进入分析时代

我们生活在分析的时代。商业决策越来越多地基于人类大脑难以理解的复杂数据。甚至业务单位如人力资源长期以来一直主观地做出与人相关的决策，现在可以依靠算法和数据的帮助。

“数据和分析领导者必须寻找一种更自动化的方法来完成分析，以及使用它的更多方式，”他解释道丽塔Sallam他是Gartner研究副总裁。

“到2023年，人工智能和深度学习技术将成为数据科学新应用的最常见方法。”

“分析技术已经发展到可以适应员工和客户需求的程度。用户不再被迫采用传统方法，”他补充道亚历山大·林登他是Gartner研究副总裁。

为了解决复杂的业务问题，组织必须采用更复杂的分析。Gartner指出了未来几年将影响分析的两个关键趋势。

趋势1:人工智能和深度学习的兴起

Gartner预计，到2023年，人工智能(AI)和深度学习技术将是最常见的方法，新的应用数据科学．挑战:人们会对他们不理解的分析产生怀疑。

“从历史上看，分析技术总是可以理解的，至少在概念上是这样，”林登解释道。“即使用户不理解特定模型是如何构建的，他们也理解多元回归或决策树背后的逻辑。”

深度学习不同于传统技术。尽管它通常能提供更准确的结果，但它缺乏透明度。用户无法理解解决方案是如何实现的，因此往往不信任技术。

在虚拟助手和自动驾驶汽车在美国，深度学习主要用于传统机器学习技术不适用的情况。”林登说。“随着人工智能成为日常生活的一部分，人们最终会习惯它。”

对企业采用深度学习技术的一个更令人担忧的限制是，由于难以解释的算法出错，企业可能会面临民事责任和诉讼。数据和分析领导者应该参与法律部门而且其他决策者b在部署新技术之前。

趋势2:智能和增强的洞察

相关性是分析的关键标准。用户不应该去寻找信息——系统需要识别出一条信息是与用户和用户相关的交付的见解先发制人。

“许多分析平台已经集成了增强分析技术，”Sallam解释道。他们检测数据中的趋势和相关性，并提出用自然语言解释结果的方法和最佳显示格式。Gartner认为，到2021年，75%的房屋将会建成报告将被自动洞察所取代或增强。”

随着用户对直观界面机制的期望越来越高，企业应该投资于能够实现这一期望的分析技术。可以部署人工智能技术，让用户关注需要他们关注的问题。会话接口中的集成扩展了访问并提高了解释的一致性。

“几年后，拥有增强分析功能的决策者可能只需要询问他们的数据个人分析助理分析最新的销售结果并提供建议，”萨拉姆补充道。“该系统学习特定的相关性触发因素，并最终能够发起交互，例如定期提供可操作的销售见解。”