摘要：在过去的2015年中，我们看到了在商务智能领域所发生的重大的转型。越来越多的企业纷纷开辟了利用数据的理念，以便能够从数据中探索和发现更多有洞察价值的信息。甚至有相当一部分的企业已经开始将数据分析的功用交付到他们的普通职员的手中了。
在新加坡，该国从国家层面打造“智能国家(Smart Nation)”的政策发挥了带动力量。同时发挥作用的还包括该国政府所颁布的《2025年资讯通信媒体发展蓝图》(Infocomm Media 2015)，其目的是在该国打造一个新的经济模式：其要比以往更倚重技术。
商务智能的规范正在不断发展，并导致了一些工作场所的文化变革。这种变化不仅是由快速发展的技术所推动的，而且还是由不断推陈出新(且更容易学习)的工具所推动，从而帮助我们得以能够从我们的数据中得到更多的价值。
而在2016年，鉴于依靠数据分析结论进行核心业务决策的制定已然在越来越多的企业站稳了脚跟，同时数据分析在社会领域的影响也在进一步扩大，预计我们将在商务智能领域看到一个更深层的文化转变。
在每年刚开始之际，我们都将对整个业界在新的一年里将会出现怎么的发展趋势进行预测性分析。而在本文中，我们就将与大家共同探讨关于商务智能在2016年的十大发展趋势。
数据管理和自助服务分析合二为一
在过去，数据管理和自助服务分析被认为是一对天然的敌人。您一次只能获得这二者的其中之一，而决不可能使这二者同时在一起。而在2016年，我们相信这二者彼此之间的战争已经结束，业务和技术之间的文化差距正在进一步缩小。
今年早些时候，Gartner曾指出，数据发现、获得多结构化数据、数据准备工具和各种智能功能的崛起，将进一步使得获得数据分析变得平民化，同时也将为数据的管理需求带来了更大的压力。Gartner还预测，到2017年，大多数企业的业务部门的用户和分析师们都将有机会通过自助式的工具来为数据分析做准备。尽管数据分析的趋势正大行其道，但当人们有了集中、干净和快速的数据来源，同时当他们知道了某些IT人员正在为更好的安全和性能进行探索时，人们将能够更容易的深入挖掘他们的数据。鉴于此，企业正在学习如何进行数据管理，而当这些学习过程执行得恰当，并得到其IT部门的充分支持的话，可以有助于企业培养一种数据分析文化，并满足业务部门的需求。
可视化分析成为通用语言
数据正在改变企业董事会及普通部门的交流和沟通。人们将他们的数据探索问题、揭示的洞察分析可视化，并与数据专家和非专家进行分享。随着数据使用量的增长，甚至更多的人会主动的转向数据，以寻求解决他们专业或个人的问题。
我们看到了太多的用户将各种各样的可视化分析工具运用到了他们的日常生活中，包括企业商务人士、学生和家庭主妇。例如，新加坡义安理工学院，是新加坡知名的高等学府，该学院就已经积极的将数据分析纳入到了他们面向教师和学生的课程之中。事实上，讲师们也开始在他们的课堂上使用可视化的分析工具，鼓励学生适应并熟悉与数据的工作。
越来越多的可视化分析将作为共同的语言，使人们能够很快达成合作，发掘出有意义的见解，并建立一个数据的智能社区。
数据产品链是一种民主
自助服务分析工具已经改变了人们对好的期望。在2016年，人们将寻求跨越数据连续性的授权。驱动这种变化的很大一部分将是千禧一代年轻人进入劳动力市场。根据普华永道的预测，到2020年，千禧世代的员工数量将有望占到全球员工数量的百分之五十。
千禧世代的员工们无论是在办公室或是在路上都希望能够很容易的获得数据。他们将要探索的数据本身，做出他们自己的发现。这也就是为什么随着自助服务分析的自然延伸，对自助服务数据准备工具甚至自助服务数据仓库的需求将增长的原因所在了。这民主化将使人们能够对迅速变化的优先事项作出回应。
数据集成变得令人瞩目
现如今，许多公司都想要灵活敏捷的数据分析。他们希望得到正确的数据，并将其交付给最合适的员工进行迅速的分析。这是一个不小的挑战，因为这些数据通常都散步在许多不同的地方。
跨数据源的工作可以是相当繁琐单调乏 味，或不可能的，或两者兼而有之。在2016年，我们会在数据集成领域看到更多的市场新手。随着更高级的数据集成工具出现，企业用户将停止尝试收集每一个字节的数据并将它们存储在同一个地方。数据探索人员将把每个数据集连接起来，融为一体，或加入具有更灵活的工具和方法。
高级分析师不仅仅只是分析师
跨整个区域的非分析正变得越来越复杂。企业所期待的并不只是通过数据分析所获得得多路线图。在最近的研究中，Gartner指出，业务部门和IT领导者正在对高级分析加大投资力度，以解决业务问题，并为业务部门提供远远超越了传统的BI优势。
企业业务部门的用户现在希望有一个更深入，更有意义的分析经验。而企业将采用平台，让这些业务部门的用户应用统计，提出一系列的问题，并留在他们的分析流程。
数据和分析将进一步更多的采用云服务
在2015年，与数据打交道进行工作的人们已经开始积极采用云计算了。他们意识到把数据放在云中是很容易且具有高度可扩展性的。他们还看到，云分析使他们能够更灵活。
而我们预计在新的一年里，更多的人将开始向云中过渡，部分原因是为了有了能够帮助他们更好的使用网络数据的工具。而早期的采纳者们已经从这个数据中进行学习，其他后进者也正在意识到他们应该这样做了。而更多的公司将使用云分析来更快的分析更多的数据。他们将像对于其他任何重要的企业制度一样依赖它。
接受数据分析的教育
新加坡的“智能国家”的政策的其中一个主要重点是向公众提供更加开放的数据。 这样，越来越多的企业将建立一个中心，以促进自助分析的培养。这些中心在实施一个数据驱动的文化过程中将起着关键的作用。通过启用诸如网上论坛和一对一的培训中心等项目，使得即使非专家也将能够利用数据分析转化为他们自己的决策。
新加坡资讯通信发展管理局(IDA)所启动的Hive计划便是一个很好的例子。该政府机构的重点是确保向公民提供的数字体验是有用的，相关的，易于使用的。目标是利用数据分析，以获得更好的用户需求洞察，以提高他们的数字化政府事务的经验，该机构同时还扮演了一个顾问的角色，协助机构开发新服务或增强现有服务的体验质量。
移动分析的独立性
移动分析已经获得了长足的发展。其已经不再只是一个传统的商业智能产品的接口了。在2015年，具有数据流，移动体验优先产品一经开始兴起。与数据打交道，对其进行分析已然不再是繁杂的苦差事了，而分析过程正在变为一个更有活力的部分。
深入挖掘物联网数据
在2016年，物联网(IoT)正准备变得更加普遍。似乎一切具备传感器的设备都在将信息发送回母舰，无论是健身跟踪设备、家庭安全系统或工业机械。
想想所有的移动设备都已经围绕着时钟产生数据。由于物联网所生成的数据量的增长，确实带来了进一步洞察分析的潜力。企业将寻找工具，并允许用户探索数据，然后以安全、合规管理和互动的方式分享他们的研究成果。
新技术的兴起
专为BI系统而设计打造的新技术将不断涌现。随着这些技术不断进入市场，我们将看到需求的空白被填补。 Hadoop加速器，NoSQL的数据集成，物联网数据集成，改善的社会化媒体，每一种新技术的呈现都将为企业提供了新的商机。
在2016年，我们将看到填补需求差距的兴起，导致市场的整合。而企业将继续由单一的解决方案朝着开源的和灵活的协议栈的新技术方面转向。
本文转自d1net（转载）