在上一篇中，我们从Web的演进历史、Web 3.0与大数据的关系、商业智能（BI）的演变过程以及未来的发展趋势等多个维度，阐述了商业智能在Web 3.0世界中的发展需求及未来的方向。本篇会从协作式BI如何增强洞察力、数据从哪里来、如何进行分析以及未来的发展趋势等多个维度进行分享。
协作式 BI 和增强洞察力
Metaverse（元宇宙）将产生更具协作性的 BI，将自助服务提升到一个新的水平。通过将协作工具与基于云的 BI 工具相结合，业务分析者将能够连接到更多的用户——不仅可以分享他们自己分析的见解，还可以在工作的各个阶段一起探索数据。增强的洞察力或体验将使我们能够以二维世界（如计算机屏幕）中不可能的方式与数据进行交互。这最终将使我们能够在虚拟环境中探索数据，例如元宇宙。“虽然完全身临其境的虚拟现实对于日常业务用户来说可能有点过头了，但不难想象，可穿戴技术与您选择的仪表板进行交互以提供前所未有的深度洞察力。一群人共享相同增强体验的前景，将使团队合作甚至客户互动达到一个全新的水平。”毕马威英国全国市场数据与分析主管Simon Livings 在博客中写道。而在这种情境下，仪表板将变得更加动态，能够帮助用户随时随地生成见解。
软件工程师和数据科学爱好者 Mike Schnettler 认为元宇宙将推进数据可视化技术，因为“虚拟现实数据可视化优于我们今天使用的标准二维数据可视化。”他写道。“虽然传统的数据可视化技术仅限于 XY 平面，但在虚拟现实中可视化的数据可以利用 Z 维度。”
（葡萄城Wyn嵌入式BI，加速企业大数据分析平台建设）
数据在边缘
虽然我们未来将在元宇宙中产生呈指数级增长的数据，但目前我们已经通过物联网 (IoT) 和工业物联网 (IoT) 产生呈指数级增长的数据。根据 IoT Analytics的数据，预计到 2025 年——随着供应限制的缓解——全球将有 270 亿台联网的物联网设备。从制造、物流、医疗保健到国防等各个行业，已经通过传感器收集到大量的数据。在这种情况下，您就需要一种方法来分析这些数据，这就是为什么我们会看到更多连接到 IoT 解决方案的 BI 仪表板。
如今，历史的基础设施使得实时摄取、处理和分析数据变得困难，尤其是对于密集分析而言。但随着互联网、云计算、大数据的发展，这些就变得更加容易。麦肯锡表示，到 2025 年，即使是最复杂的高级分析也将“合理地提供给所有组织，因为云计算的成本持续下降，并且更强大的‘内存中’数据工具上线（例如，Redis、Memcached）。总而言之，这使得许多更高级的用例能够为客户、员工和合作伙伴提供更加强大的洞察力。”
对于物联网，数据通常在网络的“边缘”进行收集并存储在云端，而不是本地数据中心。这意味着计算能力和存储更接近数据，能够有效减少延迟和网络等相关问题。这对大数据分析来说是个好消息。尽管如此，仍有 270 亿台联网设备（还在增加）在产生大量数据，这也是自动化如此重要的原因之一。
在 Web 3.0的世界中，我们可以开始看到自我验证的数据。“无论谁进入全球数据结构，都必须确保数据是真实的，没有人篡改过它。”《福布斯》中一篇文章中这样表述到。这种数据结构——有时被称为数据网格——是关于“以一种机器可以独立导航和理解它的方式”连接和互连这些数据。但是，正如福布斯文章中所指出的，“我们才刚刚开始。”
Data Fabric 平台可以帮助进行自动化数据的摄取、发现和集成。如果在 Web 3.0世界中自我验证数据的承诺成为现实，它将改变 BI 的游戏规则。
规范的自适应分析
