早在计算机出现之前，“商业智能”就已经是一个有效的公司实体的主要组成部分，但计算能力的飞跃、云存储以及数据处理和可视化的进步，使企业能够更有效地利用资源。
商业智能(BI)的进步也使整个行业的数百或数千名员工都可以使用它，而不是只有几十名使用专业技能和软件的数据科学家。
Tableau的《2019年商业智能趋势报告》概述了BI技术的10大进步，以及新数据洪流和更分布式的处理、理解和利用数据的要求如何改变这门学科。
1.分析采用-采用分析意味着不仅仅是为利益相关者引入新工具，以便更好地理解与其功能相关的数据，而是确保数据洞察得到理解并采取行动。在许多情况下，采用计划是从下而上开始的，现在正被吸收为BI战略的基本部分，使许多用户能够做出决策和执行分析，而不必仅仅依赖IT或数据管理部门。根据该研究引用的2018年IDG技术调查，60%的首席信息官计划在2019年在分析方面投入更多资金。
2.基于云计算的分析-将数据库迁移到云端对中小型企业来说是一个福音，降低了他们的设备和人员成本，同时实现了容易的可伸缩性。云应用的增加也给做事的方式带来了新的变化。该研究引用的一个例子是“数据引力”，指的是随着数据量的增长，资源向数据来源的转移。在实践中，这意味着云分析在各种规模的企业中越来越受欢迎，因为基于云的数据查询和处理的延迟降低了，吞吐量增加了。随着越来越多的流程转移到云端，所有相关应用程序之间的数据共享变得更加简化，数字转型的其他方面，如物联网集成或统一的在线产品目录，变得更容易启动和集成，而不必在现场基础设施上进行极端投资，同时仍然提供对原始数据和分析工具的无限访问权限。
3.数据隐私-由于最近的Facebook丑闻、GDPR法规等，数据收集继续成为公众对话的更大一部分，隐私和适当使用和保护开始成为许多数据管理人员心目中最重要的事情，与元数据、分析、传播和其他赋予数据真正价值的优先事项并列。一项重大变化是，许多企业引入了一套长期以来应用于会计、医药和法律等行业的道德准则。其中涉及的许多伦理原则是跨学科的，也适用于数据存储、治理和使用。许多组织已经或即将进行与会计审计类似的年度审查，以确保遵守道德准则，管理人员也将在现有数据的适当范围内注意偏见和准确的事实分析。滥用或过度应用从数据中得出的结论可能与完全没有见解一样有害。Teknion Data Solutions的高级顾问布里奇特·温兹·科格利(Bridget Winds Cogley)表示:“道德实践有助于从业者退一步，从道德的角度评估情况。最重要的是，数据道德在我们的工作中起到了减速带的作用，这样我们就能理解如何在个人和专业方面面对困境。”
4.可辩解的人工智能-就目前而言，许多机器学习算法和软件包可以产生见解，但很难展示这些结论是如何得出的，这使得决策者很难实施他们以后可能难以详细解释的解决方案。可解释的人工智能试图通过使人工智能过程更加透明来解决这一困境，允许用户更深入地挖掘数据，以了解如何得出结论。
5.与数据的自然语言交互随着数据的激增，跟上组织不断增长的需求可能成为数据科学家和IT技术人员的主要挑战。然而，随着自然语言处理(NLP)在过去几年中取得了令人难以置信的进步，有经验和新手用户都可以询问有关可视化和其他分析输出的问题，并转向相关信息，而不必回到起点。例如，“给我看看纽约的最低气温记录”可以接着问“迈阿密怎么样?”而不需要重申这个问题。
6.可操作的分析-可操作的分析将实时将数据放在最有用的地方，使用软件api和插件为现有的软件解决方案(如Salesforce)提供见解。插件可能会在销售电话中提取客户的终身价值和他们的购买偏好，或者购买订购平台可能会返回关于库存水平的信息和本月预定时间的预期补货需求。
7.数据合作促进社会公益随着云存储和计算变得更便宜、更容易获得，许多企业都在寻求联合力量和共享数据的方法，以产生没有人能够单独实现的影响。研究称，医学研究万博体育下载app，如癌症数据分析，以及住房、就业和其他领域的人口趋势，是这类举措的主要目标。
8.数据管理和BI平台融合-随着越来越多的用户接受培训并获得执行自己的数据发现和分析的权限，BI的角色将转向维护高质量的数据、元数据和将各种工具连接在一起的关系。随着数据仓库和管理平台无缝集成到熟悉的BI工具中，这种类型的数据治理将比以往任何时候都更加精简。
9.& 10。数据叙事与数据民主-数据叙事不仅仅是帮助高管理解随意的见解或大型数据集;它是关于培养一种围绕数据的对话文化，让许多利益相关者参与理解结果或数据集，这些结果或数据集并不总是一成不变的。即使在不直接执行分析的角色中，数据素养也正在成为一种越来越受欢迎的技能，而数据科学家则继续提高他们的软技能，并将不同的视角带入他们的范围，以了解业务的复杂需求，以及如何最好地使用他们的可视化和其他工具。该研究称，数据民主化的趋势包括数据科学家更善于将数据应用于业务，以及高级用户(或公民数据科学家)更善于分析，这样两者就可以互相帮助，也可以帮助业务。
你可以找到Tableau的完整报告和其他见解在这里．
讨论: