通过AI进行更好的分析
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-02-03
看到它们将如何对我们的世界变得越来越重要
有必要深入研究清单上10种趋势中的7种，并对每种观点提出自己的看法，AI开始投入运营的重要声明开始，提出了对数据和分析基础架构的要求，以加快开发和采用阶段，到2024年底，将有75％的企业从试验型AI转变为可操作型AI，从而将流数据和分析基础架构的数量增加5倍，这是过去AI与数据和分析一起使用的方式的重大变化，使AI更加强大和有效。让我们深入研究这些趋势，看看还会发生什么。
趋势1：更智能，更快，更负责任的AI
在当前的大流行背景下，诸如机器学习（ML），优化和自然语言处理（NLP）之类的AI技术正在提供有关病毒传播以及对策的有效性和影响的重要见解和预测，可以在边缘设备上部署的新芯片架构（例如神经形态硬件）上的大量投资正在加速AI和ML计算和工作负载，并减少了对需要高带宽的集中式系统的依赖，终这可能会导致具有更高业务影响力的更具可扩展性的AI解决方案。
增强和强化学习比开箱即用的解决方案要强大得多，这就是指导我们前进的方向
对每个功能进行规划时，首先要考虑到用户如何玩转和修改输入以查看其如何影响结果的问题，我们很自然地在知识图，NLP和自动化机器学习上投入大量资金，它们一起使用户能够积极参与系统，享受建议以及分析，这些功能还可以促进积极的反馈循环，利用参与来增强有效的方法并摆脱无效的方法，结果是系统变得更加直观：用户可以利用“简单询问”功能检查“未来两个月我的销售量”，并接收聊天机器人消息以及预计的可视化效果和进一步探索路线的建议，以类似的方式，即将到来的“说明”功能使用知识图表超越其图表的边界，自动为用户提供数据移动的可能驱动因素，这可以将问题定义环境变成多维的，并从用户与系统的交互中学习以个性化和匹配结果。
自然语言查询我们对背后的技术和输出的统计特性完全透明，无论您看到什么，都可以轻松挖掘其背后的系统。
趋势2：仪表板下降
具有更多自动化和消费化体验的动态数据故事将取代视觉，点击式创作和探索，专注于真实的故事讲述，而不是要点，我们希望仪表板也会发生类似的事情，及时获取由洞察力驱动的摘要，但还要在日常工作中随附“代理”，以各种工具支持业务流程，您想看看早上错过的件事吗？是否收到重大动作的警报？执行摘要足以启动球，知道您始终可以进行深入研究并要求更多吗？使用您喜欢的任务管理解决方案？世界正从静态的，僵化的经验转变为以数据，洞察力和个性化驱动的助手，后者知道如何为特定的分析服务。
为了使该工作正常进行，需要将许多移动部件组合在一起
成为一台功能完善的机器，嵌入式界面（通过设备，电子邮件，聊天或应用内移动），预先训练的分析服务培训管道，工具以促进数据模型的创建，正确的可视化和叙述以使结果可消化，可信赖和可学习，仪表板自动化研究和我们的知识图谱，其中包含了成千上万过去用户的行为。
趋势3：决策智能
到2023年，超过33％的大型组织将让分析师练习决策智能，包括决策建模，它提供了一个框架，可帮助数据和分析在业务成果和行为的背景下设计，建模，调整，执行，监控和调整决策模型和流程，决策自动化需要很多步骤，首先您要记录流程，然后根据结果进行配置，然后使可能的零件自动化，我的看法是，如果您可以自动执行从数据到分析再到决策再到数据的循环，则不是分析，而是机器人流程自动化，有一个论点是，一旦用例的决策变得可预测，就应该将其从BI转移到后台的一部分。
但是这种想法来自我们过去所知道的世界
