大數(shù)據(jù)分析策略和發(fā)展趨勢

　　隨著當(dāng)今企業(yè)收集的數(shù)據(jù)量呈指數(shù)級增長，現(xiàn)在管理和分析這些龐大的數(shù)據(jù)集已成為所有企業(yè)必須掌握的一項基本技能。
 

　　如果數(shù)據(jù)是新油，那么所有企業(yè)都必須利用這一資源。有一個大數(shù)據(jù)分析策略為您的公司是要確保真正的價值至關(guān)重要的-往往隱藏收集的數(shù)據(jù)中-被揭示，然后利用。
 

　　由于物聯(lián)網(wǎng)和5G網(wǎng)絡(luò)的推出，隨著數(shù)據(jù)量將再次增加，當(dāng)每臺設(shè)備都連接到網(wǎng)絡(luò)時，可用數(shù)據(jù)量將激增。如果您的企業(yè)今天在使用數(shù)據(jù)分析方法而苦苦掙扎，那么不久的將來將帶來更多的數(shù)據(jù)分析挑戰(zhàn)。
 

　　制定詳細(xì)的數(shù)據(jù)分析策略也是必須的。那些可以將其數(shù)據(jù)集連接到BI的公司將能夠利用他們獲得的見解來加速產(chǎn)品和服務(wù)開發(fā)。
 

　　大數(shù)據(jù)分析涉及所有市場領(lǐng)域：從銀行業(yè)到醫(yī)療保健，使用數(shù)據(jù)來影響結(jié)果和創(chuàng)新，現(xiàn)在已成為所有企業(yè)快速發(fā)展的核心競爭力。應(yīng)用機器學(xué)習(xí)技術(shù)，從龐大的組裝數(shù)據(jù)集中交付的BI是企業(yè)無法忽略的資源。
 

　　大數(shù)據(jù)分析的力量在于所提供的見解。這些見解可以提高客戶的個性化和準(zhǔn)確的預(yù)測性營銷。這些技術(shù)可以采用多個數(shù)據(jù)點，并將其分配給個人或組。在這里，數(shù)據(jù)成為一種靈活的工具;所有企業(yè)都可以負(fù)擔(dān)得起使用，因為分析方法可以擴展。
 

　　預(yù)測分析是我們開始在市場上看到的高價值用例，尤其是隨著物聯(lián)網(wǎng)解決方案的成熟，例如，火車線路的運營商會在火車上安裝傳感器，該傳感器可以預(yù)測特定零件何時會斷裂，從而可以在事實發(fā)生之前進(jìn)行維修，而不必等待斷裂和隨后的服務(wù)中斷。
 

　　要做到這一點，您需要一個功能強大的分析引擎來查看歷史性能數(shù)據(jù)和近實時數(shù)據(jù)(例如特定零件的溫度)。成功地部署了預(yù)測分析后，運營成本將大大減少，而減少旅行中斷的客戶體驗將獲得明顯的好處。
 

　　大數(shù)據(jù)分析
 

　　大數(shù)據(jù)分析的五個組成部分：數(shù)量，速度，多樣性，準(zhǔn)確性和價值。平衡企業(yè)數(shù)據(jù)分析方法的這些組成部分，將確?？梢詮倪@些龐大的數(shù)據(jù)集中提取的信息中采取實際行動。
 

　　大型云服務(wù)提供商已確保其服務(wù)具有內(nèi)置的高水平分析。由于Power BI的Azure Analytics通過其更好的工具和自動化而節(jié)省了時間，因此包括數(shù)據(jù)庫管理員，數(shù)據(jù)科學(xué)家和基礎(chǔ)架構(gòu)支持在內(nèi)的眾多IT專業(yè)人員變得更加高效?？傮w而言，每周平均可節(jié)省時間1.73個小時。商業(yè)用戶包括商業(yè)分析師等高級用戶以及商業(yè)智能的消費者。每周平均節(jié)省時間1.75個小時。經(jīng)過三年的風(fēng)險調(diào)整后，總共節(jié)省了490萬美元。
 

　　了解從企業(yè)目前正在處理的大型數(shù)據(jù)集中提取見解所需的工具，也至關(guān)重要。物聯(lián)網(wǎng)的龐大數(shù)據(jù)量將使AI和機器學(xué)習(xí)成為必要。例如，我們預(yù)計將出現(xiàn)一波新的應(yīng)用程序，這些應(yīng)用程序?qū)⒌厍蛴^測衛(wèi)星的開放地圖數(shù)據(jù)與自動駕駛汽車和智能揚聲器的IoT數(shù)據(jù)相結(jié)合。
 

　　盡管首先將環(huán)境應(yīng)用放在首位，但使用這種開放數(shù)據(jù)會帶來許多商機-從允許公司為競爭對手的資產(chǎn)定價，到預(yù)測GDP和全球沖突。
 

