從COVID-19新冠疫情、動蕩的全球政局和加速的氣候變化，企業(yè)營商環(huán)境盡管不停遭受著意外事件的劇烈沖擊，但仍然有不少企業(yè)通過提升數(shù)字化能力助力業(yè)務(wù)和管理決策，直接為企業(yè)帶來商業(yè)價值，在顛簸動蕩的環(huán)境中脫穎而出、茁壯成長。

數(shù)據(jù)智能技術(shù)是指將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為商業(yè)洞察和業(yè)務(wù)知識，幫助企業(yè)做出更高質(zhì)量經(jīng)營決策的各類技術(shù)，主要指Business Intelligence（BI） 和 Artificial Intelligence (AI) 兩個流派的技術(shù)。企業(yè)日常經(jīng)營管理和交易產(chǎn)生了大量的歷史數(shù)據(jù)，預(yù)計2025年當年產(chǎn)生的數(shù)據(jù)量級約等于2010年全年數(shù)據(jù)的90.5倍。數(shù)據(jù)智能技術(shù)應(yīng)用的空間被極大拓寬，在2022年將呈現(xiàn)出以下發(fā)展趨勢：

趨勢1 數(shù)據(jù)可視化/數(shù)據(jù)發(fā)現(xiàn)的重要性與日俱增

數(shù)據(jù)發(fā)現(xiàn)或可視化（Data Visualization/Discovery）就是從內(nèi)外部數(shù)據(jù)源獲取數(shù)據(jù)，整合，并進行高級的分析和可視化，得出數(shù)據(jù)洞察的過程。其主要影響就是能夠讓企業(yè)經(jīng)營管理的各層級人員都能夠較好的參與到該進程并被數(shù)據(jù)賦能，進而更好的提高各參與人員的數(shù)據(jù)素養(yǎng)，同時得出數(shù)據(jù)和商業(yè)洞察，以及基于數(shù)據(jù)洞察的行動方案。數(shù)據(jù)發(fā)現(xiàn)中的對于趨勢異常，運營異常的監(jiān)測能力非常受管理者重視。在我們?yōu)閲鴥?nèi)農(nóng)牧行業(yè)和家電制造行業(yè)的兩個頭部客戶進行數(shù)智運營咨詢和智能運營中心（IOC）設(shè)計的時候，客戶對于異常發(fā)現(xiàn)和預(yù)警的需求非常明確，認為對于異常的判斷規(guī)則實際是一種管理視角和經(jīng)驗的體現(xiàn)。

隨著近年來數(shù)據(jù)應(yīng)用的發(fā)展，數(shù)據(jù)發(fā)現(xiàn)或可視化的重要性與日俱增，在德國商業(yè)應(yīng)用研究中心（Business Application Research Center）的一份2021年的調(diào)研中，數(shù)據(jù)發(fā)現(xiàn)被列為2022年BI領(lǐng)域趨勢之首。

趨勢2 對實時數(shù)據(jù)及分析需求更加迫切

對于數(shù)據(jù)實時、分析實時（Data and Analytics in real-time）的需求在2010年互聯(lián)網(wǎng)經(jīng)濟發(fā)展期就已經(jīng)獲得了爆發(fā)式增長。今天，數(shù)據(jù)實時的重要性有增無減。尤其在2019年COVID-19病毒爆發(fā)之后，政府和企業(yè)管理組織已經(jīng)見識到實時數(shù)據(jù)和分析是如何能夠幫助他們迅速掌握狀況、調(diào)度資源，做出合理應(yīng)對策略的。因此，企業(yè)經(jīng)營分析等管理活動對于時效性要求與日俱增，傳統(tǒng)的靜態(tài)報表和報告已經(jīng)無法承載其訴求。實時的數(shù)據(jù)，動態(tài)的數(shù)據(jù)卡片組合而成的敏捷報告，靈活可調(diào)整的報告看板等已經(jīng)成為了當下企業(yè)管理者的主要訴求。要應(yīng)對時下變化節(jié)奏快、轉(zhuǎn)瞬即逝的社會和商業(yè)環(huán)境，實時數(shù)據(jù)和靈活動態(tài)的看板能夠更快，更高效地獲取重要信息。元年科技在為其眾多客戶實施數(shù)據(jù)中臺產(chǎn)品的過程中，絕大部分客戶對于數(shù)據(jù)實時性都有極高的要求，期望通過數(shù)據(jù)中臺實現(xiàn)數(shù)據(jù)的實時處理和調(diào)用，來應(yīng)對疫情之后沒有常態(tài)的“新常態(tài)”。

趨勢3 協(xié)同商業(yè)智能讓決策流程更加透明

協(xié)同商業(yè)智能（Collaborate Business Intelligence）其實是幾種數(shù)據(jù)智能技術(shù)的合集，包括BI、AI、社交媒體、云計算、數(shù)據(jù)中臺技術(shù)等，通過線上會議、線上合作，快速協(xié)同處理問題的場景將以上幾類技術(shù)有機整合，能夠提升企業(yè)內(nèi)部信息流共享效果，實現(xiàn)科學的、基于數(shù)據(jù)分析的業(yè)務(wù)決策，并高效生成自動化報告。例如，協(xié)同商業(yè)智能的表現(xiàn)形式可以是一份可交互的線上報告（使用者可以自由選擇組織、時間、維度等一些自定義選項），報告中的數(shù)據(jù)（或者數(shù)據(jù)卡片）在企業(yè)的大中小屏（監(jiān)控大屏、經(jīng)營主題中屏、移動小屏等）均保持一致口徑；它不僅能夠讓更多的人參與到信息鏈條中，吸收他們的洞察，還可以幫助企業(yè)解決遠程辦公、居家辦公等場景下公司內(nèi)部協(xié)作的效率問題。

