我们需要如何使应用程序更智能并保护敏感数据？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-06
嵌入式BI和分析将变得更智能，响应速度更快
并非所有用户都可以访问（甚至想要）独立的商业智能（BI）和分析工具或基于Web的服务，他们不想离开业务应用程序或处理工作流仅仅是为了消耗或发现数据见解，他们希望这样做是使用其专用应用程序，业务流程管理或项目管理系统的一部分，同时对这些系统的需求日益增长，以变得越来越受数据和分析驱动。组织希望使用数据洞察力的系统将有关事件和模式告知人类决策者以及自动化流程和决策功能，以便他们可以采取适当的措施。
我们看到越来越多的关注通过注入AI和更多数据驱动的事件通知来使嵌入式BI和分析变得更智能
独立和嵌入式BI和分析解决方案都集成了AI功能，可以管理数据集选择交互并提供规范性建议，2020年将取得更多进展。例如，使用移动应用程序的库存管理器将能够响应于供应链中检测到的数据模式而接收智能建议，可以指导现场销售人员获取有关重要销售前景的更全面的上下文信息。
为了应对这一趋势，组织应确定一个特定的业务流程
该流程可以通过与嵌入式仪表板，报告，绩效管理或其他流程应用程序集成的更强大的AI和分析加以改进，企业应该设法识别出潜在的业务收益较少的流程，而不是尝试通过广泛的变化来“沸腾海洋”，数据分类，元数据管理和语义数据集成将发展。
关于如何定义不同系统中的数据
其沿袭以及如何与其他数据相关的知识一直很重要，但是要实现这一目标是如此困难，以至于它通常远远不够全面甚至是的，随着数据越来越分布在本地和基于云的数据系统的混合，多云环境中，获得单一数据视图越来越依赖于包含此知识的全局资源，近年来出现了提供智能的，人工智能增强的数据目录以及元数据存储库开发和管理的技术。组织变得越来越有能力为用户提供更快的数据发现，对元数据的自助访问以及对数据关系进行业务驱动的分析。
数据目录，元数据存储库，业务词汇表和新兴的语义集成可以帮助组织实现许多目标
对于即将发布的实践报告从更快的数据中获得更快速的洞察力，2020年季度我们询问对于这些系统，对于组织而言，哪些目标重要，大多数研究参与者选择的一种方法是使用户更容易搜索和查找数据（79％），百分比第二高的目标是改善治理，安全性和法规遵从性（70％），对于治理，监视对敏感数据的访问和数据沿袭，了解数据的位置，在组织中的生命周期以及如何共享是至关重要的。
组织应评估其当前的数据体系结构以及BI和分析平台
以查看它们是否充分满足其对元数据和其他有关数据的全面收集和访问的需求，在广泛部署它们之前，组织应使用新技术开发概念验证系统，以了解它们如何很好地满足特定业务领域中用户和应用程序的特定需求，组织将更有效地将治理与数据收集和管理集成，随着欧盟通用数据保护条例（GDPR）和其他几项数据隐私条例的全面实施-以及加利福尼亚州消费者保护法将于2020年1月生效-组织别无选择，只能加强程序用于保护客户和消费者数据。
治理对于保护财务数据，知识产权和其他敏感信息也至关重要
治理并非完全是一个新趋势，但是对更好治理的需求正在推动对以下技术解决方案和服务的需求：这些技术解决方案和服务很好地使用了数据目录和元数据，可以跟踪和监视数据沿袭，并且可以使用AI技术来实现跨大容量的治理，变化多端，数据速度更快。
组织应确保业务和IT的关键人员了解影响其客户的隐私法律和法规
一线员工应接受客户同意的重要性培训，以将其数据用于营销，销售和其他流程，企业应该应用能够支持治理规则和策略的数据集成，管理和元数据技术，尤其是那些使用AI技术来提高速度，准确性和规模以查找敏感数据并监视其使用方式的技术，现在有效的治理和保护客户的数据隐私已成为一项竞争优势，客户希望与处理其数据的组织开展业务。
AI不仅是为了AI
我们预计，在与数据相关的所有事情中都将使用AI技术的热情会继续增长，但会因显示价值的需求而减弱，改善应用程序和业务流程中的嵌入式可视化和分析功能是使AI功能与实际业务收益保持一致的重要趋势，如果企业可以利用嵌入式智能提高效率和效率，他们将有信心扩大AI的使用范围。组织还必须确保AI的使用属于治理，法规和良好的业务实践参数之内，以便客户和业务合作伙伴对新功能感到满意，而不必担心AI的影响。
