主導2019年的4個數據分析趨勢
3.自動化變得更加重要
然而，數據日益復雜以及處理和分析數據所需的東西意味著自動化在未來幾年將變得更加重要。
Sallam說：“從類型和成功所需的分析來看，越來越復雜的數據確實使當前人工方法不堪重負。因此，幾乎在數據管理和分析內容開發(fā)的每一個方面，從上到下，整個堆棧都在利用自身來自動化分析過程，自動化可以使我們從這些系統(tǒng)獲取信息，并以優(yōu)化的方式進行操作�！�
Schatsky對此表示贊同，并指出，實現自動化的主要原因在很大程度上是由于缺乏數據科學家、數據工程師和數據科學團隊的其他成員。
Schatsky說，“許多數據科學家表示，他們將大約80%的時間花在繁瑣和重復的任務上，如數據準備、功能工程、選擇算法。人們發(fā)現的很多事情都可以在某種程度上實現自動化。這并不意味著數據科學家將因為被機器取代而失去工作。這意味著工作效率可以提高五倍，這意味著一家擁有兩名數據科學家的企業(yè)如果實現自動化，就可以像擁有10名數據科學家那樣高效�！�
4.組織將越來越多地利用第三方數據
Schatsky表示，擁有更高級分析程序的公司將在未來幾年內更多地利用第三方數據。
Schatsky說，“能夠有效地利用第三方數據將會清除數據集成、數據清理以及所有這些方面的正常技術障礙。它包括企業(yè)需要發(fā)展的更多面向市場的能力：不斷掃描環(huán)境以了解哪些數據源可用，促進評估這些數據源以生成數據的簡化過程，包括合同和法律問題以及風險審查。這是企業(yè)真正應該培養(yǎng)和投資的能力�！�
Schatsky表示，以供應鏈管理為例，經營供應鏈的公司在過去可能通過跟蹤其供應商的行為來管理風險：他們交貨的時間，他們交付的產品達到或未達到質量標準的頻率等等。
“這是一種低級供應鏈風險管理�！盨chatsky說。更復雜的組織可能已經采用了上一代第三方數據，如信用評級信息，以幫助確定與供應商或客戶合作的風險。
他表示，如今，擁有更復雜分析功能的組織正在尋求包括第三方數據（如天氣預報）來完善其風險評估：例如該組織在易受天氣影響的地區(qū)是否有供應商？或者他們可能會將社交媒體的數據包括進來，以幫助他們找到需求變化模式的線索。如果社交媒體的指標顯示某一產品的需求正在飆升，那么該組織是否應該增加對這些產品原材料的采購？
他說：“這是企業(yè)致力追求的卓越水平。”
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