隨著市場和社會的數(shù)字化，無論主動還是被動，企業(yè)高管、中層、基層員工都會從不同角度，用不同方式參與到企業(yè)內(nèi)部的數(shù)字化建設(shè)中來。協(xié)同商業(yè)智能能夠為企業(yè)帶來更有效率的決策流程（多角色充分參與），同時讓整個決策流程透明化。

趨勢4 商業(yè)智能與RPA自動化結(jié)合提升企業(yè)數(shù)據(jù)驅(qū)動能力

在2021年，Tibco 收購Blue Prism, 以及后續(xù)的Alteryx 和 Qlik 、UiPath 建立戰(zhàn)略合作伙伴關(guān)系，都直觀展現(xiàn)了商業(yè)智能領(lǐng)域的公司與RPA（流程自動化機器人)公司合作的戰(zhàn)略趨勢。其背后體現(xiàn)的技術(shù)趨勢是RPA的自動化技術(shù)與AI和BI分析平臺深度融合，能夠極大地增強數(shù)據(jù)分析和洞察能力和對企業(yè)行為的影響力，讓數(shù)據(jù)分析從描述性分析往預(yù)測性分析和診斷性分析轉(zhuǎn)變。

“AI+BI”的數(shù)據(jù)分析平臺發(fā)現(xiàn)問題、定位影響問題的主要因素和動因，并做出后續(xù)行為的推薦和流程的觸發(fā)，自動匹配對應(yīng)的解決方案和任務(wù)，推送到責任人的郵箱或者OA系統(tǒng)中，這就是“AI+BI+RPA”的診斷性分析能力。這種能力能夠?qū)崿F(xiàn)以數(shù)據(jù)洞察指導物理世界的實際行為，達到真正意義上的數(shù)據(jù)驅(qū)動行為、數(shù)據(jù)驅(qū)動企業(yè)治理的目的。打造數(shù)據(jù)驅(qū)動型企業(yè)就必須建立在數(shù)據(jù)分析達到了診斷性分析這個能力級別的前提上。可喜的是，我們離這個目標已經(jīng)越來越近。

趨勢5 自然語言處理技術(shù)將在數(shù)據(jù)分析領(lǐng)域得到更廣泛應(yīng)用

與RPA自動化類似，自然語言處理（NLP）技術(shù)也能夠打通從數(shù)據(jù)到行動的通道，但是通過一種間接的方式實現(xiàn)。從Tableau的 Ask data, 到元年智答，再到阿里的智能小Q，主流的數(shù)據(jù)分析產(chǎn)品平臺都已經(jīng)或者計劃往自己的平臺上添加NLP算法和語言交互功能，讓自然語言交互能力成為了新一代數(shù)據(jù)分析軟件的標配能力。其目的在于大幅降低數(shù)據(jù)分析系統(tǒng)和軟件的學習門檻，讓大量非數(shù)據(jù)分析背景的人員能夠容易地參與到應(yīng)用數(shù)據(jù)分析軟件的過程，不需要進行專門的培訓和訓練。

雖然當前企業(yè)整體對于NLP采用率不高，但是已經(jīng)有部分企業(yè)開始利用NLP這類AI技術(shù)來提升數(shù)據(jù)的質(zhì)量，輔助數(shù)據(jù)發(fā)現(xiàn)等。業(yè)界普遍看好NLP技術(shù)在企業(yè)數(shù)據(jù)分析領(lǐng)域中的采用率將會越來越高。

趨勢6 AI工程化推動人工智能技術(shù)的普及應(yīng)用

AI工程化的定義是不涉及AI、算法、前沿技術(shù)分支的深入研究和探索，而是基于目前已經(jīng)相對成熟的算法和技術(shù)（例如一些成熟的開源算法），將其與行業(yè)和企業(yè)的需求相結(jié)合，形成可落地，可實施的工程方案。從上世紀50年代人工智能技術(shù)誕生以來，AI一直象征著“前衛(wèi)”和“理想王國”。經(jīng)過了幾十年的發(fā)展， AI技術(shù)與商業(yè)模式的結(jié)合已經(jīng)在各行各業(yè)產(chǎn)生了顛覆性的影響，累積了大量AI技術(shù)落地的真實案例。而AI工程化則是人工智能技術(shù)大量落地所產(chǎn)生的必然趨勢，能夠加速AI應(yīng)用的落地過程。

AI工程化是實現(xiàn)AI模型運營化的學科，它意味著AI技術(shù)的成熟和更良好的使用體驗，對于希望借助AI來實現(xiàn)智能化運營的企業(yè)而言，AI工程化能夠顯著降低技術(shù)遷移成本，減少人才隊伍組建難度。AI和大數(shù)據(jù)的結(jié)合將更加緊密，將有力推動企業(yè)甚至行業(yè)的數(shù)字化、智能化轉(zhuǎn)型進程，提升生產(chǎn)效率。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞： 智能技術(shù)