C-Suite 需要了解的關於分析的 10 件事
如果您最近沒有經常旅行，這裡有一份分析領域發展的執行摘要，您可能在航空公司座椅靠背雜誌上錯過了這些發展。
- 它不再被稱為決策支持系統（儘管是 20 年前）。
不報告（15 年）、商業智能（10 年）甚至分析（5 年）。 它是 增強 分析（Analytics）. 或者，嵌入人工智能的分析。 尖端分析現在利用機器學習並協助根據數據做出決策。 所以，從某種意義上說，我們又回到了我們開始的地方——決策支持。 - 儀表板. 進步的公司正在遠離儀表板。 儀表板誕生於 1990 年代的目標管理運動。 儀表板通常顯示關鍵績效指標並跟踪特定目標的進度。 儀表板正在被增強分析所取代。 不是一個靜態的儀表板，甚至是一個對細節進行鑽取的儀表板，人工智能注入的分析會實時提醒你什麼是重要的。 從某種意義上說，這也是對定義明確的 KPI 管理的回歸，但有一個轉折——人工智能大腦會為你觀察指標。
- 標準工具. 大多數組織不再擁有單一的企業標準 BI 工具。 許多組織有 3 到 5 個可用的分析、BI 和報告工具。 多種工具允許組織內的數據用戶更好地利用各個工具的優勢。 例如，您組織中用於臨時分析的首選工具永遠不會擅長政府和監管機構要求的像素完美報告。
- 雲端. 今天，所有領先的組織都在雲中。 許多公司已將初始數據或應用程序移至雲端並處於過渡階段。 混合模型將在短期內支持組織尋求利用雲中數據分析的功能、成本和效率。 謹慎的組織正在通過利用多個雲供應商來實現多元化和對沖他們的賭注。
- 主數據管理。 舊的挑戰又是新的。 擁有單一數據源進行分析比以往任何時候都更加重要。 借助臨時分析工具、來自多個供應商的工具和不受管理的影子 IT，擁有單一版本的真實數據至關重要。
- 遠程勞動力 在這裡留下來。 2020-2021 年的大流行促使許多組織開發對遠程協作、數據訪問和分析應用程序的支持。 這一趨勢沒有減弱的跡象。 地理位置正變得更像是一種人為障礙，工人正在適應在分散的團隊中工作，只需要虛擬的面對面互動。 雲是這一趨勢的支持技術之一。
- 數據科學 為大眾。 分析中的人工智能將降低數據科學作為組織內角色的門檻。 仍然需要專門從事編碼和機器學習的技術數據科學家，但人工智能可能會部分彌合分析師與業務知識的技能差距。
- 數據貨幣化. 發生這種情況的路徑有多種。 能夠更快做出更明智決策的組織往往會擁有市場優勢。 在第二個方面，我們看到了 Web 3.0 的演變，嘗試通過使用區塊鏈系統來跟踪數據並使在線變得更加稀缺（因此更有價值）。 這些系統指紋 digital 資產使其獨特、可追溯和可交易。
- 治理. 鑑於最近的外部和內部破壞性因素，現在是根據新技術重新評估現有分析/數據政策、流程和程序的重要時刻。 既然有多種工具，是否需要重新定義最佳實踐？ 是否需要檢查符合監管要求或審計的程序？
- 視力。 該組織依靠管理層來製定計劃和製定路線。 在動盪和不確定的時代，傳達清晰的願景很重要。 組織的其餘部分應與領導層設定的方向保持一致。 敏捷組織將經常在不斷變化的環境中重新評估，並在必要時糾正路線。
