在智能化決議計劃愈來愈被看重的明天，不管行業或企業范圍若何，我們看到愈來愈多的企業開端依附數據剖析和可視化來樹立本身的競爭優勢。
各行各業的企業在搜集、存儲和剖析來自分歧格局的數據。在貿易智能化競爭下，要想取得勝利，應用數據停止貿易決議計劃則釀成了比營業自己更主要的工作。
數據剖析和可視化技巧的疾速成長意味著企業和小我異常愿望經由過程準確的技巧選擇盡快地取得營業上的勝利。
創業者們須要曉得他們能否選擇了準確的說話、產物、架構和數據源，而小我則須要曉得他們能否正在進修準確的技巧來取得更有前程的任務。
那些沒有選擇準確的人會見臨被鐫汰的風險，由于他們沒有充足應用及時的數據剖析和可視化法式供給的洞察懂得。
基于數據剖析和可視化技巧的敏捷成長，企業級辦事商Zoomdata結合橫跨多范疇的科技媒體公司O’Reilly Media停止了一次查詢拜訪，以評價智能貿易近況。有875名受訪者供給了他們應用這些技巧的情形。在具體剖析調研成果之前，我們先把重要的結論列出，以便年夜家瀏覽：
年夜數據剖析和可視化運用在制作業、金融辦事和科技／軟件公司中是最成熟的
這些技巧平日是企業級用戶及營業剖析師來應用，他們平日是依附可視化儀表盤來獲得所需的看法，以優化營業流程并更好的懂得客戶
關系型數據庫依然是最多見的數據源（固然剖析型數據庫和Hadoop是年夜數據范疇最多見的數據源）
企業異常須要Python、SQL和關系型數據庫的才能
Kafka和Spark正在成為流數據技巧（streaming data technology）的首選
360度客戶洞察是最多見的應用場景
1、貿易需求激發營業流程迭代
875個受訪者來自分歧的行業（如圖1所示），個中跨越35%來自科技／軟件行業，接近10%來自金融辦事，8%來自醫療安康／醫療科技范疇，還有制作業、當局、批發和教導／學術這幾個范疇分離占約5%。
圖1 受訪者地點的行業及占比
從受訪者的任務崗亭來看，18%是是工程師／開辟人員，17%是數據迷信家，15%是數據剖析師／營業剖析師，還有13%是架構師，他們的公司范圍各別。風趣的是，企業CXO們和司理的占比也異常高（14%），乃至高于IT專家（8%）。
還有一個值得存眷的是，有26%的受訪者是來自員工人數少于50人的企業，這也注解了小型企業是應用這些新技巧和營業流程的引導者。
跨越50%的受訪者表現，他們應用剖析來取得全方位的客戶洞察，43%的受訪者應用剖析來優化營業流程（如圖2所示）。客戶和營業流程是直接影響營業的主要身分，是以這些環節也是企業須要應用數據剖析和可視化對象從而經由過程數據來幫助決議計劃的主要方面。
圖2 數據剖析和可視化對象應用的重要范疇和占比
2、智能決議計劃的行業運用
在圖2中，我們看到360度客戶洞察是數據剖析和可視化對象應用最多的范疇，然則從分歧的行業來看情形能夠就有所分歧，并且也能顯示出一些趨向。
在科技／軟件、金融辦事和批發行業，360度客戶洞察無疑是應用剖析技巧最重要的范疇，占比在50%以上。令我們覺得驚奇的是在教導／學術行業，應用剖析技巧最重要的范疇也是360度客戶洞察。毫無疑問這些行業都是客戶至上的行業，只要周全的懂得客戶，能力給客戶更好的體驗，能力取得更多的支出。
醫療保健／醫療科技行業西醫療數據剖析是應用剖析技巧的重要范疇，這其實不使人驚奇，由于能稱作是醫療科技的醫療企業都須要剖析醫療數據，不然很難做出有實際意義的結果。
營業流程優化也是一個重度應用剖析技巧的重要范疇，在查詢拜訪申報里的一切觸及到的行業，營業流程優化應用技巧剖析技巧的占比都排在前三位，在制作業和當局行業則排名第一。優化營業流程平日會下降運營本錢，并能夠進步客戶的滿足度，是以這也是在很多行業中樹立競爭優勢的計謀門路之一。
