不管你准备与否，不可忽视的是，我们已经进入了商业智能（Business Intelligence）时代。技术与数据正在企业中发挥越来越重要的作用。根据企业数据部署平台Process的一项调查显示，85％的企业决策者认为，他们必须在两年时间内获得技术与数字转型领域的突破，否则将会落后于竞争对手，甚至遭受财务危机。

面对不断变化的监管政策、快速迭代的技术以及比以往任何时候都具有挑战的市场竞争，如何利用技术与数据最快做出预测，改变用户体验并将其转化为机遇和利润，是企业胜出的关键。

近期，企业数据服务机构MicroStrategy整合出2018年包括人工智能、机器学习、自然语言生成、物联网在内的八大趋势。不想输在起跑线上，创业者或许该从重点关注以下8个方面开始：

1、AI重塑数据管理与业务流程

2、拥有数据分析型人才的企业更有竞争力

3、“实时”与“基于批处理”分析整合带来想象力

4、语音和自然语言交互将成为主流

5、新兴科技与企业工具的融合趋势增强

6、增强型分析（augmented anylytics）崛起

7、机器学习、边缘性分析（edge analytics）和视频分析迅速发展

8、基于数据的洞察流将持续发展

关注华映资本，回复#商业智能#获取完整原版英文报告。

AI重塑数据管理与业务流程

“2018年，CIO们将愈发认识到AI这样的新技术在企业发展中的重要性。”

——Boris Evelson,Forrester Research

副总裁兼首席分析师BI领域权威专家

谈到智能商业，自然不能错过当下最热的人工智能。AI将如何变革企业的业务流程？美国权威市场研究公司、企业数据服务商Forrester Research结合服务过的案例，给出了以下预测：

人工智能将重塑分析和业务流程：四分之一的公司将通过会话式的用户界面进行即点即到（point-and-click）分析，人工智能将帮助20％的公司作出决策并提供实时指令。

大数据的发展将逐步替代传统的数据管理：2018年，至少三分之一的企业将停止传统数据库的运行支持，近一半的企业将采用云优先策略进行大数据分析。

公司将重塑传统数据的分析模式，并激发新的洞察力：三分之二的公司将创建基于大数据系统的全新客户洞察中心，数据工程师也有望成为2018年新晋热门职位。

洞察市场格局将愈加复杂：IaaS（Insights-as-a-Service，洞察即服务）市场规模将翻倍。2018年，80％的公司将依赖于数据分析提供商来进行用户数据分析与调研。

总而言之，那些具有前瞻性的企业将基于AI创建新的职位和业务流程，通过重新设计其整体运营模式来适应新的技术浪潮，而绝非简单地将数据与业务从旧架构中进行转移。

拥有数据分析型人才的企业更有竞争力

“2020年，将有270多万条关于数据科学与分析岗位的招聘公告。”

——Teresa Green，MicroStrategy

全球人才招募副总裁

2018年之后，企业要做的不仅仅是吸纳顶级分析人才，还需要在留住人才方面下工夫，因为数据科学和分析型人才的短缺情况将愈发严重。

商业高等教育论坛（BHEF）和普华永道在《投资美国数据科学与分析人才行动案例》的报告中预测，到2020年，将有270万条有关数据科学和分析职位发布的招聘信息，其中许多并非传统的工程、运营或IT职位。同时，BHEF和盖洛普进行相关调查也同样发现，雇主对具备数据科学和分析技能人才的需求逐渐上升:

59％的雇主表示，他们希望到2020年企业所有财务和会计经理都需具备数据科学和分析技能；

51％的雇主表示市场营销和销售经理都需要这些技能；

49％的雇主表示行政领导应该被要求掌握这些技能；

48％的雇主表示他们希望所有的运营经理均掌握这些技能。

当下所面临的最大挑战在于，目前只有不到5％的大学生参加数据科学和分析课程，因此未来人才供应量并不能够满足社会需求。

69％的雇主表示将更加重视数据在企业中起到的作用，他们更青睐那些懂得数据科学并具有分析能力的求职者；与此相对的是，教育机构表示到2021年只有23％的毕业生可以掌握数据分析的相关技能。

