2019年是分析技术开始提供用户40多年来一直梦想的东西的一年——方便、自然地获取可靠的商业信息。

1。机器学习无处不在。继90年代的语义层商业智能平台和21世纪的数据发现之后，我们已经进入了第三次分析浪潮。基于云技术和机器学习的增强分析平台正在打破分析成功的最长障碍。它们给用户带来了深刻的见解，而不是强迫用户发掘难以捉摸的趋势，52返现网，并提供了更直观的界面，使人们更容易获得工作所需的数据。嵌入式分析加速发展。运营应用程序和分析之间的历史界线继续模糊。由于机器学习的进步，规范的"智能应用"已经成为现实。这些数据驱动、自学习的业务流程会随着时间的推移和人们的使用而自动改进。云分析的采用率猛增。云为分析带来了灵活性和更快的创新。随着业务应用程序向云端移动，外部数据变得越来越重要，云分析成为企业架构的一个自然组成部分。

对于较小的组织来说，大数据的发展前景，优势尤其重要：云提供了经济实惠的按需访问分析和数据处理能力，而这些能力以前被保留了很多大型组织有专门的分析团队。

然而，一些数据永远不会移动到云上-需要一种细致入微的方法，利用现有的分析投资，同时移动到混合的本地/云分析架构。

4。更好的用户体验推动了更多的采用。语音和文本识别的进步意味着用户最终可以使用日常语言提出商业问题。人工智能辅助的数据发现可以自动挖掘数据以获得见解，并提出新的、特殊的或不同的观点。

聊天机器人和个人助理可以无缝访问用于运营业务的基本号码。使用实时系统作为基础，管理者最终得到仪表板，他们需要所有的信息来实时地运行业务的各个方面。合规性推动了真正的数据平台采用，并得到更灵活的数据管理的支持。正如过去四十年一样，数据收集、准备和标准化仍然是分析中最具挑战性的方面。法规遵从性和隐私问题的增加推动了更多标准化方法的采用，例如，降低了数据发现体系结构的吸引力，这些体系结构分别从核心系统中提取和操作数据。

实时处理、数据目录和新的"数据编排"系统允许组织保留整个组织内数据的一致视图，而不必将其物理存储在单个位置。

6。数据素养将继续是一个大问题。分析成功的最大障碍从来不是技术。给别人世界上最好的铅笔并不能使他们成为毕加索。

分析文化、技能和组织仍然是将信息转化为更低成本或增加利润的最大障碍。组织必须在分析技能和激励措施上投入与在技术上同样多的时间和金钱。会有越来越多的人工智能失败。像任何强大的技术一样，人工智能带来了新的危险。算法是反社会的：他们不知道自己在做什么。人工智能为提高生产力和增强人类智能带来了惊人的机遇。但它放大了数据质量和数据偏见方面存在的任何问题，并对隐私和道德构成了前所未有的挑战。

全面的治理和数据透明度政策至关重要。可悲的是，事情在好转之前可能会变得更糟——在引人注目的灾难成为头条新闻之前，组织必须实施道德流程、理事会和外部顾问。端到端的决策平台应运而生。传统上，分析只关注端到端"数据之旅"的一小部分。除非业务发生实际变化，否则信息和洞察力是无用的。

更全面、端到端的分析方法正在出现，这不仅是因为运营与分析的结合，同时，大数据啥意思，还采用更主动、更无缝的方法将用户分析转化为具体行动。这从根本上取决于人类的判断、共识和创造力，但它必须得到分析、传统商业计划活动和社交协作平台之间更好整合的支持。人工智能和机器学习使分析更加人性化。更强大的增强分析将消除大量收集和处理数据以及确定进一步调查领域的工作。但归根结底，人是将数据转化为业务改进所需的最重要的"技术"。

在一个基本决策日益自动化的时代，更多的战略选择依赖于独特的人类技能，怎样做淘客，如创造力、对环境的理解和领导力。

10。新体验分析。理解和优化客户体验是成功数字化转型的基石。传统的分析侧重于从操作系统流动的结构化数据。较新的分析平台将更多的非结构化数据（如文本、图像和原始传感器读数）混合到分析工作流程中。

下一步是将分析扩展到操作数据和"体验数据"——即个人与产品、品牌、产品和服务交互时的独特主观体验，以及内部业务流程。

展望2020年及以后。随着越来越多的设备捕捉到越来越细微的数据，淘客网店推广平台，技术能力加速，强大的机器学习仍处于起步阶段，分析正准备进入一个新的黄金时代。

有关分析趋势的更多信息，请参阅#askSAP实时聊天重播