数据分析正在成为企业数据生态系统的关键要素。它是物联网(IoT)的主要推动力之一，无疑将为数字经济的发展提供关键的竞争优势。
但其成本并不低，而且并不容易掌握。因此，随着企业发现自己面临越来越多的数据驱动型业务模式的选择，以及不得不创建高度复杂的分析环境来克服这些困难，许多组织都愿意在云端开展这一特定的努力是可以理解的。
根据“哈佛商业评论”的报告，近70%的企业希望在年底之前开始运行基于云计算的分析解决方案。其改进的决策和预测到更高的速度和效率的原因不同，但是在运营效益的基础上，这是一个简单的事实：云计算提供了一种快速启动分析基础设施和现代生产环境所需规模的手段。可以肯定的是，云计算中存在数据迁移和缺乏自定义的问题，但是通常将这些问题视为次要考虑因素，因为在商业模式被精通数据的更灵活的竞争对手中断之前，需要将分析工作快速运行。
IT平台供应商正在从传统的授权模式过渡到基于云的订阅服务，以快速提高那些缺乏资源的企业的分析能力。微软公司最近为其Azure物联网套件添加了新的边缘分析流服务和集中分析引擎，提供了一个完全管理的解决方案，以开始获得物联网数据的优势。 Azure流分析解决方案将分析功能推送到物联网设备，以减少集中资源的流量，而采用“时间系列洞察”工具则利用Azure自己的分析能力来显示时间戳数据，以发现模式和异常情况。
另一个关键功能是语音识别和分析采用云计算。亚马逊公司最近向其Connect联络中心提供了VoiceBase。目的是为组织提供分析与客户的记录对话的方法，以收集关于服务履行，呼叫跟踪，人力管理和其他任务的见解。该系统与S3存储平台和Hadoop和Kinesis等处理引擎集成，通过Amazon QuickSight，Qlik或Tableau提供报告。
而在某种程度上，基于云计算的分析引擎也可以用于优化云资源本身的消费和集成。 SnapLogic公司最近在其基于PaaS的企业集成云中添加了一种名为Iris的技术，允许组织自动执行当前人工执行的许多云配置任务。该系统可处理数十亿个元数据元素和其他数据点，以便为云计算中的数据，应用程序和流程提供分步指导，有效地为业务线管理人员提供自主驾驭的云计算，从而没有云管理的前期复杂性。
虽然云计算可能提供建立和维护分析基础设施的有效手段，但仍然由企业确保其产生的结果的质量。要做到这一点的最好的方法是通过更细致的方法来运行流程，目标和商业模式，以确定其需要知道的内容，以及在哪里获取驱动知情决策的数据。
与工具箱中的任何工具一样，分析的价值并不取决于它的成效，而是使用得有多好。
本文转自d1net（原创）