因此对于企业来说，它们不能将数据科学与分析人才的吸纳全部押注于招聘当中，而是应该同时通过培训和教育来培养自己的人才。

“实时”和“基于批处理”分析整合带来想象力

“全球80％的零售商认为物联网将在未来三年内彻底改变公司开展业务的方式。超过70％的零售商正在进行与传感器有关的项目。”

—— Tim Lang

MicroStrategy首席技术官

当下，实时分析与基于批处理的分析之间似乎是断裂的。但未来的发展是，进行实时分析的人员需要将实时数据与历史数据进行比较，从而得出更值得参考的观点。

可以想象一下使用传感器来实时监测流量的零售商店，此类商店通过分析应用程序并结合历史数据对最“有利可图”的产品类别作出预测，同时将其与客户流量、销售人员和历史销售的数据结合，可以给出销售人员的最佳方案建议。

更多的企业组织开始使用并存储不同来源（结构化和非结构化）的数据，并且他们需要能够对这些数据进行实时处理。可以说，实时数据与历史数据分析的融合使得大量新的用例可以进行可操作分析。

语音和自然语言交互（natural language interfaces）将成为主流

“到2020年，50%的搜索将是语音搜索。”

——David Menninger，Ventana Research

 高级副总裁&研究总监

几十年来，人机交互一直以键盘和鼠标的交互为基础。然而，即便我们已经学会了使用这些设备，但其机械性操作也限制了我们从事更多的技术创新活动，其中包括分析技能和商业智能。相比之下，语言是我们日常交流沟通的最常用手段，由于多数类型的设备都允许用户使用语言，因此语言相关类型的技术将在更广泛的受众群体中应用，从数据分析层面来看，不久之后，如何提取语言数据变得尤为重要。

当然，语音并非唯一的趋势，与之一起共同发展的还有自然语言生成。并不是每个人都知道如何阅读图表，或了解从中该得出什么结论，相比之下文字形式的摘要几乎可以被所有人都理解，这也可以帮助减少许多类型数据显示的不明确性。

在行业之中，开发者一直着迷于提供地图和地理显示作为信息系统的一部分，但相关研究显示，用户认为文本比地图更重要，这也表明语音和自然语言交互正在逐渐成为现实。企业应该探索这些文本类的选项并找到合适的方法将其纳入业务系统，以最大限度地提高其技术投资的价值。

新兴科技与企业工具的融合趋势增强

“2018年，更多企业将实现分析系统平台的标准化，并尽可能多地将项目合并到该解决方案中，甚至在必要时将各种客户端、企业资产和第三方数据库连接到该平台上。”

——Hugh Owen，MicroStrategy

产品营销高级副总裁

新兴技术融合

与往年相比，技术进步或技术进化浪潮的影响范围更加广泛。云、大数据、语音、AR、VR、AI、物联网、遥测等新兴技术已经较为成熟，可以在商务数据的基础上为企业提供各种即时商业机会。

在接下来的一年中，包括AR、VR、AI和网络分析在内的新兴技术将继续重叠和合并，以实现真正增强的智能。下一代分析（Next-gen analytics）将与AI进行融合以增强智能化；机器学习只有与大数据（结构化或半结构化）相结合才能充分发挥其价值。语音需要借助人工智能才可以为用户带来真正的变革式体验。

此外需要说明的是，尽管技术的交叉点将会是多种多样的，但每种技术的发展将越来越依赖其周围的其他技术来提供实际价值。

工具融合

企业组织为了解决各种问题，往往会基于特定的分析需求对一系列产品进行整合，通常来讲，这些问题会跨越不同的领域，有的需要将不同的工具进行融合进而去解决问题，而有的甚至需要不同的工具来解决同样的问题。

信息技术的消费化使得企业组织可以接触到大量帮助自身解决问题的产品，相比等待IT/IS（信息技术／信息系统）提供解决方案，用户可以通过开源技术在网络上获取更多的免费产品。然而，IT/IS解决方案的发展现在正被两种趋势所赋能。

