公司终于看到了数据分析解决方案的价值 ，并且越来越多地基于硬数据而不是直觉来做出决策。坏消息是，在许多公司中， 商业智能和分析 团队无法满足其业务同事的需求，这可能会导致一些不幸的结果，例如BI团队，恢复为没有适当数据的决策，因为内部客户迫不及待，使用在延误期间过时的数据（例如，季节性问题）寻求答案，因不满足业务需求而赢得声誉，因此被减少或削减–加剧了供应问题，一个潜在的解决方案？自助式BI，仅在几年前，BI工具还很复杂，用户需要大量的技术和分析专业知识，这意味着您的普通业务人员需要与BI或IT中的某人合作进行任何查询或分析，数据通常存储在多个完全不同的源中，几乎没有集成，甚至没有集成，因此

在大多数组织中， 大数据分析的 突破都是在类似于实验室的环境中进行的，这些员工深staff分析知识并可以使用专门的工具，但是当需要将这些突破付诸实践的时候（使它们成为业务运营的持续组成部分），事情往往会分崩离析。

2021年是分析界的分水岭，大数据主导着媒体，即使不是数据科学家的巢穴2021年远见的公司开始将 大数据分析 纳入其战略工作，而不是将其用作战术工具或被动模式，2021年会带来什么？哪些技术仍然有用，哪些将逐渐淡出背景？2021年越来越多的企业希望将分析作为制定更好的决策和推动创新的战略关键驱动力，我们看到以下三种趋势在2021年得到越来越广泛的采用 。

几乎所有其他有关分析的文章似乎都在谈论大数据，关于大数据的这种炒作大部分是有道理的–部分是因为它是下一件大事，而且还因为我们不了解它，当我们考虑大数据时，我们只是认为“数字”很大。我们认为是TB和PB，我们认为巨大的计算能力，我们认为并行处理。我们认为像Hadoop和Mahout这样的大词，实际上这些概念比没有被广泛讨论的概念更容易理解。

每个人群中都有一个细菌菌。通常是拥有抗菌乳液的人，但是您知道每个数据中心通常都带有细菌菌吗？那就对了，人们总是在提倡“干净的数据”，干净的数据很重要。而且它肯定比不干净的数据更可取，但是有些人认为它太过分了，我在这里告诉您，干净的数据是一个乌托邦式的概念，为什么你说？因为一旦数据库达到一定的大小（单个所有者和编辑者变得不切实际），就不可能100％控制数据质量，许多数据可能会经常更改。更糟糕的是，它通常是由您的客户或潜在客户自己输入的-所有这些都是人（我想，人们会犯错误。

业务问题不断发展，当企业次遇到问题时，对问题的了解很少，有关问题的性质，范围，方法，解决方案等的详细信息都是泥泞的，随着时间的流逝，随着我们开始使用启发式/经验解决问题，它变得越来越清晰，我们对问题的更详细信息有了更好的了解，但是“正确”的解决方案仍然是模糊的，终在解决同一业务问题的多次迭代之后，正确的方法/解决方案变得更加清晰。每个业务问题都在浑浊，模糊，清晰的生命阶段中发展。