　　看到圖案
 

　　由于業(yè)務(wù)管理的數(shù)據(jù)中包含的許多信息將高度個性化，因此安全性至關(guān)重要。在分析數(shù)據(jù)時(通常使用自動化的AI系統(tǒng))，必須從給出的結(jié)果中最小化偏差。
 

　　數(shù)據(jù)分析的最大挑戰(zhàn)之一是如何在所有平臺上提供統(tǒng)一的隱私和數(shù)據(jù)安全性，同時又保持開放訪問而不破壞數(shù)據(jù)的分析價值。收集推動現(xiàn)代業(yè)務(wù)的寶貴見解的必要條件。這就是諸如令牌化之類的以數(shù)據(jù)為中心的安全技術(shù)大放異彩的地方–允許組織在保護(hù)其數(shù)據(jù)的同時保持跨多個平臺的參照完整性。
 

　　關(guān)鍵不是要依賴任何平臺，而是要保護(hù)整個企業(yè)的數(shù)據(jù)，以便在攝取數(shù)據(jù)時對數(shù)據(jù)進(jìn)行保護(hù)，對受保護(hù)的數(shù)據(jù)執(zhí)行跨平臺分析，而共享數(shù)據(jù)實際上就是受保護(hù)的數(shù)據(jù)。這不僅可以始終確保所有系統(tǒng)的私密性，而且還可以對大型數(shù)據(jù)集進(jìn)行分析，這些數(shù)據(jù)通常由于數(shù)據(jù)毒性而受到嚴(yán)格限制或限制。最終結(jié)果是組織可以在遵守隱私法規(guī)并滿足內(nèi)部風(fēng)險和安全性的同時，通過其數(shù)據(jù)獲利并獲得卓有成效的見解。
 

　　對于CIO和CTO來說，大數(shù)據(jù)分析已成為現(xiàn)實。人工智能和機器學(xué)習(xí)正在釋放大數(shù)據(jù)分析的真正潛力。沒有智能，大數(shù)據(jù)通常就無法證明存儲成本的實用價值。在過去12個月中與我們交談過的每個組織中，人工智能的使用正在主導(dǎo)著CIO的大數(shù)據(jù)議程。外部調(diào)查已經(jīng)證實了這一點，PWC分析表明77%的高管認(rèn)為AI和大數(shù)據(jù)是相互聯(lián)系的。
 

　　當(dāng)將大數(shù)據(jù)和高級算法應(yīng)用于業(yè)務(wù)問題以產(chǎn)生可比以前更好的解決方案時，分析就可以創(chuàng)造價值。通過識別，確定大小，優(yōu)先級和逐步調(diào)整所有適用的用例，企業(yè)可以創(chuàng)建可產(chǎn)生價值的分析策略。
 

　　最高管理層正在推動大數(shù)據(jù)分析。如果企業(yè)擁有穩(wěn)健而有意義的分析，則企業(yè)會越來越多地看到所擁有數(shù)據(jù)的真正價值。未來，分析將繼續(xù)成熟并擴大其范圍。機器學(xué)習(xí)也在并行快速發(fā)展中，因為要使這些擴展的數(shù)據(jù)集有意義，自動化是必不可少的。
 

　　過去幾年中，大數(shù)據(jù)分析如何發(fā)展?
 

　　大數(shù)據(jù)領(lǐng)導(dǎo)的組織的起源是制定最佳實踐戰(zhàn)略，以使用數(shù)據(jù)湖，商業(yè)智能平臺和主數(shù)據(jù)管理(MDM)等技術(shù)更好地存儲和聚合數(shù)據(jù)。在過去的幾年中，大數(shù)據(jù)解決方案已經(jīng)從數(shù)據(jù)駐留狀態(tài)發(fā)展到數(shù)據(jù)的優(yōu)化和檢索。展望未來，人工智能與大數(shù)據(jù)的集成將使組織能夠操作其大數(shù)據(jù)集以推動可行的見解。
 

　　大數(shù)據(jù)分析趨勢是什么?例如，預(yù)測分析?
 