这个世界不那么动荡，更易于管理，受邻近生态系统的影响比受世界事件和气候影响更大。如今，世界瞬息万变，变化莫测，因此需要根据数据洞察力和建议采取的行动来调整决策，快的生存已成为常态。
趋势4：X分析
创造为一个笼统的术语，其中X是一系列不同的结构化和非结构化内容（例如文本分析，视频分析，音频分析等）的数据变量，世界比传统的BI表格数据还宽，它是视觉的可以说的，可以听见的，为什么只使用一种感官并限制您的视野？近利用我们的机器学习服务提供商生态系统，从名为G-Med的站点中的大量文本数据中，帮助扫描和显示了医疗人群对COVID治疗的智慧，重新发明轮子来构建我们自己的视频，图像，语音和文本分析工具没有意义-市场上已经有很多这样的工具，所有这些数据将如何精确地相互通信并汇集在一起以提供端到端分析？知识图将是如何创建数据模型和数据故事的基础，首先是相对稳定的生物，以后是每个问题的按需需求。
趋势五：增强数据管理
增强型数据管理使用ML和AI技术来优化和改进操作，它还将元数据从用于审计，沿袭和报告转换为支持动态系统，文章不仅仅涉及沿袭或工作负载自动化，这一点很重要，但这只是发生了什么事情今天。在问题之前获取计算结果可以提高性能，但仍然仅限于组织中单个人的数据模型或维范式，他们是否具有所需的观点，包括东亚供应链仪表板的飓风数据？在了解到新闻中的损失之后，领域专家可能会决定将这些信息包括在内，如果可以将相关数据添加到上下文中以讲述数据故事而无需人类自己采取行动怎么办？数据交换将在未来发挥更大的作用，将其产品扩展到数据建模。
趋势6：云已成定局
到2022年，公共云服务将对90％的数据和分析创新至关重要，随着数据和分析迁移到云中，数据和分析仍在努力使正确的服务与正确的用例保持一致，这导致不必要地增加了治理和集成开销，云在这里留下来，目睹了大型机/ PC /云/个人图形处理单元的发展，对我而言云分析的转折点将是基于用户问题提供的数据和逻辑组件的“上下文即服务”组合，开始云计算之旅再简单不过了。
在分析界，保持状态，实施“持续集成/持续交付”系统和A / B测试以提高性能和体验至关重要
这仅适用于云服务，云与常规数据保护法规和SOC的合规性对于赢得客户的信任至关重要，如果数据由于数据重力和延迟而处于本地状态，则在云中执行需要大量数据的计算将非常昂贵，调整系统的体系结构可以迅速改变一切，这意味着您可以轻松地从大型数据集中获取见解。
趋势7：数据和分析世界碰撞
传统上，数据和分析功能被视为不同的实体，并进行了相应的管理，提供增强分析功能的端到端工作流的供应商模糊了这两个市场之间的区别，数据和分析的冲突将增加历史上分离的数据和分析角色之间的交互和协作。这不仅会影响提供的技术和功能，还会影响支持和使用它们的人员和流程，角色范围将从IT中的传统数据和分析角色扩展到信息浏览器，消费者和公民开发人员。
随着新的数据和分析产品的构建以及每个产品中都包含数据和分析元素的出现，数据/知识产品经理将应运而生
这些专家将理解数据，并能够运行和创建查询以及转换，但是他们还将对在这些数据流之上运行的应用程序有所了解，关于数据和工具，“提取，转换和加载”（ETL）将变为ETLT。“ T”代表“转换管道”，要么从交易所获取数据，要么从预先训练的ML服务中获取数据，要么为结构化和非结构化数据提供训练管道，软件开发人员和数据科学家可以使用这些相同的管道来部署应用程序的各个部分，并且分析工作流可以实现自动化，从而业务用户甚至可以在没有外部帮助的情况下触发它们。
人工智能与分析：共同打造未来
