2016年伊始，一些企业开始探索一系列数据分析新方法，以保持竞争优势。

对数字营销公司FullFunnel的COO Stephen Barone来说，2016年将会是一个从孤立的、特定客户分析项目向更大众化的大数据收集与分析方法过渡的一年。

“我们现在还属于小数据的范畴，因为特定领域和行业的客户是孤立存在的，”他说，“在我们平时的业务中，几乎没有真正利用到大数据。”

在2016年，Barone的立场可以代表许多和他们情况相似的企业。虽然许多企业在过去几年中推出并完善了基本的数据分析方法，他们之中依然有些人希望在新的一年里调研并使用更为先进的技术。

尽管目前还存在着种种限制，Barone依然确信，通过实现数据分析方法，FullFunnel可以做到更多。他最近聘请了一位有数学和经济学背景的销售分析师，通过该分析师的帮助，他希望对客户有一个更为全面的了解。目前FullFunnel的业务主要集中在入站营销和付费搜索活动。他使用了DataHero的工具，为客户跟踪这些项目成功与否，本质上相当于回顾报告。但Barone希望回顾信息可以更加系统地识别和分析，以便为客户推荐更为有效的策略。这将是他们在2016年第一季度重点发展的方向。

“我们可以通过分析数据得到更广泛的结论，但我们并没有在这个上面投入更多的时间，”Barone说。

实时分析发展的一年

数字营销和公关公司M Booth and Associates的分析总监Jeff Bodzewski，也希望在2016年专注于更高级的数据分析技术。现在他想发展更多实时分析方面的业务。

M Booth根据客户特征使用数据分析方法来确定受众属性和定制消息。但在过去，他们的重心一直是确保正确的信息交付给正确的受众。2016年Bodzewski和他的团队要确保这些消息能够在最为恰当的时刻交付。

“现在，数据源大量涌入，特别是某个人的位置也能通过移动数据确定，我们也在营销方法中加入了“适时推送”，”Bodzewski说。

为了实现上述方法，Bodzewski计划在更大程度上利用移动数据。这些数据包括移动用户的位置，通过确定受众周围的环境实现消息的精确递送。

认知计算取得进展

毫无疑问，认知计算仍处于初级阶段，但作为一个被人们谈论最多的数据分析方法，2016年企业对它将会越来越感兴趣。Nationwide Insurance首席数据官Wes Hunter表示，他正在研究认知计算技术如何提高业务流程和客户体验。

对他而言，认知计算的潜在用途都是关于简化运营的。事实上，早期阶段认知计算的大部分希望都集中在使用机器来替代或扩充目前人力承担的任务，这些任务包括采集处理大量的数据，并在日常运营中将数据作为一个潜在的工具使用。