在智能化決策越來(lái)越被重視的今天，無(wú)論行業(yè)或企業(yè)規(guī)模如何，我們看到越來(lái)越多的企業(yè)開(kāi)始依賴(lài)數(shù)據(jù)分析和可視化來(lái)建立自己的競(jìng)爭(zhēng)優(yōu)勢(shì)。

各行各業(yè)的企業(yè)在收集、存儲(chǔ)和分析來(lái)自不同格式的數(shù)據(jù)。在商業(yè)智能化競(jìng)爭(zhēng)下，要想獲得成功，利用數(shù)據(jù)進(jìn)行商業(yè)決策則變成了比業(yè)務(wù)本身更重要的事情。

數(shù)據(jù)分析和可視化技術(shù)的快速發(fā)展意味著企業(yè)和個(gè)人非常希望通過(guò)正確的技術(shù)選擇盡快地獲得業(yè)務(wù)上的成功。

創(chuàng)業(yè)者們需要知道他們是否選擇了正確的語(yǔ)言、產(chǎn)品、架構(gòu)和數(shù)據(jù)源，而個(gè)人則需要知道他們是否正在學(xué)習(xí)正確的技能來(lái)獲得更有前途的工作。

那些沒(méi)有選擇正確的人會(huì)面臨被淘汰的危險(xiǎn)，因?yàn)樗麄儧](méi)有充分利用實(shí)時(shí)的數(shù)據(jù)分析和可視化程序提供的洞察理解。

基于數(shù)據(jù)分析和可視化技術(shù)的迅速發(fā)展，企業(yè)級(jí)服務(wù)商Zoomdata聯(lián)合橫跨多領(lǐng)域的科技媒體公司O’ReillyMedia進(jìn)行了一次調(diào)查，以評(píng)估智能商業(yè)現(xiàn)狀。有875名受訪者提供了他們使用這些技術(shù)的情況。在詳細(xì)分析調(diào)研結(jié)果之前，我們先把主要的結(jié)論列出，以便大家閱讀：

大數(shù)據(jù)分析和可視化應(yīng)用在制造業(yè)、金融服務(wù)和科技／軟件公司中是最成熟的

這些技術(shù)通常是企業(yè)級(jí)用戶(hù)及業(yè)務(wù)分析師來(lái)使用，他們通常是依靠可視化儀表盤(pán)來(lái)獲取所需的見(jiàn)解，以?xún)?yōu)化業(yè)務(wù)流程并更好的了解客戶(hù)

關(guān)系型數(shù)據(jù)庫(kù)仍然是最常見(jiàn)的數(shù)據(jù)源（雖然分析型數(shù)據(jù)庫(kù)和Hadoop是大數(shù)據(jù)領(lǐng)域最常見(jiàn)的數(shù)據(jù)源）

企業(yè)非常需要Python、SQL和關(guān)系型數(shù)據(jù)庫(kù)的能力

Kafka和Spark正在成為流數(shù)據(jù)技術(shù)（streamingdatatechnology）的首選

360度客戶(hù)洞察是最常見(jiàn)的使用場(chǎng)景

1、商業(yè)需求引發(fā)業(yè)務(wù)流程迭代

875個(gè)受訪者來(lái)自不同的行業(yè)（如圖1所示），其中超過(guò)35%來(lái)自科技／軟件行業(yè)，接近10%來(lái)自金融服務(wù)，8%來(lái)自醫(yī)療健康／醫(yī)療科技領(lǐng)域，還有制造業(yè)、政府、零售和教育／學(xué)術(shù)這幾個(gè)領(lǐng)域分別占約5%。

從受訪者的工作崗位來(lái)看，18%是是工程師／開(kāi)發(fā)人員，17%是數(shù)據(jù)科學(xué)家，15%是數(shù)據(jù)分析師／業(yè)務(wù)分析師，還有13%是架構(gòu)師，他們的公司規(guī)模各異。有趣的是，企業(yè)CXO們和經(jīng)理的占比也非常高（14%），甚至高于IT專(zhuān)家（8%）。

還有一個(gè)值得關(guān)注的是，有26%的受訪者是來(lái)自員工人數(shù)少于50人的企業(yè)，這也表明了小型企業(yè)是使用這些新技術(shù)和業(yè)務(wù)流程的領(lǐng)導(dǎo)者。

超過(guò)50%的受訪者表示，他們使用分析來(lái)獲得全方位的客戶(hù)洞察，43%的受訪者使用分析來(lái)優(yōu)化業(yè)務(wù)流程（如圖2所示）?？蛻?hù)和業(yè)務(wù)流程是直接影響業(yè)務(wù)的重要因素，因此這些環(huán)節(jié)也是企業(yè)需要使用數(shù)據(jù)分析和可視化工具從而通過(guò)數(shù)據(jù)來(lái)輔助決策的重要方面。

