2018年商業智慧10大趨勢 之一

不論你是企業主管、IT人員,又或是行銷人,近一兩年接觸到的商業智慧(Business Intelligence)解決方案發展及演變的速度越來越快。小從網路聲量偵測工具、聊天機器人,大到IoT、AI人工智慧技術,可能今天適用的方案可能明天就需要調整。

由於自然語言處理到資料創新的崛起,我們找到一份Tableau軟體公司針對業界員工、客戶的看法,整理出一份2018 年可能最具影響力的 10 大趨勢。如果你是資料達人還是 IT 高手,又或是正在建立商業智慧系統的主管,這些趨勢對商業的戰略佈局順序,也許有一些參考標的。

趨勢一:不要懼怕AI,機器學習有助分析師

近年來,大眾文化讓多數人質疑機器學習的作用,但隨著研究和技術的不斷優化,機器學習正在迅速成為分析師的有益輔佐工具。事實上,機器學習是分析師的終極助手。假設需要快速查看價格變化對產品帶來的影響,需要對資料運行線性回歸運算,在 Excel、R 或 Tableau 問世之前,不得不手動執行所有運算,整個過程需要花費數小時之久。

得益於機器學習,現在可以在幾分鐘甚至幾秒鐘內看到產品的消費情況。作為分析師,無需進行如此繁重的工作,可以繼續研究後續問題,例如高消費量的月份是因外在因素(例如假期)造成的嗎?是新產品造成的嗎?還是因為新聞報導影響了產品購買或產品認知?

機器學習可以從兩方面幫助分析師。第一方面是效率。在上述示例中,分析師沒有將寶貴的時間花費在基礎數學運算上。他現在有更多的時間來考慮業務影響和後續的邏輯步驟。第二方面,它可以幫助分析師開拓並繼續使用其資料分析流程,因為他們不用再停下來處理數字,而是可以繼續提出下一個問題。正如軟體工程師 Ryan Atallah 所說,「當你需要幫助來獲得答案時,機器學習能説明你對海量資料進行刨根問底式的分析」。

不可否認,機器學習具有協助分析師的潛力,但重要的是要認識到,當擁有確定無誤的結果時,就應該接受這些結果。Tableau 的產品經理 Andrew Vigneault 表示「面對主觀資料時,機器學習表現得並沒有那麼好」。例如,對客戶進行產品滿意度調查時,機器學習無法始終提取定性字詞。

此外,分析師需要瞭解資料的成功指標,以便用可操作的方式理解資料的含義。換句話說,輸入到機器中不會使輸出具有意義。只有人才能理解是否應用了正確的上下文數量。這意味著機器學習無法獨立完成,因為機器學習不理解模型和正在進行的輸入/輸出。雖然有人擔憂我們可能會被機器學習所取代,但機器學習實際上對分析師們大有裨益,能使他們更高效、更準確、對業務更具影響力。不要害怕機器學習技術,而應該積極迎接它所帶來的機會。

圖說:IDC 預測,到 2020 年,AI 和機器學習系統帶來的收入總計將達到 460 億美元。Gartner 預估2020 年,AI 將創造 230 萬個工作崗位,同時僅淘汰 180 萬個工作崗位,總體而言將促進就業。圖摘自Tableau,以下皆同。

趨勢二:分析行業中人文學科帶來的影響

隨著分析行業不斷尋求熟練的資料工作者,組織也希望能夠提升其分析團隊的水準。事實上,人文學科和講述故事促進資料分析行業的發展。這並不令人驚訝。令人驚訝的是,從前專門由 IT 和高級用戶完成的創建分析儀錶板等技術工作,正在被熟悉講述故事技能(一種主要來源於人文學科的技能組合)的使用者所接管。此外,組織更重視聘用能夠通過人文學和說服力(而不僅僅是分析本身)使用資料和見解來影響變革和推動轉型的員工。

隨著技術平臺變得越來越易於使用,人們對技術專長的重視程度有所降低。每個人都可以輕鬆處理資料,無需曾經要求的高深技術技能。擁有更廣泛技能的人員(包括人文學者)在缺少資料工作者的行業和組織中彙集,並形成影響力。隨著更多的組織將資料分析作為業務重點,這些人文學科資料管理員將説明公司認識到,支援廣大員工自主進行資料分析會帶來競爭優勢。

雇傭新一代的資料工作者已成為大勢所趨。一些技術型公司由有著人文學科教育背景的創始人領導或深受其影響。這包括 Slack、LinkedIn、PayPal、Pinterest 和其他幾家高績效技術公司的創始人和主管。將人文學科引入技術主導型公司的一個強有力的例子來自 Scott Hartley 的最新著作《模糊性與技術專家》(the Fuzzy and the Techie)。Nissan 聘請人類學博士 Melissa Cefkin 領導公司對人機交互的研究,特別是無人駕駛汽車與人類之間的交互。

