各行各業(yè)的企業(yè)在收集、存儲和分析來自不同格式的數(shù)據(jù)。在商業(yè)智能化競爭下，要想獲得成功，利用數(shù)據(jù)進行商業(yè)決策則變成了比業(yè)務(wù)本身更重要的事情。

 

　　數(shù)據(jù)分析和可視化技術(shù)的快速發(fā)展意味著企業(yè)和個人非常希望通過正確的技術(shù)選擇盡快地獲得業(yè)務(wù)上的成功。

 

　　創(chuàng)業(yè)者們需要知道他們是否選擇了正確的語言、產(chǎn)品、架構(gòu)和數(shù)據(jù)源，而個人則需要知道他們是否正在學(xué)習(xí)正確的技能來獲得更有前途的工作。

 

　　那些沒有選擇正確的人會面臨被淘汰的危險，因為他們沒有充分利用實時的數(shù)據(jù)分析和可視化程序提供的洞察理解。

 

　　基于數(shù)據(jù)分析和可視化技術(shù)的迅速發(fā)展，企業(yè)級服務(wù)商Zoomdata聯(lián)合橫跨多領(lǐng)域的科技媒體公司O’Reilly Media進行了一次調(diào)查，以評估智能商業(yè)現(xiàn)狀。有875名受訪者提供了他們使用這些技術(shù)的情況。在詳細分析調(diào)研結(jié)果之前，我們先把主要的結(jié)論列出，以便大家閱讀：

 

　　大數(shù)據(jù)分析和可視化應(yīng)用在制造業(yè)、金融服務(wù)和科技／軟件公司中是最成熟的

 

　　這些技術(shù)通常是企業(yè)級用戶及業(yè)務(wù)分析師來使用，他們通常是依靠可視化儀表盤來獲取所需的見解，以優(yōu)化業(yè)務(wù)流程并更好的了解客戶

 

　　關(guān)系型數(shù)據(jù)庫仍然是最常見的數(shù)據(jù)源（雖然分析型數(shù)據(jù)庫和Hadoop是大數(shù)據(jù)領(lǐng)域最常見的數(shù)據(jù)源）

 

　　企業(yè)非常需要Python、SQL和關(guān)系型數(shù)據(jù)庫的能力

 

　　Kafka和Spark正在成為流數(shù)據(jù)技術(shù)（streaming data technology）的首選

 

　　360度客戶洞察是最常見的使用場景

 

 

　　875個受訪者來自不同的行業(yè)（如圖1所示），其中超過35%來自科技／軟件行業(yè)，接近10%來自金融服務(wù)，8%來自醫(yī)療健康／醫(yī)療科技領(lǐng)域，還有制造業(yè)、政府、零售和教育／學(xué)術(shù)這幾個領(lǐng)域分別占約5%。

　　圖1 受訪者所在的行業(yè)及占比

 

　　從受訪者的工作崗位來看，18%是是工程師／開發(fā)人員，17%是數(shù)據(jù)科學(xué)家，15%是數(shù)據(jù)分析師／業(yè)務(wù)分析師，還有13%是架構(gòu)師，他們的公司規(guī)模各異。有趣的是，企業(yè)CXO們和經(jīng)理的占比也非常高（14%），甚至高于IT專家（8%）。

 

　　還有一個值得關(guān)注的是，有26%的受訪者是來自員工人數(shù)少于50人的企業(yè)，這也表明了小型企業(yè)是使用這些新技術(shù)和業(yè)務(wù)流程的領(lǐng)導(dǎo)者。

 

　　超過50%的受訪者表示，他們使用分析來獲得全方位的客戶洞察，43%的受訪者使用分析來優(yōu)化業(yè)務(wù)流程（如圖2所示）?？蛻艉蜆I(yè)務(wù)流程是直接影響業(yè)務(wù)的重要因素，因此這些環(huán)節(jié)也是企業(yè)需要使用數(shù)據(jù)分析和可視化工具從而通過數(shù)據(jù)來輔助決策的重要方面。

