数据分析领域的五大趋势

数据分析是对数据进行解构并检查以发掘实用模式和趋势的过程。这个过程的自动化和精细度越高，对于希望节省开支、增加收入、优化效率并与客户联系的公司和组织来说越有用。

随着越来越多的数据源可用，技术会跟步步伐：开发新的应用软件，建立有意义的连接，并提供实用的洞察力。资源丰富的公司可能选择自主开发这类应用软件，其他公司可能寻求外包公司的服务来获得帮助。

但是定制开发的数据分析软件不一定很复杂，不一定需要专家数据分析员才能使用。实际上，随着技术进步，形形色色的专业人员都能获得这些重要建议。下面介绍使数据分析更有用的五个趋势。

1. 自然语言处理

自然语言处理(NLP)如同数据分析领域的谷歌，因为它让用户可以使用人类自然语言借助书面或语音输入来进行查询。这项技术使数据分析为更广泛的专业人员所使用，包括前台工作人员。

这种能力将会越来越先进。比如说，目前您可能会问“该财年每位客户的平均支出是多少?”之类的问题。随着技术不断发展，您到时可以问“该财年与上一财年10英里半径内每位客户平均支出是多少?”之类的问题。

2. 增强分析

增强分析使用人工智能和机器学习，为用户提供了一种编程方式来找到最重要的洞察力。为此，它自动梳理一家公司或组织的数据，分析数据，最后返回实用的洞察力。这种方法只花费手工分析的一小部分时间。它有望减少对数据科学和机器学习专家的需求，同时要求其他角色的专业人员(例如小企业主)提高数据素养。

Dataversity声称：“技术通过融合人工智能和机器学习技术，使开发、共享和解读分析工具变得更容易，从而颠覆了分析行业。”据Gartner声称，增强分析正成为“新采购数据分析和商业智能以及数据科学和机器学习平台的主要驱动力。”

3. 区块链

区块链技术以其在加密货币中扮演的角色而出名，但可用于各行各业的众多任务。由于区块链可以验证数据有效性，防止虚假信息混入到数据分析中，因而能够增强预测分析。黑客将不得不改变区块链中的所有块才能篡改数据。在大多数情况下，这么做不划算。因此，收集到的洞察力更可靠、因此更有价值。

据SmartData Collective声称：“如果数据科学与区块链结合使用，获取的信息变得极具结构化、极为具体化，因此变得更有用。”区块链还使数据分析应用软件能够挖掘大量数据，从而使洞察力更具价值。

4. 持续智能

持续智能又叫实时智能。随着云计算、流式软件、机器学习和物联网等技术变得更先进更互连，这种类型的数据查询正变得越来越有可能。据Dataversity声称：“它处理历史数据和当前数据以提供决策自动化或决策支持。它基于历史数据和实时数据建议采取的动作。”

这种建议为帮助专业人员开发新程序提供了几乎无限的潜力，并基于客户偏好和动作方面的最新数据针对客户开展促销。此外，Dataversity表示：“该技术有望为卡车公司、航空公司和铁路等组织充当‘核心神经系统’，”这些组织可以用来调整时间表，以实现效率和利润大化。

5. 数据结构

数据结构可实现跨分布式网络无缝共享数据。Gartner将其定义为“一种定制的设计，通过以一种精心协调的方式，结合多种数据集成方法，以提供可重复使用的数据服务、管道、语义层或API。”换句话说，数据分析应用软件可以合并来自众多数据源的数据，并使用所有数据流进行必要的连接。

据数据结构提供商Talend声称，数据结构可以通过“提供用于访问和收集所有数据的单一环境来帮助组织无论数据位于何处、如何存储，从而消除数据孤岛。”此外，它通过消除多款工具，便于更快速地访问更可靠的数据，实现“更简单且统一的数据管理，包括数据集成、质量、治理和共享。”

小结

数据分析对于各种类型的企业和组织都非常有用，而且一直变得越来越重要。本文介绍的几个趋势指明了下一步方向，有望提高收入和客户忠诚度、减少浪费和低效，并打败竞争对手。

原文标题：5 Big Trends in Data Analytics，作者：Malcom Ridgers