更广泛数据传播标志着分析的演变

日期: 2019-11-10 作者:Eric Avidon翻译:邹铮 来源:TechTarget中国 英文

在此系列文章中,我们主要探讨过去20年商业智能的发展历史。第一部分我们讨论了20年前的BI以及今天的BI,而在这个第二部分文章中,我们将讨论我们是如何从1999年的分析平台发展到2019年的分析平台,以及BI未来五年将会是怎样。

过去二十年来,一场信息革命改变了商业世界,数据从少数人的游戏转移到广泛的商业用户手中,但是分析的演进并没有那么快发生。

这是一个渐进的过程,尽管这个过程在过去10年的发展速度比以前的10年要快得多。

现在,数据广泛可用,可提供给财务、营销和销售部门的任何人,任何需要数据完成工作的人都可以访问数据。

例如在博物馆等地方,工作人员利用数据来策划展览和增加会员;而在体育领域,团队和球员的学习模式可用于预测潜在的结果;还有城市规划项目,在破土动工前,工作人员会先调查交通情况和对社区的影响。

分析几乎广泛用于每个行业,并且几乎可以实时使用。

数据锁定

20年前,数据被锁定。与现在的技术相比,当时的技术很原始,IT专业人员需要负责监管企业的数据,从收集到管理和清理数据,再根据需求分发数据。

当时的技术需要花费大量的时间,才能实现从最初请求到交付报告。

MicroStrategy公司高级执行副总裁兼首席营销官Marge Breya说:“只有绝对必要需要数据的人员才能获取数据—如果没有数据,他们的工作无法完成。这些人员通常是财务人员、CFO或者需要预测需求的人员,他们的工作涉及规划、生产、工资单等,这是非常基本的工作,而且很多不是自动化的工作。”Marge涉足软件行业已经长达25年。

随后这方面发生了很大变化。

TreeHive Strategy公司负责人Donald Farmer说:“现在非常多样化,这很有趣。”Donald曾担任Qlik和微软公司的高管。

从1999年到2019年,分析的演变主要是以技术创新为特征,这里的创新不仅仅是在商业智能领域(例如移动),还有BI供应商利用新技术的创新。同时,随着时间的推移,当时先进的供应商被新一代超越,我们还看到行业领导供应商的变化。

与此同时,随着分析技术的发展将BI带入未来,分析发展的特征还包括BI供应商在部署的商业智能领域的创新。增强智能和机器学习等新技术被整合到BI平台中,一批初创供应商引领这一潮流,而前创新者则在争先恐后地追赶。

关键创新

在新世纪的头十年,BI基本上没有变化,尽管技术创新在以很小的幅度推动着分析的发展。

2003年人们开始广泛使用64位计算,这是一个重要的发展,因为这促使内存处理在20年代中期问世。

同时,微软在1990年代中期开始将Excel包含在其操作系统中,这至少使广泛企业用户带来数据分析的想法;这家科技巨头在2010年将Power Pivot添加到Excel中。

到1990年代后期,手机变得越来越普遍。而在2007年,苹果公司推出iPhone。BI供应商开发移动应用程序以利用手机的新功能,但即使到现在,他们仍在努力寻找如何最佳地将移动技术用于BI目的,这里重要的问题是屏幕尺寸。

同时,无线技术的广泛部署使人们几乎可以随时随地开展业务。

然后就是云计算。亚马逊公司于2006年创建亚马逊云计算服务(Amazon Web Services),两年后,微软首次发布Microsoft Azure,尽管再过两年后才正式推出。

Farmer指出:“很多变化来自BI领域外,例如移动技术和云计算,这些技术已经实现轻松大规模的部署。”

接下来出现分析发展的转折点。

数据可视化改变了整个分析领域,数据呈现方式从IT生成的电子表格转移到仪表板显示,再到任何计算机用户的桌面。

对于数据可视化何时推动分析技术进入新时代,并没有确切日期。如果说,以IT为中心的报告是第一代BI的特征,那么,数据可视化和自助服务分析就成为第二代BI的特征。该过程逐步发生,从21世纪前十年开始,一直持续到第二个十年。

在软件行业拥有30多年经验的资深人士,同时也是Athena IT Solutions公司创始人的Rick Sherman表示:“下一批创新者是使用数据发现工具的人– Tableau和Qlik。然后,微软通过其Power BI最终变得敏捷,他们拥有庞大的用户群,但并没有受到旧式BI套件的负担,因此得以扭转。”