并非所有用户都可以访问（甚至想要）独立的商业智能（BI）和分析工具或基于Web的服务，他们不想离开业务应用程序或处理工作流仅仅是为了消耗或发现数据见解，他们希望这样做是使用其专用应用程序，业务流程管理或项目管理系统的一部分，同时对这些系统的需求日益增长，以变得越来越受数据和分析驱动。组织希望使用数据洞察力的系统将有关事件和模式告知人类决策者以及自动化流程和决策功能，以便他们可以采取适当的措施。
我们看到越来越多的关注通过注入AI和更多数据驱动的事件通知来使嵌入式BI和分析变得更智能
独立和嵌入式BI和分析解决方案都集成了AI功能，可以管理数据集选择交互并提供规范性建议，2020年将取得更多进展。例如，使用移动应用程序的库存管理器将能够响应于供应链中检测到的数据模式而接收智能建议，可以指导现场销售人员获取有关重要销售前景的更全面的上下文信息。
为了应对这一趋势，组织应确定一个特定的业务流程
该流程可以通过与嵌入式仪表板，报告，绩效管理或其他流程应用程序集成的更强大的AI和分析加以改进，企业应该设法识别出潜在的业务收益较少的流程，而不是尝试通过广泛的变化来“沸腾海洋”，数据分类，元数据管理和语义数据集成将发展。
关于如何定义不同系统中的数据
其沿袭以及如何与其他数据相关的知识一直很重要，但是要实现这一目标是如此困难，以至于它通常远远不够全面甚至是的，随着数据越来越分布在本地和基于云的数据系统的混合，多云环境中，获得单一数据视图越来越依赖于包含此知识的全局资源，近年来出现了提供智能的，人工智能增强的数据目录以及元数据存储库开发和管理的技术。组织变得越来越有能力为用户提供更快的数据发现，对元数据的自助访问以及对数据关系进行业务驱动的分析。
数据目录，元数据存储库，业务词汇表和新兴的语义集成可以帮助组织实现许多目标
对于即将发布的实践报告从更快的数据中获得更快速的洞察力，2020年季度我们询问对于这些系统，对于组织而言，哪些目标重要，大多数研究参与者选择的一种方法是使用户更容易搜索和查找数据（79％），百分比第二高的目标是改善治理，安全性和法规遵从性（70％），对于治理，监视对敏感数据的访问和数据沿袭，了解数据的位置，在组织中的生命周期以及如何共享是至关重要的。
组织应评估其当前的数据体系结构以及BI和分析平台
以查看它们是否充分满足其对元数据和其他有关数据的全面收集和访问的需求，在广泛部署它们之前，组织应使用新技术开发概念验证系统，以了解它们如何很好地满足特定业务领域中用户和应用程序的特定需求，组织将更有效地将治理与数据收集和管理集成，随着欧盟通用数据保护条例（GDPR）和其他几项数据隐私条例的全面实施-以及加利福尼亚州消费者保护法将于2020年1月生效-组织别无选择，只能加强程序用于保护客户和消费者数据。
治理对于保护财务数据，知识产权和其他敏感信息也至关重要
治理并非完全是一个新趋势，但是对更好治理的需求正在推动对以下技术解决方案和服务的需求：这些技术解决方案和服务很好地使用了数据目录和元数据，可以跟踪和监视数据沿袭，并且可以使用AI技术来实现跨大容量的治理，变化多端，数据速度更快。
组织应确保业务和IT的关键人员了解影响其客户的隐私法律和法规
一线员工应接受客户同意的重要性培训，以将其数据用于营销，销售和其他流程，企业应该应用能够支持治理规则和策略的数据集成，管理和元数据技术，尤其是那些使用AI技术来提高速度，准确性和规模以查找敏感数据并监视其使用方式的技术，现在有效的治理和保护客户的数据隐私已成为一项竞争优势，客户希望与处理其数据的组织开展业务。
AI不仅是为了AI
我们预计，在与数据相关的所有事情中都将使用AI技术的热情会继续增长，但会因显示价值的需求而减弱，改善应用程序和业务流程中的嵌入式可视化和分析功能是使AI功能与实际业务收益保持一致的重要趋势，如果企业可以利用嵌入式智能提高效率和效率，他们将有信心扩大AI的使用范围。组织还必须确保AI的使用属于治理，法规和良好的业务实践参数之内，以便客户和业务合作伙伴对新功能感到满意，而不必担心AI的影响。
商业联合会数据分析专业委员会
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 