目前,無人駕駛車輛技術取得了較大的進展,但在混合人機環境時仍面臨著重重障礙。以十字路口停車為例,人類通常會根據實際情況進行分析判斷,這種能力幾乎無法傳授給機器。為了説明應對這種情況,Cefkin 的任務是利用她的人類學背景知識來識別人類行為的模式,從而更好地向這些無人駕駛汽車傳授人類遵循的模式,同時也將這些模式傳達給乘車人。

隨著分析發展過程中的人文成分增多,科學成分減少,分析的重點已經從簡單的資料傳遞轉變為精心製作資料驅動型故事,這些故事將無一例外地幫助制定決策。組織以前所未有的規模積極接納資料,這種順勢而為意味著要更加強調講述故事和表述資料。我們正處在講述資料故事的黃金時代,在您的組織中的某處,可能就有資料故事講述者正等待著為您揭開下一次重大發現。

圖說:語言藝術專業畢業生正以比技術專業畢業生快 10% 的速度加入技術領域勞動力(LinkedIn)。財富 500 強企業的 CEO 有 1/3 擁有語言藝術學位(Fast Company)。

趨勢三:自然語言處理的前景

2018 年自然語言處理 (NLP) 變得越發流行、複雜、無處不在。隨著開發人員和工程師不斷完善自身對 NLP 的理解,將 NLP 整合到尚未實現的領域的情況也會增長。Amazon Alexa、Google Home 和 Microsoft Cortana 的日益普及,已經養成了人們的一種期望,即他們可以與自己的軟體談話並且軟體能夠明白該做什麼。

例如,通過說出命令:“Alexa,播放‘Yellow Submarine(黃色潛水艇)’”,您就可以在廚房中一邊準備晚餐一邊欣賞披頭士樂隊的演奏了。同樣的概念也被應用於資料,因而每個人都能更容易地提出問題並分析自己現有的資料。
Gartner 預計到 2020 年,50% 的分析查詢都將通過搜索、NLP 或語音生成。這意味著突然之間,首席執行官可以更輕鬆地隨時隨地讓他的移動設備告訴他:“紐約購買訂書釘的客戶帶來的總銷售額”,然後可以篩選“過去 30 天內的訂單”,還可以按“專案所有者的部門”進行分組。

或者,孩子的校長可以提問:“今年學生的平均分是多少”,然後可以篩選“八年級學生”,並按“教師負責的科目”進行分組。NLP 能讓人們提出更細微的資料問題,並獲得相關的答案,從而得出更好的日常見解和決策。

同時,開發人員和工程師將在學習和瞭解人們如何使用 NLP 方面取得長足的進步。他們將研究人們如何提出問題,包括從即時滿足(哪個產品銷量最好?)到探索(我不知道我的資料可以告訴我什麼 – 我的部門表現如何?)方面的問題。正如 Tableau 的資深軟體工程師 Ryan Atallah 指出的那樣:「這種行為與提問的背景環境息息相關。」如果最終使用者在使用移動設備,那麼他們更有可能提出需要即時滿足的問題,而如果他們坐在辦公桌後查看儀錶板,則他們可能正在探索和研究更深層次的問題。

要看清 NLP 給分析領域帶來的最大助益,就需要理解 NLP 能夠增強的各種工作流。Tableau 的資深軟體工程師 Vidya Setlur 同樣認為「不確定性是一個難題」,因此理解工作流比輸入具體的問題更加重要。當相同的資料問題存在多種提問方式時(例如本季度銷售額最高的銷售代表是誰?或誰在本季度的銷售額最高?),最終用戶不希望考慮提問的“正確”方式,他們只想要答案。因而,機會不在於將 NLP 置於每一種情況中,而是使其可用於正確的工作流,從而讓它成為使用者的後天習慣。

圖說:到 2019 年,日常工作涉及使用企業應用程式的工作者中,75% 可以得到智慧個性化協助來增補其技能和專業知識(IDC)。到 2021 年,50% 以上的企業每年在機器人與聊天機器人上的投入將超過傳統移動應用開發(Gartner)。

趨勢四:選用混合雲端的評估增高

如果你的組織正在探索和評估 2018 年的混合雲策略,那麼你並不孤單。組織正在加快將資料和核心應用程式遷移到雲的步伐。無論是直接遷移還是重構平臺,都看到客戶顯著提高採用雲技術的速度。

Gartner 最近的一項研究表明,到 2019 年,混合雲策略將成為 70% 企業的常用策略,而目前僅有不到 10% 的企業應用此策略。客戶也變得更加敏感,擔心自己局限於單一舊版軟體解決方案中,無法滿足未來的需求。然而,通過使用類似的 API 和開放標準(如 Linux、Postgres、MySQL 等),交換和遷移變得相對容易。