预测分析使用当前和历史数据来识别模式并对未来做出预测，从库存和维护到客户行为。但下一步的发展将是基于机器学习和自然语言处理的“规范性”和自适应分析。预测分析预测未来的概率，而规范分析检查数据并提供有关如何使用模拟、神经网络、复杂事件处理和机器学习等技术实现目标或解决问题的选项。因此，这不仅仅是对可能发生的事情的预测，而是一组规定的潜在行动或解决方案——帮助业务用户主动而不是被动。其中一些行动或解决方案可以通过增强分析实现自动化。虽然我们通常通过查询从数据中收集见解，但增强分析使用机器学习和自然语言处理来自动生成见解。但这并不意味着机器将取代查询及分析背后的人类；相反，它将更容易、更快速地从运营数据中生成实时洞察力，同时提供可能的解决方案，业务用户可以在决策过程中与他们的团队共享这些解决方案，而数据科学家则可以更加专注于更复杂的任务。增强智能（AI）将允许用户执行目前由数据科学家执行的许多任务——从增强数据准备到引导分析再到智能预测。它还将有助于减少围绕提取和转换数据的繁琐手动过程，这些可以采用 BI 数据助手的形式——如 Alexa 或 Siri来用于数据分析。通过将此功能集成到 BI 平台中，用户就可以查询他们基于 AI 的“助手”以生成答案和见解。而这一切将有助于进一步民主化数据，使非技术用户更容易从自助服务分析中受益。
超级自动化
自动化在分析领域已经司空见惯——事实上，在大海捞针中找到针头至关重要。但至少根据某头部研究机构的说法，新的流行语是超自动化。该分析公司将超级自动化定义为“一种业务驱动的、有纪律的方法，组织可以使用它来快速识别、审查和自动化尽可能多的业务和 IT 流程。”超自动化超越了手动重复性任务的自动化，它可以通过先进技术实现业务流程自动化，包括人工智能、机器学习、机器人流程自动化 (RPA)、智能业务流程管理套件 (iBPMS) 和低代码/无代码工具等。
可组合的数据和分析
过去几年发生的事件，包括全球大流行病、地缘政治冲突和经济不稳定，意味着历史数据对于预测和规范分析而言不一定可靠。可组合数据分析是一种新的分析方法，它使用低代码和无代码开发平台，使分析模块化，就像定制分析的构建块一样。这意味着它们可以更灵活，更容易集成到应用程序中。“可组合数据分析是一个过程，组织可以通过该过程组合和使用来自整个企业的各种数据源的分析功能，以实现更有效和更智能的决策。此类工具可以提供比传统方法更大的敏捷性，并具有可重用、可交换的模块，可以部署在任何地方，包括容器。”《福布斯》上的一篇文章称。某权威机构预测，到 2023 年60% 的组织“将由三个或更多分析解决方案组成，以构建注入分析功能的业务应用程序，将洞察力与行动联系起来。”
DataOps 的兴起
DevOps 是一种敏捷软件开发方法，可缩短开发生命周期，帮助组织快速部署新应用程序。同样，DataOps 是一个架构框架——更广泛的数据结构的一部分——可以帮助更快地获得洞察力。DataOps 的目标“是通过创建可预测的数据交付和变更管理、数据模型和相关组件来更快地交付价值。DataOps 使用技术通过适当的治理级别、自动化数据交付的设计、部署和管理，并使用元数据来提高动态环境中数据的可用性和价值。”DataOps 的概念已经存在了几年。但是，将 DataOps 与可组合性和人工智能的进步相结合，将确保数据始终处于分析准备状态，从而可以更快地实现价值。
“以数据为中心的组织可能会让他们的 DevOps 团队与数据科学家和工程师合作，以提供工具、流程和组织结构来支持数据业务部门。从根本上说，DataOps 的目标是以更快的速度提供新的见解，并提供一个可观察性框架，以通过减少数据停机时间来监控数据的健康状况及其可用性，”福布斯技术委员会表示。
数据即服务（DaaS）
与此同时，我们将看到未来的合作将扩展到组织层面之外，数据和见解将与其他组织和行业团体——甚至是竞争对手共享。在当今世界，数据仍然是孤立的，即使在组织内部也是如此，与外部利益相关者的数据共享是有限的。但这种情况正在改变。“通过数十年的研究和创新，拥有本土知识产权的组织，例如金融服务或能源部门的组织，现在将寻求向同行推销他们的工具。这将促使公司构建具有类似 SaaS 体验的数据即服务 (DaaS) 平台。”据福布斯技术委员会称。在不久的将来，大型组织将在组织内部和组织之间使用数据共享平台。
麦肯锡表示：“数据驱动型公司积极参与数据经济，促进数据汇集，为所有成员创造更有价值的见解。” 这家全球管理咨询公司表示，到 2025 年，数据市场将使数据的交换、共享和补充成为可能，最终使公司能够构建真正独特和专有的数据产品，并从中获得洞察力。
量子计算
