用戶登入
懇請您立即點擊填寫「2017年科技發展觀測平台與電子報滿意度調查」。我們期待提高問卷回收率,請繼續給我們支持與鼓勵,感謝您!
焦點新聞
2018年分析與商業智慧的技術成熟曲線
.2018/08/13
摘要 隨著企業致力於數位轉型,分析與商業智慧(Analytics and Business Intelligence)將持續成為IT與企業領導者投資創新的首要重點。然而,分析與商業智慧市場正處於關鍵轉捩點,許多分析與商業智慧的工具都將變得更具靈活性且更容易操作,能支援更多存取工作與服務,但是分析的前置工作,如建立先進分析模型、資料準備與結果論述,仍需要大量的人為介入與操作。不過現在一種名為增強分析(Augmented Analytics)的新方式出現,其自動化機器學習對於強化人類智慧,以及貫穿前後關係的數據與分析工作流程相當重要。
2018年具顛覆性效益的分析與商業智慧技術包含2-5年即能被產業應用的增強分析與事件串流處理(Event Stream Processing, ESP);5-10年則為沉浸式分析(Immersive Analytics)、連續性智慧(Continuous Intelligence);10年以上則為通用人工智慧(Artificial General Intelligence, AGI),其中沉浸式分析與連續性智慧為今年度新增項目。
下列將介紹Gartner分析與商業智慧的主要三個轉型趨勢:從視覺資料探索到增強分析、分析治理(Analytics governance)的重要性提升、擴張與運作分析措施。並介紹處於過度期望高峰期(Peak of Inflated Expectations)的增強分析,市場滲透率為5-20%,以及今年新增且處於創新始動期(Innovation Trigger)的沉浸式分析,市場滲透率為低於1%。
一、 分析與商業智慧技術的三個主要趨勢
(一) 增強分析:使用自動化、機器學習與自然語言處理(NLP)進行資料查詢、縮短前置資料的準備時間、自動尋找資料中的模式(pattern),以及使用自然語言生成(NLP)和其他界面與更多的使用者交流分析結果。
(二) 分析治理:此處包含管理分析產出,如報告、儀錶板(dashboard)或模型。越來越多企業理解到需要將分析予以管理,如同企業對資料的管理,分析管理亦包含數位倫理(Digital Ethics),即分析必須以正直且客觀的方式進行。
(三) 擴張與運作:係指如何以雙模(Bimodal)的方式進行更有效的運作。另一方面,這又涵蓋平衡敏捷和彈性的分析需求,方能因應生產層級所需之管控和風險分析的變化。就儀表版和報告而言,其分析的價值相對較低,主要的價值在於從更多使用者中獲取更多情境分析,藉以協助改善決策。越來越多的雲端分析與商業智慧(Cloud ABI)被應用於卸載伺服器的基礎建設,以及降低管理負擔,並讓IT與商業團隊能更具焦在有助於提升商業績效的資料分析。

二、 增強分析(Augmented Analytics)
(一) 定義與發展現況:2017年名稱為增強/擴增資料探索(Augmented Data Discovery),增強分析是指利用機器學習進行資料準備、探索見解、資料科學與機器學習模型開發自動化,並將分析結果分享給廣泛的商業使用者、營運工作者與公民資料科學家(Citizen Data Scientists)。透過人工智慧(AI)可以比現在手動方法用更少的時間、技能並用更沒有偏差的解釋方式,在任何地方為組織內的所有成員提供分析。
增強分析將迅速成為資料準備、現代分析、商業智慧與資料科學平台的主流技術,且增強分析的自動化見解將建置於企業的應用程式中,例如人力資源、財務、銷售、行銷、顧客服務、採購與資產管理部門,以協助各員工採取最佳的決策與行動。
(二) 商業影響:擴大使用自動化機器學習與擴增人類(human-augmented)模型將能減少因人為探索過程中的失誤與誤差情況,亦能減少使用者探索資料的時間,讓使用者能更專注於來自於資料的相關見解,並能提供使用者更多連貫性的分析見解,以及引導建議以改善決策與行動。Gartner預測2020年前,因許多資料科學任務的自動化,公民資料科學家的高階分析產出將超過資料科學家。透過高階分析產出的成長,將能補充與延伸既有的現行分析、商業智慧與資料科學平台,由目前僅限於資料科學研究者延伸到商業分析師、決策者與企業營運員工。

三、 沉浸式分析(Immersive Analytics)
(一) 定義:沉浸式分析是結合擴增實境(AR)、混合實境(MR)與虛擬實境(VR)技術將資料與分析視覺化,能為資料分析提供更具吸引力、協作性與3D視覺化介面。
(二) 商業影響:在涉及到大量感測資料的情況下,沉浸式分析能證明企業實施物聯網的概念,且這類使用方式所伴隨的資料常過於繁雜,若基於2D的數位方式較難使人類迅速理解。

延申閱讀
資料來源 Hype Cycle for Analytics and Business Intelligence, 2018