摘要： 如今，缺乏良好的，稳定的质量数据是组织挖掘数据分析的全部潜力所面临最大的挑战。这引用了科尔尼所著的“2015LEAP研究报告-卓越领导力的分析实践”）。人们需要过多的时间和资源来操纵和分析数据，业务分析师可以开始使用它的报表，分析和见解。

    如今，缺乏良好的，稳定的质量数据是组织挖掘数据分析的全部潜力所面临最大的挑战。这引用了科尔尼所著的“2015LEAP研究报告-卓越领导力的分析实践”）。人们需要过多的时间和资源来操纵和分析数据，业务分析师可以开始使用它的报表，分析和见解。
　　
　　通常，分析师创建了变通办法，推动“影子”数据库和数据管理流程，而这使人们对数据的真实性失去了信心。为了应对这些日益加剧的挑战。强大的商业智能可以加强数据聚合，并提供更好的企业数据交换，使用高质量的数据和精辟的分析可以促进更快的决策。
　　
　　以下是商业智能和分析的三大技术趋势：
　　
　　（1）直观的，以业务为中心的商业智能工具
　　
　　目前在市场上持续增长的商业智能和可视化工具，使组织可以共享数据，为高端商务用户提供一个“自我服务”的方式。
　　
　　Tableau公司和TIBCO公司已成为商业智能和分析可视化潜在的领导厂商。这些新兴的企业提供了灵活的，易于使用的界面来操纵和可视化数据，而不需要数据的科学分级，即分析的民主化。
　　
　　这些工具可以在内部部署和基于云计算这间进行选择。虽然基于云计算是优选，但对于内部部署来说，IT运营成本并没有那么高。像微软公司和SAS公司等传统的厂商不得不紧跟行业趋势，以免被抛在后面。
　　
　　（2）加强商业智能
　　
　　商业智能工具融合了强大的分析工具，已经产生了新一代的决策支持平台。这些平台具有模型数据，并可以更好地利用“被动”的数据驻留在传统商业智能工具运行高级分析的能力，如模拟，优化和情感分析。
　　
　　这些平台还可以用于快速解释和合成用的传统商业智能工具报告和可视化功能的建议。AIMMS用于优化，Arena用于预测建模仿真，而Alteryx公司则是这个市场空间的领导者之一，就像SAS和微软公司在传统行业一样。
　　
　　（3）商业智能EDW和Hadoop的集成
　　
　　商业智能和分析模型与基础数据的质量一样重要。数据源的绝对数量，多样性和实时可用性方面的激增，意味着企业正试图分析越来越复杂化和非结构化数据。
　　
　　商业智能工具仍然为企业用户提供进一步的报告和分析“结构化”的格式，是一种处理非结构化的，凌乱数据的最佳方式。然而，越来越多的企业认识到大量数据和重型处理大数据平台，然后聚合，将高价值的结果返回到传统的OLAP和数据立方体结构中，或使用商业智能工具来显示。
　　
　　在对这些技术进行投资之后，组织必须首先制定一个投资组合的使用案例，了解业务的价值主张，把握这些技术的发展趋势。例如，以业务为中心的商业智能工具将使用案例集中发布给数据业务用户，这样让他们能够在市场营销活动业绩和经营或财务指标报告使用。
　　
　　另外，需要投资新的大数据的组件（如Hadoop），如果需要投资的是社交媒体或实时物联网传感器，则将其据流集成到现有的交易客户数据。
　　
　　编辑：Harris