文章目录[隐藏]
前面文章我们提到了：X分析、决策情报、数据精度，不知道大家对这三个关键词有什么样的想法，是否对你接下来在数据分析和商业智能这个方面的工作和学习有没有什么帮助。
接下来我们将继续讲解：数字自动化、数据劳动力多样化、预测和规范化分析这三块的内容。
1. 数字自动化
数字自动化的全局术语侧重于智能技术的兴起，以对跨行业的企业产生影响，提供自动化流程，使大数据和分析分析更容易利用和理解，从而获得有价值的见解。集成人工智能和智能自动化工具，在提高生产力的同时解决业务挑战，将成为下一阶段数字化转型的关键。
速度在企业中的重要性不是最新的新闻，而是获取适当数据的工具和手段，无论是编制管理报告，确定哪些KPI 示例进行研究、研究和选择，还是哪些 AI 自动化过程在特定行业中具有杠杆作用，肯定会在 2021 年影响各种规模的企业。
利用人工智能和机器学习，同时使用神经网络警报和模式识别警报，可以为企业带来快速、有价值和可持续的自动化水平。由于像麻省理工学院这样的巨头正在投资一所价值10亿美元的人工智能新学院，我们将保持数字自动化作为2021年需要注意的商业智能流行语之一。
2. 数据劳动力多样化
与数据相关的专业已开始多样化，并发展成为新的领域和工作领域。正如我们前面所说，正在生成的海量数据不仅需要专业软件，还需要相关的技能和人类对应物，最终带来积极的业务成果。这导致数据劳动力多样化和大型数据集的专业化，以及跟上新技术、工具和数据类型的步伐。我们提到 X 分析是新的未开发领域之一，将扩大其在不同分析领域的使用范围，而劳动力多元化将成为数据分析的流行语之一，对依赖信息及其管理的公司至关重要。
新的就业机会将打开，商业智能技能将需求量很大。BI 开发人员、顾问或工程师等角色将负责管理大型数据集、开发新解决方案并将它们实施到公司运营中。BI 仪表板工具等产品将将其使用范围扩展到需要准确数据、提高性能和高级数据可视化功能的各个行业。
但不仅仅是，由于一些新兴角色包括数据翻译、数据浏览器或数据项目经理，每个角色都有自己的技能集，可以弥合收集到的信息和生成见解之间的差距。
3. 预测和规范性分析
预测分析：会发生什么？
我们在前面文章中提到了预测分析，我们也将在这里强调这一点，因为我们发现它对于2021年极为重要。预测分析是从现有数据集中提取信息以预测未来概率的做法。它适用于业务，用于分析当前和历史数据，以便更好地了解客户、产品和合作伙伴，并识别公司的潜在风险和机会。毫无疑问，这是一个重大的技术进步，也是一大统计流行语之一，但据信它已经应用的程度被大大夸大了。
预测分析的商业用途是一个相对较新的事物。预测的准确性取决于用于创建模型的数据。例如，如果模型是根据一家公司固有的因素创建的，则不一定适用于第二家公司。与同一公司的第二年相比，一年的模型可能也是如此。方法需要考虑到这种动态性质。此外，由于目前大多数预测分析能力还处于起步阶段，因此没有足够的公司在足够的数据源上使用足够长的时间，因此构建预测模型的材料相当稀缺。 最后但并非最不重要的一点，还有人为因素。人们做决定背后的心理模式不能归结为简单的逻辑，而且往往是复杂和不可预知的。
然而，预测分析一直在稳步地将自身构建为真正的自助服务能力，供希望了解未来发展情况并在整个业务运营过程中创建更可持续的数据驱动决策流程的企业用户使用，2021 年将带来对其功能的更多需求和使用。
规范分析：我们应该怎么做？
规范分析采取下一步，但也分析和包括行动。这些分析使用优化和模拟算法来建议可能的结果并回答："我们该怎么办？这允许用户"规定"一些不同的可能操作，以执行和指导他们走向解决方案。规范性分析试图量化未来决策的效果，以便在实际决策之前就可能的结果提供建议。在其最佳状态下，规范性分析不仅预测了将要发生的事情，还预测了为什么会发生这种事。分析还就将利用预测的行动提供建议。我们很高兴看到规范性分析在 2021 年如何向前发展。
Comments | NOTHING