C-Suite 需要了解的关于分析的 10 件事
如果您最近没有经常旅行，这里有一份分析领域发展的执行摘要，您可能在航空公司座椅靠背杂志上错过了这些发展。
- 它不再被称为决策支持系统（尽管是 20 年前）。
不报告（15 年）、商业智能（10 年）甚至分析（5 年）。 它是 增强 数据分析. 或者，嵌入人工智能的分析。 尖端分析现在利用机器学习并协助根据数据做出决策。 所以，从某种意义上说，我们又回到了我们开始的地方——决策支持。 - 仪表板. 进步的公司正在远离仪表板。 仪表板诞生于 1990 年代的目标管理运动。 仪表板通常显示关键绩效指标并跟踪特定目标的进度。 仪表板正在被增强分析所取代。 不是一个静态仪表板，甚至是一个对细节进行钻取的仪表板，人工智能注入的分析会实时提醒您什么是重要的。 从某种意义上说，这也是对定义明确的 KPI 管理的回归，但有一个转折——人工智能大脑会为你观察指标。
- 标准工具. 大多数组织不再拥有单一的企业标准 BI 工具。 许多组织有 3 到 5 个可用的分析、BI 和报告工具。 多种工具允许组织内的数据用户更好地利用各个工具的优势。 例如，您组织中用于临时分析的首选工具永远不会擅长政府和监管机构要求的像素完美报告。
- 云端公寓 The Cloud. 今天，所有领先的组织都在云中。 许多公司已将初始数据或应用程序移至云端并处于过渡阶段。 混合模型将在短期内支持组织寻求利用云中数据分析的功能、成本和效率。 谨慎的组织正在通过利用多个云供应商来实现多元化和对冲他们的赌注。
- 主数据管理。 旧的挑战又是新的。 拥有单一数据源进行分析比以往任何时候都更加重要。 借助临时分析工具、来自多个供应商的工具和不受管理的影子 IT，拥有单一版本的真实数据至关重要。
- 远程劳动力 在这里留下来。 2020-2021 年的大流行促使许多组织开发对远程协作、数据访问和分析应用程序的支持。 这一趋势没有减弱的迹象。 地理越来越成为一种人为障碍，工人正在适应在分散的团队中工作，只需要虚拟的面对面互动。 云是这一趋势的支持技术之一。
- 数据科学 为大众。 分析中的人工智能将降低数据科学作为组织内角色的门槛。 仍然需要专门从事编码和机器学习的技术数据科学家，但人工智能可能会在一定程度上弥补分析师与业务知识的技能差距。
- 数据货币化. 发生这种情况的路径有多种。 能够更快做出更明智决策的组织往往会拥有市场优势。 在第二个方面，我们看到了 Web 3.0 的发展，通过使用区块链系统来跟踪数据并使在线变得更加稀缺（因此更有价值）的尝试。 这些系统指纹 digital 资产使其独特、可追溯和可交易。
- 治理. 鉴于最近的外部和内部破坏性因素，现在是根据新技术重新评估现有分析/数据政策、流程和程序的重要时刻。 既然有多种工具，是否需要重新定义最佳实践？ 是否需要检查符合监管要求或审计的程序？
- 视力。 该组织依靠管理层来制定计划和制定路线。 在动荡和不确定的时代，传达清晰的愿景很重要。 组织的其余部分应与领导层设定的方向保持一致。 敏捷组织将经常在不断变化的环境中重新评估，并在必要时纠正路线。