　　圖2 數(shù)據(jù)分析和可視化工具使用的主要領(lǐng)域和占比

 

 

　　在圖2中，我們看到360度客戶洞察是數(shù)據(jù)分析和可視化工具使用最多的領(lǐng)域，但是從不同的行業(yè)來看情況可能就有所不同，而且也能顯示出一些趨勢。

 

　　在科技／軟件、金融服務(wù)和零售行業(yè)，360度客戶洞察無疑是使用分析技術(shù)最主要的領(lǐng)域，占比在50%以上。令我們感到驚訝的是在教育／學(xué)術(shù)行業(yè)，使用分析技術(shù)最主要的領(lǐng)域也是360度客戶洞察。毫無疑問這些行業(yè)都是客戶至上的行業(yè)，只有全面的了解客戶，才能給客戶更好的體驗，才能獲得更多的收入。

 

　　醫(yī)療保健／醫(yī)療科技行業(yè)中醫(yī)療數(shù)據(jù)分析是使用分析技術(shù)的主要領(lǐng)域，這并不令人驚訝，因為能稱作是醫(yī)療科技的醫(yī)療企業(yè)都需要分析醫(yī)療數(shù)據(jù)，否則很難做出有現(xiàn)實意義的成果。

 

　　業(yè)務(wù)流程優(yōu)化也是一個重度使用分析技術(shù)的主要領(lǐng)域，在調(diào)查報告里的所有涉及到的行業(yè)，業(yè)務(wù)流程優(yōu)化使用技術(shù)分析技術(shù)的占比都排在前三位，在制造業(yè)和政府行業(yè)則排名第一。優(yōu)化業(yè)務(wù)流程通常會降低運營成本，并可能提高客戶的滿意度，因此這也是在許多行業(yè)中建立競爭優(yōu)勢的戰(zhàn)略途徑之一。

 

　　制造業(yè)和零售行業(yè)也把重點放在了供應(yīng)鏈分析上。及時發(fā)現(xiàn)供應(yīng)鏈環(huán)節(jié)中存在的問題，可以幫助零售商和制造企業(yè)節(jié)省換供應(yīng)商的時間。一個優(yōu)化的供應(yīng)鏈結(jié)構(gòu)也是一個企業(yè)的競爭優(yōu)勢和技術(shù)壁壘。

 

　　欺詐檢測／網(wǎng)絡(luò)安全情報是金融服務(wù)和政府行業(yè)的重要領(lǐng)域。欺詐檢測對于任何金融服務(wù)都至關(guān)重要，離錢越近的地方越容易出現(xiàn)欺詐行為。檢測并消除欺詐行為有助于與客戶建立信任并降低運營成本。網(wǎng)絡(luò)安全情報是眾多政府機構(gòu)關(guān)注的焦點，在選舉和可持續(xù)運營層面，防止欺詐也至關(guān)重要。

 

　　我們還向受訪者提了這樣一個問題“貴公司的大數(shù)據(jù)分析處于什么階段？是剛剛開始，還是已經(jīng)應(yīng)用在工作的各個方面？”，有助于我們理解各行業(yè)的采用率如何變化。令我們驚訝的是制造業(yè)行業(yè)有26%的受訪者表示他們的公司在多個方面都已經(jīng)使用了數(shù)據(jù)分析技術(shù)，是所有行業(yè)中最高的，而最低的是政府行業(yè)，只有7%的人認為公司在多個方面已經(jīng)應(yīng)用了數(shù)據(jù)分析技術(shù)。政府行業(yè)也是“我們沒有使用大數(shù)據(jù)分析技術(shù)”這個選項占比最多的行業(yè)，達到33%，科技／軟件行業(yè)則占比最低。

 

 

