數據分析軟件現在顯然已經成為企業管理業務的核心工具集。而大數據公司不斷更新的應用程序將成為企業運行業務的引擎。

考慮到數據分析的重要性，每一個部門的業務經理都必須了解未來形成數據分析的趨勢。 為了討論這個問題，Gartner公司研究副總裁Jim Hare在其撰寫的一份調查報告中探討了影響數據分析發展的五大趨勢。

以下是Jim Hare討論的重要數據分析趨勢：

1.增強分析

增強分析使用機器學習技術。Gartner公司預測，到2020年，公民數據科學家產生的高級分析數量將超過數據科學家，這在很大程度上是由于數據科學任務的自動化。

Jim Hare表示，增強分析使業務分析師甚至無需成為程序員就可以更輕松地構建和部署這些模型。因此，無論是在傳統分析方面，還是在這些數據科學機器學習平臺上，這些確實正在改變著格局。

他說，“這在多個方面提供幫助，其中一個是使準備數據變得更容易，在數據中找到見解，然后是如何傳達這些見解和結果。”

2.數字文化

Jim Hare在發表的調查報告中聲稱：“數據素養、數字道德、隱私，企業和供應商以數據為中心的計劃涵蓋了數字文化。”

Gartner公司預測，到2023年，擁有20位以上數據科學家的組織中，有60%的組織將需要一套包含數據分析道德使用的專業行為準則。

他說，“我們看到許多組織都面臨的挑戰之一是：并非每個人都了解數據分析的真正原理。因此，對于想要成為數據驅動型組織的組織而言，至關重要的一件事是提升他們的知識和技能，甚至一線員工已經開始擁有這些分析見解。但他們需要了解如何以最佳方式使用該信息進行交流，以及存在哪些局限性，以免遇到麻煩。”

3.關系分析

關系分析強調了圖形、位置和社會分析技術的日益使用。

Jim Hare表示，“在某些情況下，關系分析是人與人之間的交流，有時甚至是人與物之間的交流。但是，當企業開始組合多個數據集時，可以推斷出很多信息。

如今，組織看到的大多數分析解決方案都是孤立地看待這些類型的數據。因此，其分析位置是在查看地圖上的特定數據點，或者是在社交分析中，可能正在查看人員之間的連通性。

重要的是，當組織開始將這些不同類型的數據源拼湊在一起并一起使用多種分析技術時，能夠更全面地了解要解決的任何問題。這將是提供更深入的見解并真正為組織提供幫助的下一個浪潮。”

4.決策智能

決策智能提供了一個框架，這個框架將傳統和先進的技術結合起來，設計、建模、對齊、執行、監控和優化決策模型。

Jim Hare說，“決策智能意味著這些決策通常跨越多個應用程序甚至是不同的功能組。舉例來說，如果與大多數組織交談并詢問他們有關客戶體驗的信息，那將是非常孤立的。銷售組織和市場支持部門都有各自的孤島。他們都有自己的觀點，但是沒有人真正地從所有這些不同的孤島全面看待客戶。

因此，決策智能真正帶來了這種層次的洞察力，并利用人工智能和自動化的結合來突破這些障礙，并從整體上進行深入研究。”

5.操作和擴展

更多的人希望與數據互動，而更多的交互和流程需要分析以實現自動化和擴展。

Jim Hare說，“操作實際上是幾件事情。組織中充斥著太多的數據，并且他們試圖找出如何開始管理所有數據的方法。

但是后來他們也試圖弄清楚，‘嗯，我們還能在哪里使用這些數據?我們如何獲取這些信息，對其進行分析并將其掌握在用戶手中?’這不僅需要查看單獨的技術或工具，還需要采用一種基本方法來真正創建此數據基礎。

因此，組織能夠處理、吸收以及帶來越來越多的數據，對其進行整理并使其對需要分析的人員有用。隨后對其進行分析，誰可以從這些見解中受益，以及如何將這些信息與不同的角色關聯起來?”