【51CTO.com快译】 你还记得自动报表被称为商业智能或BI的日子吗?此后不久，技术用户和业务用户当中围绕工作流、流程和用户体验的讨论真正定义了业务分析或BA。近期在数据分析、预测建模、侧重数据挖掘的机器学习以及社会、文本和风险分析等方面的进步让人们关注预测分析或PA。据维基百科声称，BI、BA和PA侧重于发现、解读和传达数据中有意义的模式，而这就是分析的定义。
商业智能业务分析员(BI BA)与非技术型主题专家(SME)为伍，了解数据要求，以便做出明智合理的决定。预测分析员(PA)常常是在数据挖掘和统计方面有着扎实背景的数据科学家。
真正的商业智能实施始于主题专家撰写或引出用户故事。作为商业智能业务分析员，你要确保撰写的这些用户故事表达了业务部门的心声，可以由业务用户和数据技术员共同探讨。比如说，“作为产品经理，我要看到供应商的部件/组件给每个部门带来的盈利能力，那样我才能评估供应链。”作为保险行业的预测分析员，你在评估定价模型的同时，可能挖掘人口统计、心理、计量经济学和统计等数据。
作为一名开发人员，你要构建代码，以便请求、验证、复制、移动、存储、转换、推导并显示格式日益多样化的数据。下面是你处理商业智能和分析时要了解的十个方面。
1. 自助式BI必不可少。
我们进入21世纪已有近20年。现代商业智能环境理应为业务用户提供易于使用的数据分析功能，比如机场航班查询亭或银行ATM。为了增强分析功能，自助式BI应当与音乐发现系统一样丰富。亚马逊音乐和iTunes允许按类型、年份、歌手及其他元数据来发现音乐。你熟悉那些界面，寻求未知音乐方面的信息。同样，如果你使用CarMax或Autotrader，实际上有众多选项可以缩小查找汽车的数据挖掘活动。音乐和汽车都有自助选项。难怪如今精明的业务用户要求自助式分析，也懂得自助式分析。
2. 提醒比静态报告更受重视。
你的手机用来处理远比语音通话多得多的活动。消息本身就是一类重要的编码信息。不仅限于简单的SMS，丰富的消息让用户对言简意赅的提醒的期望甚过对文本的期望。照片、表情符、动画或视频都完善了之前作为文本消息的信息。相比这种传统做法：准备好一份完整的报告以列举关键绩效指标方面的变化，往你的手机发送文本消息都是一种相当大的进步。
3. 描述性分析只是个起点。
“发生了什么?”后视镜很重要。几十年来，后视镜并没有被认为是可有可无的配件。报表同样具有类似的价值。企业内部需要你的多列报表，汇总和钻取数据，以便了解过去发生的活动。数据采集的速度和对当前及前瞻性分析的需求将决定你的分析成熟度。
4. 数据整合不仅限于操作型系统。
如果清点一下内部数据系统，保准让你大吃一惊。比如说，一家地区性银行有50个或更多个软件系统在生成数据，这一点也不稀奇。核心银行业务、柜员管理、ATM、租赁管理以及通过并购得到的重复系统都有底层的数据库系统。从自主开发系统、文件管理器，到SQL Server、Oracle、MySQL及其他一大批商业及开源引擎，不一而足。如果你供职于任何行业的一家大中型企业，就会熟悉存在的种种DBMS系统、版本和数据孤岛，一同存在的还有内部操作型系统和共享文件系统上Excel文档中相关的数据子集。
对大多数行业来说，这些数据之前完全以基于字符的格式存在。近些年来，数据已开始包括社交媒体线索、音频、图像和视频。你的数据整合流程应包括这类数据以便分析。挖掘分析时需要包括来自政府和行业来源的合格的数据集，以便提供适当的分析基础。
5. 诊断性分析回顾过去。
“它为什么会发生?”是诊断性分析关注的问题。为什么商业建筑商未能偿还贷款?为什么病人在约会时间过后要等两个小时?为什么软件意外停止运行?你对每个例子的分析都需要获取并挖掘历史数据和元数据。
6. 数据可视化并不新奇。
你是Tableau开发人员吗?它是一款领先的商业数据可视化软件。用户寻求数据中的趋势时，可视化是一种常用方法，而不是翻阅一页页的报表或借助Excel中的多列排序。就在不久前，可视化还是新奇工具。如今可以使用增强现实来分析数据。可供你选择的平台包括手机和标准电脑。可使用应用编程接口和开发者软件。你可以构建一种“看得见摸得着”的数据分析解决方案。你的想象力在用数据增强现实方面显得很宝贵。
7. 预测性分析预测概率。
“可能会发生什么?“预测性分析专注于预测未来的几率和趋势。你无法访问未来的数据，所以只好根据特定的几率来预测结果。就某个问题而言，数据质量越高、数量越多，确定性越高。确定网上顾客会订购的下一个商品是公认的例子。预测客户在一段时间内的价值经常被引用。你可能会运用自身在统计方面的背景，在找出统计关联时，从对一组变量进行回归分析开始入手。系数促使分析大数据集里面的变量和不断调整的几率。你会发现，宝贵的预测性分析其几率很少在50%以上。
8. 物联网数据流分析将无处不在。
物联网以典型的事务型系统通常所没有的步伐和数量来提供。车载传感器生成的数据并不依赖道路上的嵌入式设备。传感器装在车上，与车载处理器通信，并与其他车载系统联系。无人驾驶汽车就是结果。你实时分析数据流所采用的方法缩小了范围。你需要过滤掉与研究无关的“干扰数据”。
9. 规范性分析建议行动措施。
“应该采取什么样的行动措施?”这是规范性分析试图要回答的问题。你回答这个问题的方法取决于常常与预测和风险规避有关的优化或模拟模型。
10. 分析即服务提供高质量的数据，以便丰富数据。
日益成熟的云带来了许多服务级别。软件即服务由成千上万个系统来提供，一些很小，比如待办事务列表，另一些很庞大，比如多租户模式的Salesforce CRM。现在，XX即服务占有一席之地。因此，数据和分析成了关键的服务。专业公司和国际知名公司都在提供这项服务：用高质量的广泛数据丰富你的内部数据。IBM的Watson作为一项服务来提供。你可以迅速连接充分利用REST的API，利用强大的计算能力来处理数据。预计在今后几年，会广泛出现针对特定领域的数据分析云。你的数据会成为用来丰富内部分析操作的一种手段。
商业界变化不断。商业智能和分析是你为企业在趋势和公司健康运行方面提供指标和衡量尺度的手段。
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
