在2020年，COVID-19疫情让各种规模的企业都意识到数据驱动型决策的重要性，而在2021年，预计将推动市场发展的分析趋势将继续扩大商业智能的范围。

在疫情前，很多企业将分析视为奢侈品。但当COVID-19在2020年3月开始传播时，大家不得不在家隔离，本地经济基本停止，这使得提高效率、管理供应链甚至通过分析找到新的业务渠道，变得至关重要。

那些已经在进行数字化转型的企业更是加快了这一进程，而很多尚未开始拥抱数据驱动文化的企业也最终了解到这一需求。

他们将易用性作为优先事项，以便更多的业务用户（不仅是数据科学家和数据分析师）可以使用数据，并采取措施来提高最终用户的数据素养。

分析供应商ThoughtSpot公司首席执行官Sudheesh Nair表示：“我认为2020年让很多人意识到数字化转型的旅程不会放缓，不会回到疫情前状态，这很好。”

因此，分析师和高管认为，在2021年至关重要的分析趋势是：那些在过去几年开始而由于疫情在2020年加速的基于数字化转型的分析趋势。这些趋势旨在提高效率以缩短完成整个分析流程所需的时间，并通过易用性使企业更多用户受益。

持续智能

医疗机构需要了解病毒的传播方式和传播地点，以便为潜在病例激增做好准备；地方政府需要了解所在市镇的风险，以便做出有关其经济的决策；而企业则需要知道其客户是否仍然会找他们。

在过去，很多人依赖季度和月度报告，而在2020年，这些报告突然变得无关紧要。

当突然很少人去购买食物以外的其他东西时，2月或3月收集的企业数据在4月或5月已经失去意义，而在夏天收集的数据到秋天也没有意义，因为夏天天气温暖，COVID-19病例不多，在秋天，天气转冷，病毒传播再次激增。

企业需要知道五分钟前而不是五个月前发生了什么。去年同期数据也变得完全没有相关性，因为12个月前还没有爆发疫情。

在2020年，持续智能变得至关重要，并将继续在2021年成为重要的分析趋势之一。

Qlik公司高级总监兼全球市场情报负责人Dan Sommer说：“自疫情爆发后，我们已经看到对实时和最新数据的需求激增。曾经我们需要季度业务预测，而现在我们需要的数据短暂而易变。”

同样，SAS公司AI战略顾问Kimberly Nevala表示，此次疫情暴露了依赖历史数据和看似可预测模式的弱点。

这意味着，企业将更多地依赖实时数据。

她说：“到2021年，企业将加强对传统分析团队和技术的投资，使其更适应于快速数据发现和假设。”

同时，为了充分利用持续智能，当数据发生变化时，应该推送通知。

正是通过这些推送通知，医疗保健组织才可能知道传播峰值已经开始，他们需要做好准备。警报还可以通知组织了解潜在的供应链问题，并让企业了解有关客户行为变化的信息。

根据这些警报，企业可以更快地看到各种变化，并且而不是苦苦等待下一个月度或季度报告。

Sommer说：“当基础设施和应用程序可用，从而可以逐步过渡到主动智能，这将是帮助企业采取行动的重要因素。”

流程自动化

持续智能可使企业比以往更快地对变化做出反应，并让企业基于比过去更新的智能来采取积极行动，从而使企业更高效、预防损失并推动收入增长。而流程自动化是一种分析趋势，该趋势同样可能使企业变得更高效。

数据管理曾经是IT部门的繁琐任务，数据科学家过去需要花数周甚至数月完成工作，而现在数据管理工具可以在短时间内自动完成。这些工具能够自动将数据加载到数据湖和仓库中，在那里完成所有转型工作，企业需要准备好这些数据用于探索。

通过流程自动化，数据可以更快准备好用于分析–与人工完成所有数据准备工作相比。同时，这可以让数据管理人员有更多时间来开发模型，并进行其他工作以利用已准备好的数据，而不是花费大量时间完成艰苦的数据管理。

Sommer说：“快速反应已变得至关重要，而业务流程已成为中心。业务流程管理已经存在数十年。新的发展是我们不仅可以对其进行建模，还可以通过机器人流程自动化等技术来挖掘、自动化和优化流程。”

除准备数据之外，这些工具现在还可以自动监视关键绩效指标，以了解更改和可能出现的任何其他问题，从而使企业及时对变化作出反应。

Eckerson Group研究副总裁Kevin Petrie表示：新的数据可观察性工具可以监视、检测、预测和解决所有问题–从数据源到数据使用。这些可观察性解决方案有助于使数据管道更快、更可靠。站点可靠性工程师、平台工程师、数据工程师和架构师都将从中受益，更不用说他们所服务的企业。”

自动化甚至有可能简化数据的使用。

尽管数据科学家和分析师具有数据素养技能来解释数据，并做出数据驱动决策，但大多数员工都没有经过培训以权威地解释数据，并做出重要决策。

数据叙事工具能够自动进行数据解释，以自然语言创建有关数据的叙述。同时，Yellowfin公司首席执行官兼联合创始人Glen Rabie预测，BI供应商将开发工具以提供指导性方法，并在处理数据的过程中引导最终用户。

