2018年，商业智能的趋势是什么呢？
以下信息由业务数据可视化分析展示平台DataHunter为您提供：
日前，世界知名研究机构Gartner发布了2018分析和商业智能平台魔力象限报告，同时Gartner还对分析和商业智能平台的技术路线和市场发展进行了预测和展望。其中，该机构特别强调了增强分析、自助数据处理、机器学习、自然语言处理、实时分析以及共享协作等能力将成为未来该领域的标配功能。
商业智能未来两年的发展愿景
到2020年，增强分析 - 包括自然语言查询和叙述、增强数据准备、自动化高级分析以及可视化数据分析能力 - 将成为购买分析、数据科学、机器学习、 嵌入式分析等平台的主要推动力。
到2020年，增强数据发现能力将带动商业智能和分析平台快速发展，用户数量将以两倍的速度增长，并提供两倍的业务价值。
到2020年，自然语言生成和人工智能将成为绝大部分（90%）商业智能平台的标准功能。
到2020年，50%的分析查询将会通过搜索、自然语言处理、语音生成，甚至是自动生成。
到2020年，为用户提供访问内外部数据目录的企业将从分析投资中获得两倍的业务价值。
到2020年，普通数据科学家的数量增长将是专业数据科学家的五倍。
- 分析和商业智能平台的15个关键功能
- 基础设施
- 2018年魔力象限看点
增强分析 - 在分析工作中的所有阶段（从数据准备、数据建模到洞察业务）启用机器学习，交互也从拖放式的查询升级到以语音、搜索和NLP技术为主。
数据可伸缩性和模型复杂性 - 分析和商业智能平台在数据的可伸缩性和数据模型的复杂性上受到了越来越大的压力，因为客户数据正在从单一的关系型存储转向多样化的SQL存储中。
云已经过了“临界点” - 基于云的分析和商业智能平台已经过了“临界点”，云部署的方式更加灵活，并且混合数据连接到本地数据源已经得到了更广泛的支持。
基于订阅模式的定价和企业许可协议 - 大多数企业都会考虑许可成本，但Gartner倡导企业关注TCO，包括部署、功能差异及持续性的培训和技术支持。很多厂商推出了基于订阅的定价模式，以降低客户使用成本，但Gartner认为，长期看这不一定会降低成本。
支持实时数据分析 - 越来越多的企业希望借助硬件设备、传感器等采集并生成实施数据流，以便及时作出决策，分析和商业智能的厂商需要具备相应的功能。
内容、数据和算法将会不断成熟，分析功能将帮助企业创造新的销售机会并加速业务洞察。
社会责任感 - 长期以来，许多厂商对非盈利性组织都提供特别折扣，或免费开放给学生使用（作为在大学校园里传播的一种方式）。今年，Gartner在魔力象限中首次加入了“社会责任计划”这一指标的评估。
1. BI平台管理，安全和架构。支持平台安全管理，用户管理，账户访问管理，并确保高可用及灾难恢复的能力。
2. Cloud BI。PaaS和AaaS（analytic-application-as-a-service）能力，支持基于本地或云端数据，在云中进行分析应用的构建、部署及管理。
3. 数据源连接和提取。用户可以连接到内部及各种云存储平台（关系型和非关系型）中的结构化和非结构化数据。
数据管理
4. 元数据管理。使用户可以利用通用语义模型和元数据，并通过强大而集中的方式，使管理员可以搜索，捕获，存储，复用和发布元数据对象，如维度，结构，度量，性能指标/关键性能指标（KPI），报表布局对象，参数等。同时，管理员能够将业务人员定义的数据混聚和元数据提升为SOR元数据。
5. ETL和数据存储。支持访问、集成、转换和加载数据到自包含的引擎平台，并具有索引数据、管理数据、加载和刷新的能力。
6. 自助数据准备。支持“拖放”不同来源的数据组合以及创建分析模型，例如用户定义的度量、集、组和结构。高级功能包括基于机器学习的语义自动发现，智能连接，智能分析，层次结构生成，数据沿袭和对各种数据源(包括多结构化数据)的数据混合。
7. 可扩展性和复杂的数据模型。具备内存引擎或数据库内部体系结构处理海量数据、复杂数据模型、性能优化和海量用户部署的能力。
分析和内容创作