2、智能決策的行業(yè)應(yīng)用

在圖2中，我們看到360度客戶(hù)洞察是數(shù)據(jù)分析和可視化工具使用最多的領(lǐng)域，但是從不同的行業(yè)來(lái)看情況可能就有所不同，而且也能顯示出一些趨勢(shì)。

在科技／軟件、金融服務(wù)和零售行業(yè)，360度客戶(hù)洞察無(wú)疑是使用分析技術(shù)最主要的領(lǐng)域，占比在50%以上。令我們感到驚訝的是在教育／學(xué)術(shù)行業(yè)，使用分析技術(shù)最主要的領(lǐng)域也是360度客戶(hù)洞察。毫無(wú)疑問(wèn)這些行業(yè)都是客戶(hù)至上的行業(yè)，只有全面的了解客戶(hù)，才能給客戶(hù)更好的體驗(yàn)，才能獲得更多的收入。

醫(yī)療保?。t(yī)療科技行業(yè)中醫(yī)療數(shù)據(jù)分析是使用分析技術(shù)的主要領(lǐng)域，這并不令人驚訝，因?yàn)槟芊Q(chēng)作是醫(yī)療科技的醫(yī)療企業(yè)都需要分析醫(yī)療數(shù)據(jù)，否則很難做出有現(xiàn)實(shí)意義的成果。

業(yè)務(wù)流程優(yōu)化也是一個(gè)重度使用分析技術(shù)的主要領(lǐng)域，在調(diào)查報(bào)告里的所有涉及到的行業(yè)，業(yè)務(wù)流程優(yōu)化使用技術(shù)分析技術(shù)的占比都排在前三位，在制造業(yè)和政府行業(yè)則排名第一。優(yōu)化業(yè)務(wù)流程通常會(huì)降低運(yùn)營(yíng)成本，并可能提高客戶(hù)的滿意度，因此這也是在許多行業(yè)中建立競(jìng)爭(zhēng)優(yōu)勢(shì)的戰(zhàn)略途徑之一。

制造業(yè)和零售行業(yè)也把重點(diǎn)放在了供應(yīng)鏈分析上。及時(shí)發(fā)現(xiàn)供應(yīng)鏈環(huán)節(jié)中存在的問(wèn)題，可以幫助零售商和制造企業(yè)節(jié)省換供應(yīng)商的時(shí)間。一個(gè)優(yōu)化的供應(yīng)鏈結(jié)構(gòu)也是一個(gè)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)和技術(shù)壁壘。

欺詐檢測(cè)／網(wǎng)絡(luò)安全情報(bào)是金融服務(wù)和政府行業(yè)的重要領(lǐng)域。欺詐檢測(cè)對(duì)于任何金融服務(wù)都至關(guān)重要，離錢(qián)越近的地方越容易出現(xiàn)欺詐行為。檢測(cè)并消除欺詐行為有助于與客戶(hù)建立信任并降低運(yùn)營(yíng)成本。網(wǎng)絡(luò)安全情報(bào)是眾多政府機(jī)構(gòu)關(guān)注的焦點(diǎn)，在選舉和可持續(xù)運(yùn)營(yíng)層面，防止欺詐也至關(guān)重要。

我們還向受訪者提了這樣一個(gè)問(wèn)題“貴公司的大數(shù)據(jù)分析處于什么階段？是剛剛開(kāi)始，還是已經(jīng)應(yīng)用在工作的各個(gè)方面？”，有助于我們理解各行業(yè)的采用率如何變化。令我們驚訝的是制造業(yè)行業(yè)有26%的受訪者表示他們的公司在多個(gè)方面都已經(jīng)使用了數(shù)據(jù)分析技術(shù)，是所有行業(yè)中最高的，而最低的是政府行業(yè)，只有7%的人認(rèn)為公司在多個(gè)方面已經(jīng)應(yīng)用了數(shù)據(jù)分析技術(shù)。政府行業(yè)也是“我們沒(méi)有使用大數(shù)據(jù)分析技術(shù)”這個(gè)選項(xiàng)占比最多的行業(yè)，達(dá)到33%，科技／軟件行業(yè)則占比最低。