现在,分析的发展已进入第三阶段,这一阶段的特点是云计算和人工智能工具,例如机器学习和自然语言处理。

供应商们

20年前,与分析最相关的供应商包括BusinessObjects、Cognos、Hyperion、MicroStrategy和SAS Institute等公司。

10年后,随着分析技术发展到数据可视化阶段,这些供应商仍然是提供绝大多数企业BI平台的供应商。但是,不同之处在于2007年IBM收购了Cognos,甲骨文收购了Hyperion,SAP收购了BusinessObjects。

合并改变了供应商的格局,但并没有改变技术。

Sherman 称:“在第一波浪潮中,供应商包括BusinessObjects、Cognos、Hyperion和MicroStrategy,他们占据领导地位长达10年。无论什么时候,当较小型供应商推出一项新技术时,这三大供应商都会进行收购。这是一个弱肉强食的世界,较小型公司开发新技术,最终结局都是被收购。但这些供应商仍然是以IT为中心的思维。你可以进行转型和可视化-所有这些都是以传统供应商为基础-但这是以IT为中心。”

不过,根据Farmer的说法,这些供应商只是在利用技术发展的优势,而不是自己发明新工具。

他说:“他们认识到MicroStrategy、SAS、Information Builders等公司的价值,这是正确的事情。但是,BI对分析之外的事物是响应性-很少具有创新性。BI公司需要利用的是技术。”

数据可视化改变了这一点。

并且,随着数据可视化的兴起,Tableau和Qlik也开始崛起。

Breya称:“最近几年,我们开始看到数据可视化、漂亮的图表和图形来解释数据,而这是由Tableau所推动。”

同时,IBM的Cognos、SAP的BusinessObjects以及甲骨文的Hyperion,这些曾经敏捷的供应商在一定程度上受到了收购方规模和范围的阻碍。

这些公司突然被冠以传统供应商的称呼,并且他们似乎只是在最近几年才做出回应。

Sherman称:在“某个时候,他们变得如此庞大,以至于他们难以在下一波浪潮中进行创新。当你变成庞然大物时,很难进行创新。他们拥有庞大的客户群,以IT为中心,并且他们对那些很酷的新供应商不屑一顾。最终,他们的BI套件变得笨拙。”

现在,随着分析技术的发展将BI推向第三代,Tableau(在6月被Salesforce收购)和Qlik可能有落后的风险。

他们不会再被视为创新者,他们将不得不努力赶超新供应商,其中很多供应商完全基于云,例如ThoughtSpot、Domo和Salesforce,他们专注于BI的AI。

2024年的世界

正如5年前的BI平台与2019年的平台有所不同,分析的发展将使未来5年后涌现出完全不同的平台。

正如分析的发展将BI从少数人手中(使少数人受益)带到需要数据完成工作的任何人手中一样,BI将继续使数据更广泛地可用,并且还将提供新的访问方式。

Farmer说:“我们将看到的最大区别是,BI作为一种将数据整合到单一来源的做法已经结束。我们将发现它变得更加分散,并且将有更多与数据交互的方式。”

Farmer将BI与文字处理进行了比较,并指出30年前文字处理本身就是一项任务,而如今,它已融入到全世界无数人每天使用的电子设备中。

同样,Breya表示,在未来五年内,大部分数据呈现将不会是在台式机仪表板。在增强智能功能的推动下,分析将变为主动而不是被动。

她说:“寻找数据的观念将不复存在。我们将会看到工具可以获取即时所需的直观信息,这将是预测性的和经验性的,人们或产品都不必刻意寻找它。每种产品都会预测下一步需要什么。”

然而,Sherman表示,在短时间内发生了太多事情:移动功能的爆炸、云计算的出现和AI的兴起,因此在未来五年中,我们将会看到更多的是调整,而不是创新。

他指出:“我们将会看到更多的平衡、工程和科学重点融合。这里将掀起一波数据消化浪潮。人们将了解数据湖、数据准备、数据集成。”

分析技术的发展将继续推动数据传播给更广泛的受众,从而让越来越多的人获得信息的力量。

我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。

我原创,你原创,我们的内容世界才会更加精彩!

【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

翻译

邹铮
邹铮

相关推荐

  • 企业商业智能的10大好处

    商业智能(BI)软件的起源可以追溯到20世纪60年代基于大型机的决策支持系统,随后BI技术在不断发展,以应对数 […]

  • 生成式AI会取代数据分析师吗

    生成式AI不会取代数据分析师的工作。在很多领域,人工智能都无法取代人类,特别是那些需要人类同理心和洞察力的领域 […]

  • 改进数据可视化的7项技能

    数据可视化可以实现可操作的洞察力和卓越的业务成果。但构建有效的数据可视化可能很困难。如果你想创建数据可视化,你 […]

  • 了解BI生命周期以构建有效的架构

    成功的数据驱动运营遵循商业智能(BI)生命周期,定义BI能力,并部署良好理解的治理架构。 该过程的前提是,你必 […]