他说：“新的简化的用户界面将使业务用户能够以一种更具指导性的方式与数据进行交互，从而使他们减少获取见解的时间，且只需最少的分析技能。自动化分析将从企业领域转向软件供应商，后者将嵌入这些功能并通过其客户群实现大规模部署。”

AI的发展

增强智能是AI的分支，增强智能将商业智能从数据可视化扩展到很多人所认为的第三代分析中。

现在，有些平台可以自行进行数据分析。同时，低代码和无代码应用程序开发工具，使开发人员不必编写繁琐代码来开发应用程序，而自然语言处理（NLP）的进步使没有数据科学背景的业务用户能够提出数据问题并利用数据。

在2021年，人工智能功能将继续发展，特别是NLP有潜力将分析范围扩展到新用户。

NLP已经以某种形式存在很多年，但受到语言本身复杂性的限制。在世界范围内，存在着5,000多种语言，但是即使是使用最广泛的语言，也存在听起来相同但含义不同的单词，拼写相同但含义不同的单词以及含义相同但看起来或听起来无关的单词。

但是NLP技术正在进步并变得有效。

Enterprise Strategy Group公司高级分析师Mike Leone说：“自然语言已经开始改变人们从数据中学习和与数据交互的方式。”

例如，数据叙事平台现在能够查询数据并开发叙述以纯语言解释结果。

然而，Leone认为，NLP尚未被广泛采用。

他说：“在商业智能方面，自然语言集成和使用尚处于部署的早期阶段。随着企业不断寻找方法使所有最终用户更好地利用数据，预计自然语言的部署将在2021年激增。”

但是，除该技术本身外，在2021年，AI可能会以其他方式发展，并且Petrie预测企业将在2021年开始将其AI资产货币化。

企业需要AI模型来优化自己的业务，但并非所有企业都拥有资金来开发自己的模型。不过，具备能力开发模型的企业数量正在增加，他们正在寻找从其中获利的方法。

Petrie说：“这些供需力量可以在人工智能市场中找到平衡点，这有助于企业和个人将人工智能模型交换以获取利润。业务经理可以寻找和购买模型，数据科学家可以创建和出售模型，开发人员可以使用它们并将其与应用程序集成。”

Nevala同时预测，未来几年将制定的新政府法规将刺激更多AI的采用。

她说，当前相对缺乏法规，使企业无法开发新功能，因为他们担心他们违反尚待制定的法律，并超越隐私界限。

Nevala表示：“新法规提供明确的规定，以确定风险和关联风险，以支持AI的部署。这将使企业能够更自信地应对这些概率学习系统固有的不确定性。”

她补充说，尽管如此，他们需要谨记，不同地区的法规可能会有所不同。

其他趋势：数据素养和嵌入式BI

数据素养和嵌入式分析在过去几年中一直呈上升趋势，预计在2021年它们的重要性和部署将继续增加。

在过去，分析师会查看图表或仪表板，并根据他们所看到的来做出决策，而嵌入式BI使自助服务用户可以随时随地使用数据。

当用户在屏幕上滚动查看某些单词或数字时，嵌入式分析可以向用户传递信息。当用户准备数据时，它可以提醒用户。当一线员工在销售点直接与客户互动时，嵌入式分析也可以及时提供信息。

但是根据Leone所说，尽管嵌入式BI具有潜力，但它仍然是理想，而不是现实。

他说：“在过去的几年中，供应商已经强调自助服务BI对帮助实现分析大众化的重要性，但事实是，它并没有像供应商营销所描述的那样迅速发展。嵌入式分析将被证明是真正实现大众访问分析和商业智能的理想方法。”

同样，Rabie表示，随时随地的BI（不仅是在运行查询以及查看图表和仪表板时）在2021年将是一种趋势。

他说：“我们将会看到企业拥抱背景分析的力量，使他们能够在决策时更轻松地涉足分析，同时将操作流程与指导分析相集成。”

同时，数据素养是当前的另一趋势，并将在2021年继续保持增长势头。

虽然现在有些叙事工具可以自动进行数据解释，并使更多的最终用户可以使用数据，但它们仍然有局限性。它们仅旨在为决策提供信息，而不是自己真正做出决策。

因此，数据素养仍然是决策过程不可或缺的部分。当数据不断变化且很多企业在疫情中挣扎求生时，数据素养比任何时候都更重要。

Nair说：“提高整个企业的数据流畅性至关重要，而不是发出更多报告或为每个职能分配一个BI人员。”

在当前COVID-19病例再次激增的情况下，对于医疗机构而已，数据至关重要。对于政府机构决定是否再次关闭部分经济体同样至关重要，这对于企业决定如何保持生计也非常重要。

Nair说：“这将是数据分析的一年，企业有必要提高整个企业的数据流畅性。至少这一旅程将在2021年开始。”