首先，强大的企业软件已经赶上或超越了网络上那些免费或便宜的工具；其次，那些曾经看起来可行却遭遇各种失败的项目仍然无法取得进展。

因此，IT/IS所提供整体解决方案的优势便凸显出来，这也导致很多公司在过去五年多时间公司对各种开源性工具的需求越来越少。

在新兴技术与企业内部工具融合的趋势下，企业能够获得更多来自Mac、PC、Web和移动客户端的用户数据；管理人员将看到业务能够在他们信赖的数据上开展；在IS提供的解决方案下，需要管理的工具数量减少，但监管力度却不会减弱，用户也会感到更加便捷。数字化方式正在革新所有人的业务方式。

增强型分析（augmented anylytics）崛起

“与自我服务型商业智能同样具备颠覆意义的是，增强型分析技术将再次改变企业格局。”

——Jen Underwood

Impact Analytix创始人

目前人们正在经历一场史无前例的持续性技术变革，新的增强分析方法将再次改变分析领域。人工智能所驱动的搜索、自然语言和智能分析自动化创新正开始极大地改变人机体验，使得分析和数据科学得以民主化。

增强型分析将人类思维与人工智能进行了结合，是一种前瞻性的、可操作的方法。除了提供历史报告之外，增强型分析还可以自动执行预测性和规定性的可操作指导。早期采用增强分析技术的企业可以提供无与伦比的洞察力和增强的竞争优势。

从寻找数据源到发现关键问题，增强型分析正在快速地改进并扩展着整个分析生命周期。下一代增强分析能力可以自动处理数据、执行工程，识别关键洞见并对其进行排列、提供建议并揭示数据海洋中的隐藏模式等。

但有一点需要说明的是，增强型分析是依赖于统计数据技术的，也就是说，当增强分析所处理的数据是无偏倚且适当的时候，它将带给我们惊艳的结果；相反，不准确、有偏差或质量差的数据将带给人们低质量的结果，但这并非表明此模式流程本身存在问题。

机器学习、边缘性分析和视频分析迅速发展

“到2022年，预计将有约290亿台联网设备，其中约180亿将与物联网相关。”

——Ronald Van Loon

全球大数据领域Top10影响者

数字技术正在打破并将永久改变企业现有格局。一个关键的趋势是人工智能和机器学习能力使得企业能够搭建一个实时数据和分析基础设施，而这个设施可以催生有价值且基于分析的洞见。

因此，随着这些公司开始通过数字能力提高效率水平，人工智能和机器学习应用将逐渐成为主流，尤其是“易用性”会成为该转变的主要驱动力。而成本效益、速度、响应能力和智能自动化是影响大公司普遍采用此类应用的关键因素。

其次，由于企业连接设备的大量增加，许多设备正在生成大量无法集中分析的数据，因而能够为数据分析提供解决方案的边缘分析技术呈快速增长趋势。

第三大趋势是视频分析。随着智能手机、平板电脑和安全摄像头等联网设备使用的持续增长，视频正在成为企业获得宝贵数据的另一重要来源，相应地，像人工智能和物联网这样的数字能力便推动了视频分析的兴起。比如，企业可以对零售商店、城市监控等视频进行分析。

同时，视频分析也促进了跨系统之间的快速通信，使企业能够迅速作出预测并积极地开发智能解决方案。可以说，随着智能城市、智能交通和智能建筑的发展，视频分析日渐成为一个越来越可行且富有价值的解决方案。

基于数据的洞察流将持续发展

“数据将成为业务的基础。”

——R．“Ray”Wang

Constellation Research 创始人

从目前来看，使分析技术变现的最大机会之一来自洞察力流（insight streams）的开发，该流中除了包括像劳动力绩效、客户满意度、产品质量数据等明显信息外，也包括电量、用水量、进入建筑物的游客、人行道上的步行交通量和停车场的密度等看起来非常无用的数据信息，因而企业应该学习如何使用各种隐性数据来作出预测并推动决策执行。

企业应当关注的另一个趋势是无限环境协调（infinite ambient orchestration）。大量的个性化需求是通过网络和平台背景中的洞察被发现的。而AI驱动的智能系统将愈加依靠无限环境协调，这些系统将能够对结果作出预测并增强人为决定。

未来已来，对于企业来说，自身必须要成为一个数据驱动型组织。因为，那些能够通过技术来改变客户体验、并致力于最先发现且交付新业务模型的组织才有机会在市场中幸存，否则将会遭遇淘汰，这正是所谓的“数字达尔文主义时代”。