3、背后的技術(shù)原理

在如何獲取數(shù)據(jù)來(lái)源的問(wèn)題中，數(shù)據(jù)倉(cāng)庫(kù)／數(shù)據(jù)集市是最多的回答，在零售行業(yè)最為明顯。虛擬聯(lián)合／糅合（Virtualfederation/mashup，即時(shí)混合數(shù)據(jù)而不移入倉(cāng)庫(kù)）在醫(yī)療健康／醫(yī)療科技、科技／軟件和政府行業(yè)應(yīng)用的最多。

關(guān)系型數(shù)據(jù)庫(kù)仍然是各行業(yè)使用最多的，在醫(yī)療健康／醫(yī)療科技行業(yè)的占有率達(dá)到39%。非關(guān)系型數(shù)據(jù)庫(kù)以及大數(shù)據(jù)存儲(chǔ)的分析型數(shù)據(jù)庫(kù)、Hadoop、NoSQL數(shù)據(jù)庫(kù)、云數(shù)據(jù)存儲(chǔ)、內(nèi)存數(shù)據(jù)庫(kù)和搜索數(shù)據(jù)庫(kù)中，金融服務(wù)和政府使用分析型數(shù)據(jù)庫(kù)最多，而零售和科技／軟件行業(yè)使用云數(shù)據(jù)庫(kù)存儲(chǔ)最多。

Kafka和Spark是分析流數(shù)據(jù)最常用的技術(shù)，在我們的調(diào)查中，這兩個(gè)技術(shù)占流數(shù)據(jù)分析的65%以上?？萍迹浖袠I(yè)是使用Kafka的主要行業(yè)，其次是金融服務(wù)。政府中最普遍的是使用Confluence。

4、人才缺口

在我們分析使用數(shù)據(jù)分析和可視化工具的技術(shù)人員的相關(guān)技能時(shí)，我們發(fā)現(xiàn)總體上需求最大的是Python、SQL和關(guān)系型數(shù)據(jù)庫(kù)，其次是Hadoop和Java。政府行業(yè)最需要的是會(huì)Python的人才，其次是關(guān)系型數(shù)據(jù)庫(kù)的人才，而醫(yī)療健康／醫(yī)療科技最需要的事SQL的人才。

5、智能決策的價(jià)值所在

衡量大數(shù)據(jù)的價(jià)值有四個(gè)方面：準(zhǔn)確性、實(shí)時(shí)性、多樣性和數(shù)據(jù)量。準(zhǔn)確性指的是數(shù)據(jù)接近“真相”的程度，實(shí)時(shí)性指的是數(shù)據(jù)收集和分析的速度，多樣性指的是結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的多種來(lái)源和類(lèi)型，數(shù)據(jù)量指的是能夠收集和分析的總數(shù)據(jù)量。我們通過(guò)了解各個(gè)企業(yè)看重這四個(gè)方面的哪幾個(gè)方面，來(lái)深入理解數(shù)據(jù)分析是如何影響公司業(yè)務(wù)的。

從整體來(lái)看，衡量數(shù)據(jù)的價(jià)值最重要的方面是準(zhǔn)確性，這并不令人意外，因?yàn)闆](méi)有真實(shí)的數(shù)據(jù)，那么分析結(jié)果就沒(méi)有任何意義。其次重要的是多樣性，這表明無(wú)論什么行業(yè)，做數(shù)據(jù)分析和可視化必須要結(jié)合多種來(lái)源和類(lèi)型的數(shù)據(jù)，才能更好的提供企業(yè)所需的見(jiàn)解。實(shí)時(shí)性是最不重要的，這表明典型的商業(yè)數(shù)據(jù)獲取是否及時(shí)并不影響分析的結(jié)果和業(yè)務(wù)的決策，這也是流數(shù)據(jù)分析相對(duì)少的原因之一。但實(shí)時(shí)性對(duì)于科技／軟件和制造業(yè)來(lái)說(shuō)卻是最有價(jià)值的。

總之，為了更好的給企業(yè)提供商業(yè)價(jià)值，智能化工具越來(lái)越多的應(yīng)用在日常工作中，給業(yè)務(wù)分析師和管理人員提供所需的信息。這些信息通常嵌入到生產(chǎn)環(huán)境的應(yīng)用程序或獨(dú)立的BI應(yīng)用中，并通過(guò)儀表盤(pán)進(jìn)行操作。我們通過(guò)這個(gè)調(diào)研希望可以給企業(yè)一個(gè)直觀的感受，讓各個(gè)行業(yè)的從業(yè)人員都了解到大數(shù)據(jù)分析技術(shù)已經(jīng)發(fā)展到什么程度以及采用度如何，在今后采用這些新技術(shù)或拓展大數(shù)據(jù)收集、存儲(chǔ)、分析和可視化應(yīng)用時(shí)，有一個(gè)參考。