量子计算还处于起步阶段——预计再过 10 年或更长的时间它都不会成为主流。但是组织应该把它放在他们的观测雷达上。事实上，根据埃森哲的说法，量子计算的产业化已经开始转变数据分析和人工智能，预计将在两到三年内产生效益。“主要的挑战仍然是确定可以利用量子可计算例程有效转化为量子可计算结构的业务问题和用例。这是先行者和早期采用者的明显优势所在。”埃森哲说。通过利用量子力学，量子计算机可以同时存在于多个状态。因此，虽然通常情况下某一位的值为 0 或 1，但一个量子位可以同时存在为 0 和 1。因此，与当今一次处理只能处理一项任务的计算机不同，量子计算机可以同时处理多项任务。这意味着他们有能力解决如今需要花费大量时间和计算资源的问题。它们还能够以量子位存储大量信息，同时使用更少的能量——而这种模式有助于缓解存储世界呈指数级增长的需求。说到数据分析，其可能性确实令人费解。例如，量子计算可以轻松处理分散的数据，通过同时查看数据库或数据湖中的所有内容来快速进行定位。在经典计算机上可能需要数年才能完成的事情在量子计算机上只需几秒钟即可完成。量子计算还可以提高自然语言处理、机器学习和预测分析的速度和性能。但众所周知，量子比特是脆弱的，因此还有很长的路要走。
Accenture表示，在不久的将来可能会出现混合方法，这些方法将“在与经典计算机接口的量子计算机组合上有效地编排”。
数据驱动组织的演变
BI和数据驱动型组织的发展不仅仅与技术有关。最终，它是关于改进我们与数据交互的方式，以便做出更明智、更及时的决策。它是关于流程和工作流程的。但是，尽管有很多关于成为数据驱动型组织和建立创新文化的讨论，但很少有组织做到这一点。在许多情况下，数据驱动的努力只是零星地与更传统的方法相结合。数据通常在不同部门中是孤立的，这限制了该数据对数据驱动分析的贡献能力。
那么究竟什么是数据驱动型企业呢？根据 Accenture的说法，它已将数据分析整合到其业务流程的核心，并利用从这些数据中获得的洞察力来转变其业务流程。其主要特征包括专注于自动化、持续改进和优化、预测内部和外部变化的能力、适应性思维以及最重要的是，一种完全拥抱数据及其潜力的文化。而这一切都具有实实在在的好处：某研究报告称，平均而言，数据驱动的企业每年产生超过 30% 的增长。此外，还有无数无形的好处，例如能够快速响应市场变化、提高竞争力和提高客户满意度。据麦肯锡称，到 2025 年，员工将自然而然地定期利用数据来支持他们的工作。与其默认通过制定冗长（有时是多年）路线图来解决问题，他们有权询问创新数据技术如何在数小时、数天或数周内解决挑战。这将变得越来越重要，因为数据驱动的组织几乎可以立即根据商业智能采取行动，将竞争对手远远甩在后面。“业务是实时发生的。人们实时购买东西，银行业务实时发生，货物实时运送，坏人试图实时访问您的数据，”IDC 研究经理 Amy Machado 在IDC 的博客中说。“企业智能意味着根据数据做出决策，难道我们不想使用可用的最新数据吗？企业智能水平较高的公司的收入增长和客户获取率更高。”Machado 写道。虽然现在还处于早期阶段，但 Web 3.0世界中商业智能的发展将有助于数据民主化，因此所有用户——无论他们的技术能力如何——都将能够从高级分析和商业智能中受益。企业可以开始真正的数据驱动之旅。
原文地址：https://wyn.grapecity.com/blogs/how-business-intelligence-bi-is-evolving-in-a-web3-world
拓展阅读
Wyn 商业智能软件| 下载试用
Wyn 是西安葡萄城自主研发的嵌入式商业智能软件，能帮助企业用户发现更多的数据潜在价值，为管理者制定决策提供数据支撑。Wyn 具备完整的嵌入式分析能力，能够与其他软件深度集成，也可独立部署使用，快速提升数据展示和分析能力。
Wyn 支持公有云、私有云和本地部署等多种部署方式，并能在Java、.net、PHP等开发平台中使用。您可以将其与ERP、CRM、OA等业务系统，以及钉钉、企业微信等APP进行深度集成，持续交付BI和报表功能，助力您的客户发现数据的价值。
了解更多关于 Wyn 嵌入式商业智能软件的内容，请点击此处访问官网，立即下载体验。
