Hurwitz & Associates前沿观察:透析高级分析11大趋势

时间:2014-7-31

Hurwitz & Associates公司最新发布的《高级分析:赫维茨优胜指数报告(Advanced Analytics: The Hurwitz Victory Index Report)》指出:高级分析在各大行业发展迅速,已经完全整合到部分企业的运营与战略之中。对于企业来说,预测未来比理解过去显得更为必要。企业需要把握发展趋势,并采取相应行动提升业绩表现。


高级分析应用日渐普遍:药店通过高级分析预测流感和过敏季节,提前做好药物储备;农场利用高级分析合理安排农作物种植提升产量;制造商预知机器故障,避免其可能导致的停工损失;金融机构用以反击内外部欺诈。供应商们正在不断升级高级分析产品,以满足企业日益变化的需求。该报告总结了目前11个高级分析领域的主导趋势:


1.寻找整合性的分析硬件和软件

客户们倾向于寻找预先集成以及优化,足以运行高级分析的硬件。这样的硬件为SAS、IBM和SAP等传统供应商提供了便利。报告指出,许多硬件供应商在保证速度和可靠性的前提下,同时支持大数据和高级分析。例如,SAS与Teradata合作推出预先集成和优化平台,增强了可靠性和可扩展性,并大幅提升速度。


2.整合横向和垂直行业使用案例

顾客希望找到端到端的垂直或横向行业解决方案,并且更倾向于选择可提供医疗保健、金融和政府等特定行业解决方案,并可帮助行业用户提升客户服务质量、减少客户流失和预防欺诈的供应商。这些解决方案融入了最佳实践、数据准备自动化和建模自动化,也支持一些定制化设计。如SAS® 客户智能解决方案(SAS® Customer Intelligence)帮助企业打造个性化客户体验。


3.R语言更为流行

用于计算统计学、可视化和数据的开源计算机语言R语言正在高级分析领域流行。报告发现,几乎所有的顶尖供应商都增加了对R语言的支持,以导入更多模型。因此,数据科学家、统计人员和其它企业资深用户能够更好地把R语言融入到分析中。


4.Python为普通程序员打开了高级分析大门

相较于R语言的专业性,Python可让更多程序员参与到高级分析的实践中。SAS也支持客户将R语言和Python整合到大型项目中。


5.可视化界面让高级分析更易用

研究显示,数据科学家依然稀缺,然而中小型企业缺乏组建资深分析团队的足够预算。目前,分析引导决策已经深入到公司各个层面,所以业务人员能获取数据中的洞察变得前所未有的重要。打造更为易用的平台成为供应商们共同奋斗的目标。例如,SAS ® 可视化分析(SAS® Visual Analytics)就是针对业务人员需求设计的。SAP自动化预测流程,而Angoss提供决策树和战略树的可视化界面。


6.实时数据流和物连网大行其道

将高级分析应用在流数据上可以让企业更加敏捷地做出响应。这意味着企业可以为网络消费者提供更加个性化的推荐或者监测引擎参数预警机械故障。


报告指出:“航空公司往往依赖于人工设定临界值或者进行外观检验。当引擎过热超过临界值的时候,系统会发出警告,但这并不能提前预测其他与故障有关联的问题。供应商也更多关注于企业响应实时数据的需求。”如SAS® Event Stream Processing Engine就支持动态数据分析。


7.数据可视化成为业务必需

企业往往被汹涌的数据流、社交网络数据、机器数据以及其它海量结构、半结构化和非结构化数据所淹没,数据可视化的重要性正在凸显。可视化能够帮助分析人员从数据洪流中获取洞察。为了弥补数据科学家和业务人员之间的技能缺口,供应商们正在数据可视化领域做出努力。定制化的数据可视化功能可以不同群组的业务人员轻松理解数据。SAS® 可视化分析(SAS® Visual Analytics)便是基于内存技术的交互式可视化工具。其它供应商,例如IBM、Megaputer、RapidMiner和StatSoft也在核心产品中内嵌可视化功能。


8.将大数据分析融入到所有的决策制定中

数据分析已经不仅仅限于统计和数据分析部门,而是跨领域地被应用到决策层面,包括营销、销售、运营、金融和人力资源等。为了增加客户互动和提升业绩,企业希望分析更多数据以获取更丰富洞察。大数据分析包括了机器生成、传感器、移动设备、财务和社交媒体数据等多种来源的数据。企业需要供应商为它们提供更充足的支持。而供应商们也根据需求打造了跨越企业内部各个部门、整合大数据分析的全面平台。


9.分析服务步入云端

高级分析供应商们正在通过云端用以经济适用的方式实现分析功能,让大型企业也能享受到云应用的好处。部分产品根据特定需求而设计。SAS、IBM和Angoss推动SaaS模式,让客户能够用云端软件进行通用分析。Angoss、Pega和SAP通过AppExchange为salesforce.com提供CRM数据。


10.用库内分析避开ETL

库内分析让用户免去了将数据转移到分析环境的麻烦,而是在库内就能轻松部署模型。企业能够在简化数据治理和安全程序的同时,判断业绩表现和收益。许多供应商都致力于拓展库内功能,包括Hadoop。SAS、IBM、RapidMiner、Revolution Analytics、Predixion、StatSoft和Angoss都支持库内挖掘。当评估供应商库内功能时,考查其对企业数据平台的支持程度尤为重要。一些供应商只支持Hadoop,而部分供应商近乎支持所有的常用数据平台。


11.青睐企业预测模型标记语言(Predictive Model Markup Language,PMML)

当企业从批量处理更多转入对持续改进模型精确度的实时分析时,它们更为青睐企业预测模型标记语言(PMML)。PMML是由数据挖掘群组(Data Mining Group,DMG)开发的用于呈现数据挖掘模型的事实标准语言。SAS为DMG的正式成员。


关于Hurwitz & Associates

Hurwitz & Associates是一家战略顾问、市场研究和分析机构,聚焦科技解决方案如何化解现实挑战。Hurwitz Research关注云计算、服务型架构、Web 2.0、服务管理、信息管理、社会计算和协同计算等突破性技术。


文中部分图片来自于网络。