8. 针对普通数据科学家的高级分析。通过菜单选项或导入和集成外部模型，使用户可以轻松访问平台自身的高级分析功能。
9. 分析仪表盘。具备通过可视化创建高度交互式仪表盘和内容的能力，并支持嵌入地理空间分析功能。
10. 交互式数据可视化。通过一系列的可视化功能来分析探索数据，这些功能不仅是基本的饼状图、条形图、折线图等，还应包括热点图、数图、地图、散点图及其他用于特殊用途的图表。用户可以与之进行交互和分析数据。
11. 增强数据发现。自动查找、可视化展现及叙述关键信息的能力，如用户数据的相关性、异常、集群、关联和预测等，使得用户无需自己创建数据模型或编写算法。用户可通过可视化、自然语言生成的文字、搜索和自然语言查询（NLQ）技术去探索数据。
12. 移动端的支持。企业可以通过发布和/或交互模式为移动设备开发和提供内容，并可以利用设备的本机功能，如触摸屏、摄像头和定位等。
分享
13. 嵌入式分析内容。为软件开发人员提供API并支持相关开放标准的能力，包括创建和修改分析内容、可视化和应用程序并将其嵌入到业务流程中。
14. 分析内容的发布、共享和协作。允许用户通过各种输出类型和分发方法进行发布、部署和分析操作，并支持内容搜索、日程安排和警报功能。这将使得用户能够通过讨论、聊天和注释的方式共同分析内容和决策。
平台整体功能
15. 易用性、可视化能力和工作流的整合。包括易于使用，管理和部署平台，易于进行可视化内容创建、使用和交互。同时，还要考虑在单一产品或集成度很低的多个产品中提供的功能程度。
北京国贸通大数据有限公司
2019-09-19 广告
Wyn Enterprise推送的《2018年商业智能（BI）报告》(11 BI Trends for 2018)中显示，在日益具有挑战性的环境中，管理、安全和数据质量正变得越来越重要。为了在分析经济中茁壮成长，企业需要采取新颖的方式来实现这一目标，同时还要应对逐步分布的环境。利用具有生态系统的真正开放的平台，以及最新的趋势、技术和方法，将数据、人员和想法结合在一起。这将带来更多的精通数据的用户和创新的情报，并成功地将数据整合到我们的生活中。
分析了该行业的11个重要趋势。
数据素养将在全公司和全社会范围获得优先权。根据调查，将近50%的员工正在努力区分数据真相和操作。 只有不到20%的员工具备数据素养，相比之下49%不具备数据素养。但是，65%的受访者愿意投入更多时间和精力来改善数据技能，如果有更多机会。
混合云将点连接起来。Netskope估计目前企业平均运行大约1000种不同的云服务。
数据变得前卫。到2019年，物联网创建的数据中至少有40%将被存储、处理、分析，并在网络边缘进行操作。到2022年，企业生成的数据中75%将在传统的集中式数据中心或云之外创建和处理，现在的指数不到10%。
大数据、数据洞察和数据科学趋于一致。
数据目录将成为自助服务的下一个领域。
互操作性和新业务模式的需求将集中于API。
区块链炒作将推动加密货币以外的实验性应用。
分析将变得更具互动性。
报告将被重新定义，具有高度的情境化。
分析变为沉浸式的。
增强现实型智能系统将用户转变为参与者和推动者。
商业智能发展阶段
1.新型商业智能已向多维决策智能阶段转变
围绕数据分析与智能化技术的不断迭代创新，商业智能至今共经历四次变革，实现由传统商业智能向新型商业智能的转变过程。商业智能初期阶段用户主要集中于大型企业，产品智能化程度低且部署成本高。随着基础设施建设的日益完善与可视化产品的出现，大量国内外商业智能厂商涌现并迅速发展，推动商业智能技术普及应用。2016年开始，大数据、人工智能、云服务技术的革新发展推动浅层决策智能走向成熟，云端部署能力则吸引更多的中小企业用户，新型商业智能时代逐步开启。现阶段新型商业智能已进入快速成长期，技术融合有效增进了产品的多维智能决策能力，在不断优化解决方案能力的同时可有效降低应用成本。
2.多为决策智能阶段
伴随2018年人工智能技术的全面商业化落地，集合AI、大数据、云服务、RPA、运筹学等技术的新型商业智能开始为企业客户提供多维决策的智能服务。融合技术、打磨场景、优化解决方案的部署成本是现阶段商业智能企业的发展重点。
