【编者按】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。
这与的想法一致,所以将在6月14日举办的全球智能+新服务峰会中邀请AI+招聘、AI+营销、AI+数据决策等成熟型企业和投资人共同讨论商业服务的变革。
嘉宾介绍请点击:8家智能服务准独角兽企业:AI和商业模式的创新仍是发展“重头戏”
活动报名请点击:链接
本文转载自华映资本,以下是报告内容,请参阅:
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
“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。
“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。
“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。
“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