有必要深入研究清单上10种趋势中的7种，并对每种观点提出自己的看法，AI开始投入运营的重要声明开始，提出了对数据和分析基础架构的要求，以加快开发和采用阶段，到2024年底，将有75％的企业从试验型AI转变为可操作型AI，从而将流数据和分析基础架构的数量增加5倍，这是过去AI与数据和分析一起使用的方式的重大变化，使AI更加强大和有效。让我们深入研究这些趋势，看看还会发生什么。
趋势1：更智能，更快，更负责任的AI
在当前的大流行背景下，诸如机器学习（ML），优化和自然语言处理（NLP）之类的AI技术正在提供有关病毒传播以及对策的有效性和影响的重要见解和预测，可以在边缘设备上部署的新芯片架构（例如神经形态硬件）上的大量投资正在加速AI和ML计算和工作负载，并减少了对需要高带宽的集中式系统的依赖，终这可能会导致具有更高业务影响力的更具可扩展性的AI解决方案。
增强和强化学习比开箱即用的解决方案要强大得多，这就是指导我们前进的方向
对每个功能进行规划时，首先要考虑到用户如何玩转和修改输入以查看其如何影响结果的问题，我们很自然地在知识图，NLP和自动化机器学习上投入大量资金，它们一起使用户能够积极参与系统，享受建议以及分析，这些功能还可以促进积极的反馈循环，利用参与来增强有效的方法并摆脱无效的方法，结果是系统变得更加直观：用户可以利用“简单询问”功能检查“未来两个月我的销售量”，并接收聊天机器人消息以及预计的可视化效果和进一步探索路线的建议，以类似的方式，即将到来的“说明”功能使用知识图表超越其图表的边界，自动为用户提供数据移动的可能驱动因素，这可以将问题定义环境变成多维的，并从用户与系统的交互中学习以个性化和匹配结果。
自然语言查询我们对背后的技术和输出的统计特性完全透明，无论您看到什么，都可以轻松挖掘其背后的系统。
趋势2：仪表板下降
具有更多自动化和消费化体验的动态数据故事将取代视觉，点击式创作和探索，专注于真实的故事讲述，而不是要点，我们希望仪表板也会发生类似的事情，及时获取由洞察力驱动的摘要，但还要在日常工作中随附“代理”，以各种工具支持业务流程，您想看看早上错过的件事吗？是否收到重大动作的警报？执行摘要足以启动球，知道您始终可以进行深入研究并要求更多吗？使用您喜欢的任务管理解决方案？世界正从静态的，僵化的经验转变为以数据，洞察力和个性化驱动的助手，后者知道如何为特定的分析服务。
为了使该工作正常进行，需要将许多移动部件组合在一起
成为一台功能完善的机器，嵌入式界面（通过设备，电子邮件，聊天或应用内移动），预先训练的分析服务培训管道，工具以促进数据模型的创建，正确的可视化和叙述以使结果可消化，可信赖和可学习，仪表板自动化研究和我们的知识图谱，其中包含了成千上万过去用户的行为。
趋势3：决策智能
到2023年，超过33％的大型组织将让分析师练习决策智能，包括决策建模，它提供了一个框架，可帮助数据和分析在业务成果和行为的背景下设计，建模，调整，执行，监控和调整决策模型和流程，决策自动化需要很多步骤，首先您要记录流程，然后根据结果进行配置，然后使可能的零件自动化，我的看法是，如果您可以自动执行从数据到分析再到决策再到数据的循环，则不是分析，而是机器人流程自动化，有一个论点是，一旦用例的决策变得可预测，就应该将其从BI转移到后台的一部分。
但是这种想法来自我们过去所知道的世界
这个世界不那么动荡，更易于管理，受邻近生态系统的影响比受世界事件和气候影响更大。如今，世界瞬息万变，变化莫测，因此需要根据数据洞察力和建议采取的行动来调整决策，快的生存已成为常态。
趋势4：X分析