　　在如何獲取數(shù)據(jù)來源的問題中，數(shù)據(jù)倉庫／數(shù)據(jù)集市是最多的回答，在零售行業(yè)最為明顯。虛擬聯(lián)合／糅合（Virtual federation/mashup，即時混合數(shù)據(jù)而不移入倉庫）在醫(yī)療健康／醫(yī)療科技、科技／軟件和政府行業(yè)應(yīng)用的最多。

　　圖3 數(shù)據(jù)來源在各行業(yè)的分布占比

 

　　關(guān)系型數(shù)據(jù)庫仍然是各行業(yè)使用最多的，在醫(yī)療健康／醫(yī)療科技行業(yè)的占有率達到39%。非關(guān)系型數(shù)據(jù)庫以及大數(shù)據(jù)存儲的分析型數(shù)據(jù)庫、Hadoop、NoSQL數(shù)據(jù)庫、云數(shù)據(jù)存儲、內(nèi)存數(shù)據(jù)庫和搜索數(shù)據(jù)庫中，金融服務(wù)和政府使用分析型數(shù)據(jù)庫最多，而零售和科技／軟件行業(yè)使用云數(shù)據(jù)庫存儲最多。

 

　　Kafka和Spark是分析流數(shù)據(jù)最常用的技術(shù)，在我們的調(diào)查中，這兩個技術(shù)占流數(shù)據(jù)分析的65%以上?？萍迹浖袠I(yè)是使用Kafka的主要行業(yè)，其次是金融服務(wù)。政府中最普遍的是使用Confluence。

 

 

　　在我們分析使用數(shù)據(jù)分析和可視化工具的技術(shù)人員的相關(guān)技能時，我們發(fā)現(xiàn)總體上需求最大的是Python、SQL和關(guān)系型數(shù)據(jù)庫，其次是Hadoop和Java。政府行業(yè)最需要的是會Python的人才，其次是關(guān)系型數(shù)據(jù)庫的人才，而醫(yī)療健康／醫(yī)療科技最需要的事SQL的人才。

 

 

　　衡量大數(shù)據(jù)的價值有四個方面：準(zhǔn)確性、實時性、多樣性和數(shù)據(jù)量。準(zhǔn)確性指的是數(shù)據(jù)接近“真相”的程度，實時性指的是數(shù)據(jù)收集和分析的速度，多樣性指的是結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的多種來源和類型，數(shù)據(jù)量指的是能夠收集和分析的總數(shù)據(jù)量。我們通過了解各個企業(yè)看重這四個方面的哪幾個方面，來深入理解數(shù)據(jù)分析是如何影響公司業(yè)務(wù)的。

 

　　從整體來看，衡量數(shù)據(jù)的價值最重要的方面是準(zhǔn)確性，這并不令人意外，因為沒有真實的數(shù)據(jù)，那么分析結(jié)果就沒有任何意義。其次重要的是多樣性，這表明無論什么行業(yè)，做數(shù)據(jù)分析和可視化必須要結(jié)合多種來源和類型的數(shù)據(jù)，才能更好的提供企業(yè)所需的見解。實時性是最不重要的，這表明典型的商業(yè)數(shù)據(jù)獲取是否及時并不影響分析的結(jié)果和業(yè)務(wù)的決策，這也是流數(shù)據(jù)分析相對少的原因之一。但實時性對于科技／軟件和制造業(yè)來說卻是最有價值的。

 

　　總之，為了更好的給企業(yè)提供商業(yè)價值，智能化工具越來越多的應(yīng)用在日常工作中，給業(yè)務(wù)分析師和管理人員提供所需的信息。這些信息通常嵌入到生產(chǎn)環(huán)境的應(yīng)用程序或獨立的BI應(yīng)用中，并通過儀表盤進行操作。我們通過這個調(diào)研希望可以給企業(yè)一個直觀的感受，讓各個行業(yè)的從業(yè)人員都了解到大數(shù)據(jù)分析技術(shù)已經(jīng)發(fā)展到什么程度以及采用度如何，在今后采用這些新技術(shù)或拓展大數(shù)據(jù)收集、存儲、分析和可視化應(yīng)用時，有一個參考。