàn)，企業(yè)對AI算法和數(shù)據(jù)模型的投入越來越多，但是真正用于生產(chǎn)環(huán)境的比例不足30%，因此產(chǎn)生了一些AI信任危機。那么，企業(yè)該如何優(yōu)化數(shù)據(jù)和分析投資，使其能夠逐漸應用于業(yè)務或生產(chǎn)環(huán)境，獲得更好的ROI呢?
Gartner在ROAR投資組合優(yōu)化模型中給出了一些指導建議，可助力企業(yè)優(yōu)化數(shù)據(jù)分析架構(gòu)，通過相應模型幫助企業(yè)評估現(xiàn)有的數(shù)據(jù)分析投入和業(yè)務價值，并在具體的數(shù)據(jù)分析項目中幫助企業(yè)建立數(shù)據(jù)分析能力評估體系，為企業(yè)的數(shù)據(jù)分析投資提供一系列指導建議和相關服務。
搭建高效數(shù)據(jù)分析架構(gòu)的三條技巧
隨后，Julian列舉了搭建高效數(shù)據(jù)分析架構(gòu)的三條技巧：
1)找到數(shù)據(jù)分析能力架構(gòu)中可被復用的部分功能組件，提升架構(gòu)中組件的復用能力;
2)優(yōu)先考慮能夠為業(yè)務帶來速贏的數(shù)據(jù)分析能力，例如互動可視化能力、報表能力等，從而降低投資風險;
3)思考現(xiàn)有的技術(shù)能力和技巧是否足以支撐企業(yè)搭建數(shù)據(jù)分析能力，要充分考慮人的因素，并讓業(yè)務參與其中。例如，可以開展一些循序漸進的培訓項目，使數(shù)據(jù)分析能力能夠物盡其用，最大化地發(fā)揮其價值。
基于促銷活動的數(shù)據(jù)分析能力架構(gòu)搭建示例
以促銷活動為例，搭建數(shù)據(jù)分析能力架構(gòu)可以分為以下幾個步驟：
1)為了監(jiān)控銷售額，在人員配置方面需要數(shù)據(jù)建模人員、BI開發(fā)人員以及信息消費者，所需的分析能力是儀表盤，為了接入數(shù)據(jù)源還需要相應的數(shù)據(jù)倉庫;
2)為實現(xiàn)分析銷售的業(yè)務能力，業(yè)務角色需要增加業(yè)務分析師、公民數(shù)據(jù)科學家、數(shù)據(jù)分析的支持人員、數(shù)據(jù)工程師等等;此時需要的分析能力包括互動可視化能力、數(shù)據(jù)準備能力、位置分析能力，而數(shù)據(jù)底層還需要一個探索性的沙盒，以及Excel等臨時文件;
3)接下來需要理解銷售行為的數(shù)據(jù)分析能力，而這項能力所需要的人員配置和基礎能力，是建立在現(xiàn)有能力之上的，無需增加更多人員、工具和數(shù)據(jù)，此時已經(jīng)體現(xiàn)出了整個分析體系的復用性;
4)為了預測購買量，需要做一些數(shù)據(jù)科學項目，引入數(shù)據(jù)科學家，以及數(shù)據(jù)分析系統(tǒng)的集成人員，將算法嵌入到應用中，這時需要預測建模的分析能力，并且需要建立數(shù)據(jù)湖以及相應的外部數(shù)據(jù)。
5)為實現(xiàn)面向潛在消費群體進行優(yōu)惠推薦的能力，在復用原有能力的基礎之上，只需加入規(guī)范建模的能力，以及一些流數(shù)據(jù)。
6)最后，為了進一步了解客戶滿意度，需在數(shù)據(jù)分析架構(gòu)中增加音頻分析模塊，而這一模塊只是在原有架構(gòu)中添磚加瓦，而不會對整體架構(gòu)增加任何負擔。
Gartner更推薦這類以業(yè)務視角從左向右進行業(yè)務價值鏈疏導，從而搭建數(shù)據(jù)分析架構(gòu)和分析體系的方式，這種方式能大幅提升業(yè)務參與的積極性，并實現(xiàn)價值速贏。
增強性分析能力將影響更多人群
實際上，Gartner在本次研討會中并沒有提及太多AI技術(shù)，而是強調(diào)增強性分析將是企業(yè)進行AI投入，實現(xiàn)數(shù)據(jù)分析能力提升的最佳切入點。
AI正以增強的形式打破傳統(tǒng)分析平臺之間的邊界，實現(xiàn)增強型分析、增強型數(shù)據(jù)科學、增強性機器學習能力等等。當平臺邊界被打破，可有效幫助企業(yè)將數(shù)據(jù)分析能力向業(yè)務側(cè)用戶賦能，降低業(yè)務的分析門檻，使更多人群具備自助式分析的能力。
據(jù)悉，Gartner即將發(fā)布新的商業(yè)智能魔力四象限，進一步幫助企業(yè)實現(xiàn)低門檻、高價值的數(shù)據(jù)分析能力。
京公網(wǎng)安備 11010502049343號