2020年数据分析趋势

数据管理变革的4个趋势 & 分析

凯文·刘易斯
凯文·刘易斯
2020年1月8日 4分钟阅读
带着期待和希望,我对2020年将加速的数据管理和分析趋势进行了预测, 这很可能导致十大电子游艺平台首选处理这些实践的方式发生根本性的变化.


趋势1 -人工智能数据管理

尽管它已经存在了几十年, 人工智能 由于技术和处理能力的进步,近年来已经成为分析界的巨星. 但人工智能的有效性只能取决于数据的质量, 当可用数据的广度和深度爆炸式增长时, 构造的挑战, 集成, 对数据的证明同样会加强. 为了解决这个问题, 人工智能正在转向自身,并深入到表面之下,帮助人们和系统理解来自不同形式的多个来源的数据. 人工智能可以帮助识别数据的类型(如名称), 地址, 或组织特有元素), 在跨数据源的数据中查找链接, 注意差异和不一致, 并检测可能受法规和公司政策影响的敏感数据元素. 最终的想法是自动化数据管理的任何方面,甚至理论上可以通过逻辑和推理处理, 提高人工数据管理员的生产率和效率.

趋势2 -众包数据管理

我还记得维基百科颠覆百科全书业务的时候, 在这个过程中, 彻底改变了十大电子游艺平台首选获取和分享信息的方式. 怎么可能向全世界开放一个机制呢, 和, 以最小的制度层次和监督, 培育创造的广大, 连贯的, 以及很大程度上准确的知识宝库? 我还是不明白. 这同样强大的力量现在正将注意力转向 数据管理. 想想看——分析师花了大部分时间准备分析数据, 经常一次又一次地使用相同的数据源——结构化, 翻译, 否则每次都会策划他们. 今天, 消除这种浪费的最好方法, 冗余工作是指以支持各种应用程序的方式,系统地对可重用数据进行优先级排序,并增量地部署这些数据, 减轻分析人员的负担,不断扩大和提高共享数据资源的质量. 尽管有很多方法可以做到这一点, 大多数组织根本没有让它工作的纪律. 但是,如果有一种方法可以让分析师仅为他们的短期需求准备数据呢, 和, 这样做, 同时有助于数据的整体一致性和质量, 完全没有任何严格的计划? 如果同样的概念可以应用到传统的组织边界之外呢, 允许个人和机构在每次接触数据时提高数据的可靠性和可理解性?  想象一下,如果十大电子游艺平台首选能够更好地理解医学研究中那些神秘而又非常有用的信息,那将是多么的有潜力, 政府解密文件, 公共支出记录, 公布公司财务记录和披露, 更不用说十大电子游艺平台首选还无法想象的全新数据集. 可能已经在路上了.

趋势3 -打包加速器

也许每个组织都有一些特别和独特的东西可以提供给世界, 否则它不会存在很长时间. 但这种独特性也仅限于此. 事实是,在一个特定的行业内,大多数组织都在处理许多相同的问题. 电信公司想要优化他们的网络, 零售商希望有效分配实体和虚拟空间, 制药公司希望投资最有前途的治疗方法. 所有的组织都想雇佣最好的人, 管理费用, 让组织朝着共同的目标前进. 而打包的应用程序已经支持其中的许多功能, 仍然有大量的冗余, 自定义应用程序开发和分析,以回答众所周知的问题. 随着大多数组织从为软件和硬件付费转向为价值付费(基于使用情况), 技术供应商正变得更加积极地帮助组织尽快实现结果. 作为一个结果, 加速器,例如到公共数据源的连接器, 帮助组织数据以进行集成和访问的数据模型, 回答常见问题的模块化分析解决方案可能会变得更加突出.

趋势4 -基本的报告和分析

是的,你没看错. 对于许多组织来说, 掌握经营企业所需的最基本信息将是一种变革. 在会议上你不会经常听到这个问题, 但是,尽管许多商业领袖都在追求与先进技术相关的价值,这是可以理解的, 支持“数据驱动企业”所需的基本要素正在恶化. 这有很多原因——终端用户比以往任何时候都更有能力提供数据,并为自己构建报告和分析, 生产应用程序是使用“敏捷”技术开发的, 有时涉及数据的偶然获取, 数据管理和分析的组织职责在最好的情况下处于过渡状态,在最坏的情况下几乎完全混乱. 当然,自助服务、敏捷开发或组织变更并没有错. 但是在很多组织中, 它们根本没有得到有效的管理或协调, 在其他问题, 结果就是重叠, 不一致的, 增加度量和报告. 在他们1996年的书中, 平衡计分卡, 罗伯特·卡普兰和大卫·诺顿提供了一个系统的方法来建立运行一个组织所需的核心措施. 和, 与它通常被“执行”的方式相反, 它本来就不是单身的, 高层, semi-static记分板. 其理念是将计分板串联到合理化和平衡的指标上,在整个企业中向下钻取和因果关系,从而能够在所有级别上积极地管理业务. 24年后,这一信息比以往任何时候都更有意义.

十大电子游艺平台首选很难预测这些趋势中哪个影响最大,或者它们多快就能达到临界质量. 然而,有一件事是肯定的——领导能力永远不会被替代. 这是否意味着开发一种自顶向下的数据部署策略, 分析, 合理组织结构, 通过严格的计划, 或者它是否意味着为连贯的数据准备肥沃的土壤,以某种方式自然开花, 数据和分析领导者有责任思考和计划超越单个用例,以建立可靠的数据和分析资源来支持企业的真正目的.

对凯文·刘易斯

Kevin M Lewis是Teradata Corporation的数据和架构战略董事. 凯文分享了所有主要行业的最佳实践, 帮助客户转换和更新数据和分析程序,包括组织, 过程, 和建筑. 该实践倡导快速交付价值的策略,同时为每个项目提供一个连贯的生态系统.
  通过以下方式查看所有帖子 凯文·刘易斯

保持了解

订阅十大电子游艺网站博客,以获得每周的见解



我同意Teradata公司, 作为本网站的供应商, 可能会偶尔向我发送关于产品的Teradata营销通信邮件, 数据分析, 还有活动和网络会议邀请. 我明白,我可以在任何时候通过跟踪我收到的任何电子邮件底部的取消订阅链接来取消订阅.

你的隐私很重要. 您的个人信息将根据本条例收集、存储和处理 Teradata全球隐私政策.

详见Teradata