　　分析的三個主要趨勢取決于大數(shù)據(jù)集。這些是人工智能;流式物聯(lián)網(wǎng)和云計算。這些趨勢正在逐步發(fā)展商務(wù)智能(BI)平臺，以幫助組織改變其行為方式和對業(yè)務(wù)的了解。
 

　　人工智能平臺
 

　　人工智能和數(shù)據(jù)治理的結(jié)合旨在幫助組織對數(shù)據(jù)進(jìn)行清理以獲取其數(shù)據(jù)源的統(tǒng)一視圖。在此應(yīng)用程序中，AI被定位為可信賴的顧問，以提供指導(dǎo)和建議以檢測異常值并建議數(shù)據(jù)更正。
 

　　流式傳輸IoT數(shù)據(jù)
 

　　許多組織都在戰(zhàn)略上將感官數(shù)據(jù)和實時數(shù)據(jù)納入其業(yè)務(wù)流程。盡管物聯(lián)網(wǎng)數(shù)據(jù)是有用的信息，但增值組件是將物聯(lián)網(wǎng)與AI結(jié)合使用，以提供對數(shù)據(jù)的實時更準(zhǔn)確的響應(yīng)。生成的數(shù)據(jù)響應(yīng)強調(diào)了BI平臺的重要性，該平臺可與人員適當(dāng)?shù)貍鬟_(dá)結(jié)果或警報以獲取可行的結(jié)果。
 

　　云計算
 

　　盡管某些組織可能希望保留其內(nèi)部數(shù)據(jù)，但存儲和維護(hù)從多個源傳入的大量數(shù)據(jù)變得昂貴。因此，云和混合云解決方案提供了一種快速簡便的方法來訪問大數(shù)據(jù)，從而大大降低了組織的總體成本。
 

　　人工智能和機器學(xué)習(xí)如何影響大數(shù)據(jù)分析?
 

　　人工智能和大數(shù)據(jù)的重疊正在被培養(yǎng)成一種協(xié)同關(guān)系，其中這些學(xué)科經(jīng)常協(xié)同工作，因為人工智能沒有有意義的數(shù)據(jù)就毫無價值，而大數(shù)據(jù)現(xiàn)在依賴于人工智能驅(qū)動的分析。以下是一些示例，展示了AI在哪里依賴大數(shù)據(jù)并利用大數(shù)據(jù)集的使用情況：
 

　　1、檢索和推理

　　2、自動化學(xué)習(xí)和動態(tài)計劃

　　3、物聯(lián)網(wǎng)流數(shù)據(jù)

　　4、自然語言處理

　　5、計算機視覺(圖像或視頻數(shù)據(jù)
 

　　自然語言處理(NLP)是AI中需要大量數(shù)據(jù)的領(lǐng)域之一。例如，沒有大量的人類語音，書面記錄和錄音，NLP技術(shù)將無法實現(xiàn)。為了獲得用于NLP的通用模型，AI算法需要捕獲大量，變化和多種語言數(shù)據(jù)點以產(chǎn)生高精度。總之，大數(shù)據(jù)正在繼續(xù)增長，人工智能將與大數(shù)據(jù)協(xié)同使用，以通過自動化任務(wù)來幫助最終用戶。
 

　　當(dāng)物聯(lián)網(wǎng)越來越普及時，是否需要一種新的數(shù)據(jù)分析方法?
 

　　隨著組織內(nèi)部物聯(lián)網(wǎng)參與策略的增加，物聯(lián)網(wǎng)流數(shù)據(jù)和AI的結(jié)合將使企業(yè)能夠?qū)?shù)據(jù)收集并將其轉(zhuǎn)換為可用和有價值的信息，這將是最重要的。
 

　　常見的跨學(xué)科用例包括預(yù)測性維護(hù)，對話代理(chatbots)，自動定制以增強用戶體驗的KPI，動態(tài)閾值，現(xiàn)代網(wǎng)絡(luò)安全和異常檢測。本質(zhì)上，IoT通過在系統(tǒng)上提供準(zhǔn)確的實時信息來改善業(yè)務(wù)模型;此后，人工智能吸收了物聯(lián)網(wǎng)數(shù)據(jù)的動態(tài)特性，以提供可行的見解。
 

　　如何在整個分析系統(tǒng)中支持隱私和安全性以用于在大型數(shù)據(jù)集中尋找價值?
 

　　在保護(hù)大數(shù)據(jù)方面，無疑存在重大挑戰(zhàn)，其中包括：保護(hù)數(shù)據(jù)和事務(wù)日志，輸入驗證，訪問控制以及實時保護(hù)隱私。盡管在多個階段進(jìn)行加密可以確保數(shù)據(jù)的機密性，完整性和可用性;企業(yè)正在積極致力于在不犧牲數(shù)據(jù)隱私性的前提下促進(jìn)創(chuàng)新的大數(shù)據(jù)最佳實踐。
 

　　這些做法包括：通過明確定義云服務(wù)提供商和云服務(wù)用戶的職責(zé)，有效地利用大數(shù)據(jù)，使其在采購和管理云服務(wù)方面具有較強的能力;通過在初始階段清理，修剪，匹配和合并數(shù)據(jù)，將數(shù)據(jù)合并為一個真實來源，從而對數(shù)據(jù)進(jìn)行消毒以避免上述隱私問題。