创造为一个笼统的术语，其中X是一系列不同的结构化和非结构化内容（例如文本分析，视频分析，音频分析等）的数据变量，世界比传统的BI表格数据还宽，它是视觉的可以说的，可以听见的，为什么只使用一种感官并限制您的视野？近利用我们的机器学习服务提供商生态系统，从名为G-Med的站点中的大量文本数据中，帮助扫描和显示了医疗人群对COVID治疗的智慧，重新发明轮子来构建我们自己的视频，图像，语音和文本分析工具没有意义-市场上已经有很多这样的工具，所有这些数据将如何精确地相互通信并汇集在一起以提供端到端分析？知识图将是如何创建数据模型和数据故事的基础，首先是相对稳定的生物，以后是每个问题的按需需求。
趋势五：增强数据管理
增强型数据管理使用ML和AI技术来优化和改进操作，它还将元数据从用于审计，沿袭和报告转换为支持动态系统，文章不仅仅涉及沿袭或工作负载自动化，这一点很重要，但这只是发生了什么事情今天。在问题之前获取计算结果可以提高性能，但仍然仅限于组织中单个人的数据模型或维范式，他们是否具有所需的观点，包括东亚供应链仪表板的飓风数据？在了解到新闻中的损失之后，领域专家可能会决定将这些信息包括在内，如果可以将相关数据添加到上下文中以讲述数据故事而无需人类自己采取行动怎么办？数据交换将在未来发挥更大的作用，将其产品扩展到数据建模。
趋势6：云已成定局
到2022年，公共云服务将对90％的数据和分析创新至关重要，随着数据和分析迁移到云中，数据和分析仍在努力使正确的服务与正确的用例保持一致，这导致不必要地增加了治理和集成开销，云在这里留下来，目睹了大型机/ PC /云/个人图形处理单元的发展，对我而言云分析的转折点将是基于用户问题提供的数据和逻辑组件的“上下文即服务”组合，开始云计算之旅再简单不过了。
在分析界，保持状态，实施“持续集成/持续交付”系统和A / B测试以提高性能和体验至关重要
这仅适用于云服务，云与常规数据保护法规和SOC的合规性对于赢得客户的信任至关重要，如果数据由于数据重力和延迟而处于本地状态，则在云中执行需要大量数据的计算将非常昂贵，调整系统的体系结构可以迅速改变一切，这意味着您可以轻松地从大型数据集中获取见解。
趋势7：数据和分析世界碰撞
传统上，数据和分析功能被视为不同的实体，并进行了相应的管理，提供增强分析功能的端到端工作流的供应商模糊了这两个市场之间的区别，数据和分析的冲突将增加历史上分离的数据和分析角色之间的交互和协作。这不仅会影响提供的技术和功能，还会影响支持和使用它们的人员和流程，角色范围将从IT中的传统数据和分析角色扩展到信息浏览器，消费者和公民开发人员。
随着新的数据和分析产品的构建以及每个产品中都包含数据和分析元素的出现，数据/知识产品经理将应运而生
这些专家将理解数据，并能够运行和创建查询以及转换，但是他们还将对在这些数据流之上运行的应用程序有所了解，关于数据和工具，“提取，转换和加载”（ETL）将变为ETLT。“ T”代表“转换管道”，要么从交易所获取数据，要么从预先训练的ML服务中获取数据，要么为结构化和非结构化数据提供训练管道，软件开发人员和数据科学家可以使用这些相同的管道来部署应用程序的各个部分，并且分析工作流可以实现自动化，从而业务用户甚至可以在没有外部帮助的情况下触发它们。
人工智能与分析：共同打造未来
如果您有数据，很可能有很多数据，您可能已经拥有了无法应付的一切，只有AI才能帮助人类理解无数个人和设备每天生成的庞大数据集，人工智能系统将在我们的个人和商业世界中扮演越来越重要的角色，因此无论您在构建什么，都应开始思考人工智能如何帮助您的产品，服务同事和客户变得更好，无论您在做什么，都要大胆构建。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
