對于2020年商業智能發展趨勢有何期待?而人們需要為這些發展趨勢做好準備。

[[284466]]

越來越多的企業使用數據來驅動他們的決策——這使得前沿分析和商業智能戰略成為企業可以擁有的優秀技術優勢之一。

新興技術(特別是由人工智能驅動的技術)正在改變企業從數據收集和提取可用見解的方式。

人們應該了解以下六個趨勢，這些趨勢將在2020年和未來10年中重塑商業智能領域。

1.數據發現的新途徑

像物聯網(IoT)設備這樣的新數據收集技術正在為企業提供大量的實時數據，這與以前收集的任何數據都不一樣。人工智能和數據投資者Matt Turck表示，“一切皆可數據化”，隨著越來越多的人員上網，可以將信息進行分析、分類并將其轉換為一種格式，而人工智能系統可能會崩潰。

這些新的數據發現途徑將為商業智能分析師提供比以往更多的數據來源。與此同時，處理大量數據的公司將需要開始更加認真地對待數據安全性和隱私權，尤其是在處理機密的消費者信息時。正如企業越來越意識到數據的價值一樣，黑客也越來越意識到這一點，因此，數據泄露的頻率和成本也開始飆升。

依賴這些新數據源的公司也需要保護這些新數據，否則將面臨難以承受的后果。

2.人工智能驅動的大數據技術

大數據技術使數據分析人員能夠處理大量的數據，這比分析人員在沒有先進人工智能技術的幫助下所能處理的數據都要多。

隨著新技術收集的數據量的增加，商業智能分析師可能會發現無法篩選他們收集的數據量。相反，他們將采用大數據技術來幫助他們處理和分析這些數據。

3.預測性業務分析

這些新工具中的一些使用人工智能來預測事件，通過使用預測分析來識別即使看起來不相關的變量之間的微妙關系，從而更準確地預測事件。預測分析是使用數據和人工智能算法，幫助分析師預測未來，并更好地預測業務成果。

人工智能驅動的商業智能工具可以使用預測分析和歷史商業數據來預測市場需求的變化、緊急風險和企業需要應對的其他變化。

盡管傳統的商業智能通常側重于處理數據以優化當前流程并減少浪費，但通過預測分析，商業智能分析師可以幫助企業應對未來的工作流和業務流程。

4.自然語言處理和報告生成

新的人工智能工具還可以幫助企業更好地收集和分析基于文本的數據，并幫助商業智能分析師創建報告。

自然語言處理或會話分析應用于商業智能時是一種人工智能技術，可以訓練計算機軟件以模擬人類閱讀方式的方式來處理語言。自然語言處理使人工智能驅動的技術可以更靈活、更智能地響應語言，這過去在基于軟件的解決方案中提出了一個重大問題。

一些主要的商業智能平臺(例如微軟公司的Power BI和Tableau)已經集成了自然語言處理功能，例如語義搜索。

遺留數據系統給人工智能商業智能帶來的最重大挑戰之一是，需要多久可以隔離關鍵信息或以抵制機器閱讀的格式存儲關鍵信息。

在大多數此類情況下，分析人員將需要執行繁瑣的工作，即遍歷成百上千個單獨的文檔來收集他們所需的特定數據點。自然語言處理可以通過智能地從大量文本文檔中提取數據來為這一挑戰提供答案。

5. 商業智能分析師日益短缺

與其他一些技術和STEM領域一樣，商業智能和數據分析也面臨著越來越缺乏高技能分析師的問題。目前還沒有跡象表明這種趨勢會逆轉——隨著基于人工智能的技術越來越廣泛地被采用，越來越多的企業轉向人工智能驅動的數據收集和商業智能，這種短缺情況甚至可能變得更嚴重。

很難說更好的教育計劃是否可以改善這種情況。許多專家認為，目前的商業智能和數據分析教育項目并沒有有效地訓練員工使用人工智能程序和其他現代商業智能技術。

同時，這些商業智能職位的許多空缺都需要在該領域擁有多年經驗和高技能水平的工作人員。通常，初出校門不久的大學畢業生不適合擔任這些職位。

企業可能需要為缺乏能夠使用人工智能和大數據的業務分析師和數據科學家做準備。

6. 通用人工智能工具

從好的方面來說，技術行業也可能有提供一個人工智能驅動的解決方案，以解決日益迫在眉睫的商業智能人才短缺問題。

許多商業智能平臺和工具都整合了為普通用戶設計的人工智能功能——即使是沒有人工智能工作經驗或數據分析背景的分析師和管理人員也應該能夠使用它們。這些更智能的工具可以提高企業智商，可能會導致更高的銷售額和更好的現金流。

這些新工具還可以幫助提高數據收集和報告生成的速度，并允許任何有權訪問該軟件的人發現可以推動業務決策的新見解和數據點。

2020年商業智能將如何變化

正如某些人所說，這并不是一種新的石油，但是數據幾乎可以肯定是企業可以擁有的最有價值的商品之一。

采用人工智能分析技術不太可能取代商業智能分析師。與其相反，它更有可能通過自動化繁瑣的數據收集過程和允許管理層和團隊成員在沒有正式數據培訓的情況下回答簡單問題，從而為這些分析師騰出時間。

在未來，數據將可能成為商業智能的核心。大多數新技術將以某種方式依賴人工智能。商業智能分析師需要熟悉人工智能工具，否則可能無法使用很新和最前沿的商業智能工具。

與此同時，企業需要為缺乏經過數據培訓的具有才華的商業智能分析師和管理人員做好準備。