制作業和批發行業也把重點放在了供給鏈剖析上。實時發明供給鏈環節中存在的成績，可以贊助批發商和制作企業節儉換供給商的時光。一個優化的供給鏈構造也是一個企業的競爭優勢和技巧壁壘。
訛詐檢測／收集平安諜報是金融辦事和當局行業的主要范疇。訛詐檢測關于任何金融辦事都相當主要，離錢越近的處所越輕易涌現訛詐行動。檢測并清除訛詐行動有助于與客戶樹立信賴并下降運營本錢。收集平安諜報是浩瀚當局機構存眷的核心，在選舉和可連續運營層面，避免訛詐也相當主要。
我們還向受訪者提了如許一個成績“貴公司的年夜數據剖析處于甚么階段？是方才開端，照樣曾經運用在任務的各個方面？”，有助于我們懂得各行業的采取率若何變更。令我們驚奇的是制作業行業有26%的受訪者表現他們的公司在多個方面都曾經應用了數據剖析技巧，是一切行業中最高的，而最低的是當局行業，只要7%的人以為公司在多個方面曾經運用了數據剖析技巧。當局行業也是“我們沒有應用年夜數據剖析技巧”這個選項占比最多的行業，到達33%，科技／軟件行業則占比最低。
3、面前的技巧道理
在若何獲得數據起源的成績中，數據倉庫／數據集市是最多的答復，在批發行業最為顯著。虛擬結合／糅合（Virtual federation/mashup，即時混雜數據而不移入倉庫）在醫療安康／醫療科技、科技／軟件和當局行業運用的最多。
圖3 數據起源在各行業的散布占比
關系型數據庫依然是各行業應用最多的，在醫療安康／醫療科技行業的占領率到達39%。非關系型數據庫和年夜數據存儲的剖析型數據庫、Hadoop、NoSQL數據庫、云數據存儲、內存數據庫和搜刮數據庫中，金融辦事和當局應用剖析型數據庫最多，而批發和科技／軟件行業應用云數據庫存儲最多。
Kafka和Spark是剖析流數據最經常使用的技巧，在我們的查詢拜訪中，這兩個技巧占流數據剖析的65%以上。科技／軟件行業是應用Kafka的重要行業，其次是金融辦事。當局中最廣泛的是應用Confluence。
4、人才網job.vhao.net缺口
在我們剖析應用數據剖析和可視化對象的技巧人員的相干技巧時，我們發明整體上需求最年夜的是Python、SQL和關系型數據庫，其次是Hadoop和Java。當局行業最須要的是會Python的人才網job.vhao.net，其次是關系型數據庫的人才網job.vhao.net，而醫療安康／醫療科技最須要的事SQL的人才網job.vhao.net。
5、智能決議計劃的價值地點
權衡年夜數據的價值有四個方面：精確性、及時性、多樣性和數據量。精確性指的是數據接近“本相”的水平，及時性指的是數據搜集和剖析的速度，多樣性指的是構造化和非構造化數據的多種起源和類型，數據量指的是可以或許搜集和剖析的總數據量。我們經由過程懂得各個企業重視這四個方面的哪幾個方面，來深刻懂得數據剖析是若何影響公司營業的。
從全體來看，權衡數據的價值最主要的方面是精確性，這其實不使人不測，由于沒有真實的數據，那末剖析成果就沒有任何意義。其次主要的是多樣性，這注解不管甚么行業，做數據剖析和可視化必需要聯合多種起源和類型的數據，能力更好的供給企業所需的看法。及時性是最不主要的，這注解典范的貿易數據獲得能否實時其實不影響剖析的成果和營業的決議計劃，這也是流數據剖析絕對少的緣由之一。但及時性關于科技／軟件和制作業來講倒是最有價值的。
總之，為了更好的給企業供給貿易價值，智能化對象愈來愈多的運用在平常任務中，給營業剖析師和治理人員供給所需的信息。這些信息平日嵌入到臨盆情況的運用法式或自力的BI運用中，并經由過程儀表盤停止操作。我們經由過程這個調研愿望可以給企業一個直不雅的感觸感染，讓各個行業的從業人員都懂得到年夜數據剖析技巧曾經成長到甚么水平和采取度若何，在往后采取這些新技巧或拓展年夜數據搜集、存儲、剖析和可視化運用時，有一個參考。