公司組織很可能也在評估資料中心的設計和運行方式。IT 部門根據風險、複雜性、速度和成本來評估託管環境,所有這些因素增加了找到滿足組織需求的單一解決方案的難度。根據《波士頓先驅報》報導,GE 重新整合了其雲託管策略,同時利用 Microsoft Azure 和 Amazon Web Services,旨在瞭解最佳性能託管環境,並比較哪一份合同轉交給客戶後提供的成本最低。

但是,如果沒有清楚意識到遷移至此類環境的優點和挑戰,混合雲的趨勢就不會出現。雖然靈活性是一個加分項,但混合雲環境將組織的工作負載分散到多個提供商,增加了間接成本。而且混合雲環境迫使內部開發團隊,根據其必須支援的不同環境,去瞭解多個平臺並準備額外的管控流程。

此外,混合雲策略還可能會降低公司或組織的購買力。如果一家公司從多個提供商處購買所需產品,那麼公司可獲得的總量折扣將受到影響。這會使公司陷入花高價卻只能買到更少產品的購買模式。

調查和統計資料(例如上述 Gartner 資料點)表明,混合雲採用率正在上升。但是,它並未表明某種特定平臺的採用量。在許多的混合雲案例中,組織使用單一提供商滿足其大部分需求,而使用其他提供商滿足其少部分的需求。但是,這些用例大多數落在了實現次要雲託管環境上,這類環境用作主要雲託管環境不可用或故障時的備份。

雖然 2018 年的混合雲採用率正呈上升態勢,但組織必須通過評估其策略是否能衡量每種雲平臺的採用量、內部使用情況、工作負載需求和實施成本的細微差別來採用策略。

圖說:到 2019 年,70% 的企業將實行混合雲策略,(Gartner)。 74% 的科技企業首席財務官認為,2017 年對其公司帶來可衡量影響最大的會是雲計算,(福布斯)。

趨勢五:首席數據官的崛起

資料和分析正在成為每個組織的核心。隨著組織的發展,他們在將分析逐步提到更高的戰略地位。過去,大多數商業智慧工作都被安排給首席資訊官 (CIO),其負責監管整個組織的資料資產的標準化、整合和管控情況,並需要提交一致性報告。這使得商業智慧計畫(資料管控、建立分析模型等)與 CIO 職權範圍內的其他策略計畫(如 IT 架構、系統安全或網路策略)互相競爭,並會時常抑制商業智慧的成功和影響。

在某些情況下,由於獲取見解的速度與資料的安全性和管控之間的矛盾,CIO 和業務人員之間會產生隔閡。為了通過分析投資從資料中獲得可操作性見解,組織越發意識到需要建立主管問責制以創建分析文化。對於越來越多的組織而言,此問題的答案是任命首席資料官 (CDO) 或首席分析官 (CAO) 引導業務流程變革,克服文化障礙,並向組織各級傳達分析的價值。這可以讓 CIO 將戰略重點更多的放到資料安全性等方面。

如今,組織紛紛任命 CDO 和/或 CAO 來負責業務影響和改進成果,這一事實也體現了現代組織中資料和分析的戰略價值。高級主管們現在對於如何部署分析策略有了積極主動的對話。CDO 不再等待特定報告的請求,而是問:我們如何預測或快速適應業務請求?

為了最有效地在高管崗位構建高效團隊,組織正在投入更多資金和資源。據 Gartner 統計,80% 的大型企業將在 2020 年之前全面落實 CDO 辦公室。目前,辦公室中的平均員工人數是 38 人,但有 66% 的受訪組織預計該辦公室的預算撥款將會增長。

Tableau 的市場情報總監 Josh Parenteau 指出,CDO 角色的特點是「注重結果」。他表示:「這不僅僅是將資料放入資料倉庫然後希望有人去使用它,資料部門負責定義使用的含義,並確保您能夠從中獲得價值。」這種結果導向是至關重要的,特別是其與 Gartner 2016 年 CDO 調查的前三個目標相一致,其中包括更高的客戶親密度、更大的競爭優勢和更高的效率。這些目標正在推動 Wells Fargo、IBM、Aetna 和 Ancestry 等公司落實 CDO 制度,旨在將其資料策略提升到更高水準,使首席資料官在 2018 年成為業務的主角。

圖說:到 2019 年,90% 的大公司會設立 CDO 這一職位(Gartner)。到 2020 年,50% 的領先組織將設立 CDO,這一職位在策略影響力和權威方面與 CIO 同等重要。

其他五項趨勢將在下集繼續公布。

作者資訊

特約記者 陳薪智
特約記者 陳薪智
記者生涯主跑科技、電商、網路行銷產業,採訪累積超過 500 位國內外企業 CEO、新創企業創辦人、專業經理人。撰寫文章散見各類媒體,三立新聞、蘋果日報、聯合新聞、風傳媒、DIGITIMES、數位時代、CIO經理人、Meet創業小聚、癮科技、Cmoney、La Vie行動家、SmartM、品牌志等。品牌主或創業者,你想分享故事,歡迎來信接洽合作: [email protected]