更新更快的数据渠道正在包围数字业务领域，因此业务运营商和用户对他们想要从数据中获得什么的要求越来越高。现在，传统的商业智能 (BI) 平台已不足以解决所有类型的业务查询；用户越来越关注数据发现BI 解决方案的能力，以满足他们的日常需求。如今，每个业务决策都由分析指导，数据发现工具为特定情况的信息需求提供定制解决方案。

作为商业智能之战：数据发现与传统 BI建议，标准数据发现平台的视觉功能使用户能够从不同类型的源中提取数据，并避免 Excel 的复杂性来获得临时查询的答案。简而言之，Data Discovery 在不牺牲执行速度的情况下提供高级分析。


传统 BI：通过探索分析的出现

多年来，所有主要的 BI 平台都提供了一些工具来分析原始数据和报告结果。结果的可视化表示仅限于饼图、图形和数据透视表。主要缺点是业务分析师必须是工具专家，这极大地限制了这些工具在 IT 走廊中的使用。

然后是智能仪表板，它召唤了数据探索和数据发现的时代。仪表板成功地打动了广泛的用户，从最高管理层到业务人员，但仍然需要 IT 员工的技术知识来理解仪表板的内容。

数据发现：只是探索还是更多？

那么什么是数据发现呢？解释了 Data Discovery 与传统 BI 的区别：它提供速度、准确性、可用性、灵活性和协作性。

数据发现允许用户快速获得临时查询的答案，这些查询可能来自不同的来源。
报告的“视觉”方面使理解变得容易。
Data Discovery 专为针对个别问题的定制解决方案而设计，而不是针对传统 BI 标准问题的标准解决方案。
数据访问的便利性使企业范围内的用户能够针对特定业务情况查找和重用可视化“快照”。
Data Discovery 为 BI 环境添加了某种“治理”，同时作为传统 BI 系统的核心组件无缝工作。
以大数据分析为例。在将获取的数据输入数据发现工具之前，必须对其进行探索和调整。这意味着什么？通常，在数据探索阶段，数据和业务专家都参与了对原始数据的提炼，为进一步发现做好准备。稍后，在数据发现阶段，业务用户可以从数据的可视化表示中检索答案，如在数据探索与数据发现.

此数据探索阶段对业务分析至关重要，因为如果没有此步骤，用户很容易最终使用“错误”类型的数据，从而导致错误的结果。从传统 BI 报告结果到在数据发现中直观地揭示洞察力的基本转变促使公民数据科学家欣然采用该平台。数据探索、数据发现的双重保障，确保没有深厚工具技能的普通业务用户可以通过“展示和讲述”的方法找到解决日常问题的方法。

Qlik 和 Tableau 等供应商通过在其传统 BI 系统中添加数据发现功能改变了分析师的生活。良好的可视化分析和数据发现工具的特征声称“可视化分析”可以轻松地将洞察力转化为可操作的决策，因为用户有权查看操作的结果。

更高的等级：智能数据发现

在过去十年或更长时间中，业务分析已经发展到这样的程度，随着现代技术和工具的出现，用户也经历了从数据处理到数据探索的彻底转变。智能数据发现将从根本上改变分析表明复杂数据建模的日子已经一去不复返了。现在，可以使用先进的机器学习 (ML) 算法在几秒钟内编译和分析来自不同来源的数十亿数据堆。

Gartner 报告称：

“到 2021 年，具有智能数据发现功能的现代 BI 和分析平台的用户数量将以两倍的速度增长，并将提供两倍的业务价值。”
点播课程：业务分析在行动
学习新的分析和机器学习技能和策略，您可以立即在您的组织中使用。

在这里注册
据知名研究公司称，智能数据发现将是分析中的下一件大事。

数据科学家和 BI 专家都充当商业技术的推动者，因为他们每个人都在寻找数据中隐藏的趋势。Data Discovery 平台在某种程度上使数据科学更接近于传统的 BI。随着数据驱动决策在企业中的重要性日益提高，BI 和数据发现将在确保业务成功方面发挥关键作用。

霸权之战：传统 BI 与数据发现

随着企业将“分析”视为现代企业的游戏规则改变者，数据平台之间的战争将继续。大多数传统的 BI 系统（如 Tibco Spotfire、Tableau 或 Qlik）都集成了数据发现功能，但目前对 AI 的无所不包的关注已使所有其他技术黯然失色。

很快，我们可能会看到所有主要的 BI 供应商在其分析解决方案中提供捆绑的 ML 算法；因此，战争可能会从数据发现与传统 BI 转向数据发现与支持 ML 的 BI（智能分析）系统。

Self-service BI的流行，预示着预打包的可视化平台可能会成为未来普通企业首选的BI平台。一个SAS 网络研讨会 讨论高级分析技术，例如面向业务分析师的自助数据挖掘工具、实体分析和推荐引擎。随着 BI 解决方案的 AI/ML 采用率不断提高，强烈的迹象表明业务分析师和数据科学家共同努力为业务问题提供解决方案。

麦肯锡声称未来企业要充分利用数据技术，“数据”和“分析”必须与核心业务愿景相结合。只有当内部流程、人力和核心愿景一致以使技术采用和执行成为重中之重时，数据技术的影响才会变得明显。

高级分析：来自最高管理层的九个见解似乎表明分析革命已经开始，至少 50% 的 CEO 认为自己是企业分析议程的积极领导者。然而，高层管理人员必须与首席信息官合作，将先进的数据技术转化为商机的金矿。

定期Forrester 改组确认虽然 BI 供应商市场上激进的新贵取代了老守卫，但这些新贵本身却被一些失控的赢家所取代。因此，在动荡的 BI 供应商市场中，不断出现的抢手风潮仍在继续。根据 Forrester 的说法，对于未来的 BI 系统而言，最重要的是自助服务、企业和数据发现功能之​​间的健康平衡。

增强分析是数据和分析的未来，因为 ML 驱动的分析平台越来越受欢迎。未来分析由 ML 和 NLP 提供支持，谁需要担心数据中心和专家数据科学家？全球企业可能正朝着职能负责人的商业分析时代迈进。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 职场问诊 | 大厂裁员，如何正确的面对这个危机？ 大三信管专业的我，用一个月通关CDA Level Ⅰ、Level Ⅱ 和CDA持证人分享 数据科学和企业的数据能力建设 商业智能分析工具的应用 TI类数据产品设计 管理分析需求与绩效指标 PyTorch最全的损失函数汇总 数据分析最常用的excel函数公式大全 零基础转行数据分析，看这篇文章就够了