“營銷”在業務推進過程中扮演著至關重要的角色。然而，當前營銷的影響力卻往往未得到廣泛理解和重視。立足漫漫歷史長河中的當下，我們正在經歷一場“完美風暴”。舊結構正在逐步裂解，面對「數據與分析」，我們需要做出調整，應對更加深入的碎片化，以及這種碎片化帶來的差異性數據中心、被中斷的供應鏈、從不止步的創新以及難以獲得的高技能勞動力。在危機常態化的世界，危機調整成為了一種核心能力，這種能力讓我們能夠即刻做出響應，并對未來做出預期。

免費試用Qlik

趨勢1：供應鏈中斷符合實時數據

世界任何地方都可能發生供應鏈中斷，而這需要我們即刻做出響應。這意味著，要做好應急計劃，甚至在可能的情況下“提前行動”。換言之，要利用預測和場景，在事態崩潰前扭轉局勢。處理實時數據的基礎設施已經就位一段時間，但尚未充分探索其關鍵用例和極限潛力。現在，是時候進行這種探索了。

趨勢2：提高大規模決策的速度

通貨膨脹期間，很多零售商是怎樣解決不斷增加的成本問題呢？ -----轉嫁給消費者。

事實上，這種方式只能解決“眼前的問題”，長遠來看，完全不可持續。

但如果零售商選擇把視角轉回到提高自身效率上，去著力優化那天數以千次重復著的業務環節，事情又會變得不一樣。

根據高德納的調查，95%的基于數據的決策都至少能夠部分自動化。

數據分析、人工智能和自動化加上人類的經驗與直覺，大規模決策速度讓獲取數據到做出決策的時間大大縮短。數據素養也是除技術以外的一個關鍵賦能因素。最終，決策速度會留下大數據痕跡，其中的模式可以被分析，這將為決策挖掘創造突破口。

趨勢3：同時優化低代碼和高代碼

近年來低代碼開發工具如雨后春筍，在開發的世界中，寫代碼、搭應用不再是“程序員的獨家技能”，非技術人員也有了打開新世界大門的鑰匙。

伴隨著開發門檻的降低，大量工具不僅推動了應用創建，也讓數據和洞察有了新的可能。

例如，應用程序自動化使工作人員能夠創建由數據觸發的事件鏈。AutoML使業務分析師能夠使用最先進的算法。同時，數據交付管道中的數據轉型也能在很大程度上實現自動化。

趨勢4：人機競賽

由于采用深度神經網絡機器學習技術進行了大量數據訓練，自然語言模型已經實現了范式轉換。GPT-3尤其廣為人知。

目前，全球有5~6個開發項目的規模甚至超過了GPT-3，11這些模型訓練使用的數據集要更大。

機器和人類的關系將如何發展？通過圖靈測試的機器是否真的正在路上？

人類、數據與機器，都在不斷突破中尋找答案。

趨勢5：“數據故事”驅動行動

數據行業有一則信條：在正確的時間向正確的用戶提供正確的信息。

在當下數據分布、時間稀有的碎片化世界中，實現這一原則愈發艱難。

數據敘事被視為使數據對用戶構成意義的一種方式；故事能夠從情感上打動人，促使人們采取行動，而單獨的數據卻無法做到這一點。但是，數據敘事需要的不僅僅是將圖表添加至信息圖表或PPT里，而是要實實在在的與行動相連接。

趨勢6：調整集成

我們看到，在日益碎片化的世界里，以往數據集成、管理、分析/人工智能、可視化、數據科學和自動化等此前各自孤立的系統正在不斷融合。

這些融合創造了前所未有的機遇。

它使數據生產者和消費者之間的協作變得更加簡單，這種結合從他們心中的產品、成果或決策開始，然后再逆向思維，圍繞他們的業務目標，構建敏捷的數據管道。

趨勢7：舊貌換新顏——云

隨著企業數據向云端轉化的日漸成熟，與預置軟件市場相同的許多問題正在抬頭。

例如，在采用云倉和云湖后，需要解決數據轉移、轉換、元數據目錄等問題。

這些需求在圍繞云庫和云湖的多個軟件領域（包括語義層級和數據集成、轉移、來源和可觀測性等領域）不斷推高投資。

同時隨著小型供應商尋求退場，市場預期將迎來一大波并購潮。曾經發生在預置軟件市場的這一幕將在云領域重新上演。

趨勢8：“X編織”讓治理保持互聯

 近年來，對數據編織（以及中心和網格）的討論越來越多，這是一種通過語義模型將分布式數據集連接起來的重要方法。

而想要實現互聯管理，全面掌控，我們就要把數據網編織得更密。“X”編織應運而生。

數百萬參與者在“X”編織中扮演著不同的角色，這其中包括應用編織、商業智能編織和算法編織。目前，這些方法的成熟度遠不及數據編織。

趨勢9：人工智能越走越遠

正如趨勢6中提到的，分析、自動化和人工智能正在不斷融合，相互交叉重疊越來越多。在這個過程中，它們相互作用，帶來了以前不可能產生的新的洞察。

在數據管理中使用人工智能將使數據工程中的更多機械式工作實現自動化。

從而改變多年來“數據準備”和“數據分析”間的二八分配法則。

人工智能可以在數據世界中承擔一個“管家”的角色，使一些較瑣碎的數據準備工作實現自動化。

從而讓數據工程師和科學家集中注意力于更重要的事情。

趨勢10：推算與合成數據的興起

今天，我們比以往任何時候都更容易針對不同的用例修改數據，或將數據轉換為用于特定目標的格式。

轉換、處理、聚合、關聯或操作后的數據被稱為“推算”數據。推算數據對測試數據管理尤其有用。

而在用戶數據不足的中小企業以及案例試驗模擬仿真等場景中，誕生于非真實操作的合成數據成為了不二選擇。

得益于包括數據復用、測試、隱私法、缺失數據和對人工智能模型訓練數據的需求等多個因素，未來我們將看到更多的推算與合成數據。

在危機常在的碎片化世界，創新和準備至關重要，立即下載《2023年商業智能與數據的十大趨勢》白皮書，洞察未來趨勢，將幫助您的企業在去全球化的世界中，沉穩應對危機，迎接風雨之后的彩虹。

Qlik是一家私有SaaS公司，提供端到端實時數據集成和分析云平臺，以縮小數據，洞察力和行動之間的差距。通過將數據轉換為Active Intelligence，企業可以制定更好的決策，提高收入和盈利能力并優化客戶關系。Qlik在100多個國家/地區開展業務，為全球50,000多個客戶提供服務。

作為Qlik官方的中國合作伙伴，我們為Qlik的中國用戶提供產品授權、軟件下載服務，歡迎。我們旨在讓中國企業的每個Qlik用戶都能探索出數據的價值，讓企業形成分析文化。