Gartner：CIO是否应该考虑用高级分析？

ZDNET至顶网CIO与应用频道 12月31日 编译：在年度Gartner商业智能和分析峰会于悉尼、伦敦和拉斯韦加速开幕前夕，我们向Gartner研究总监Alexsander提问，解释高级分析和数据科学技术带给企业高管哪些机遇。

问：为什么CIO应该考虑高级分析和数据科学技术？

答：数据和数据分析的总量在每个行业都呈现增长态势。CIO们需要数据科学来精炼那些普通的信息。例如，确定如何获得新客户、做更多的交叉销售、预测需求和失败，这些都是对业务非常关键的。普通的业务智能和预测分析，甚至是传统软件工程，都是无法应对这些情况的。

高级分析可以在应对大量数据、处理高度复杂的数字业务设置方面远超人类的能力。数字化企业必须在更多的使用实例中采用数据科学方法，通过推动传感器数据的可用性、扩展带宽和降低存储成本来实现。

问：随着采用分析越来越普遍，企业需要做出哪些变化以利用先进的数据分析？

答：我们很多客户认为i额，一旦他们掌握的分析技术，就可以进步到一个只需要简单学习和额外软件工具的新水平。而现实是，先进的分析不只是普通分析的一种更复杂的形式。“普通”分析主要提供关于发生了什么（描述性分析）的报告，而高级分析利用预测性分析和说明性分析来解决难题。预测性分析是预测未来的结果和行为，例如客户的购物性能，或者一台机器何时发生故障。说明性分析更进一步，提示基于所述预测采取行动。

例如，预测一台机器会在生产出一定数量的零部件之后出现故障，说明性分析可能会在该公司达到零部件数量上限之前发布维护通知，这会防止计划外、高成本停机时间。

同样重要的是，高级分析技术与普通分析技术是不同的，它要求不同的技能。这些技能通常包括了解统计学、机器学习运营研究。

问：Gartner的一个新预测结果称，到2017年，全民数据科学家数量的增幅将是高技能数据科学家的5倍。全民数据科学家将与首席数据官如何工作，数据科学家会适应企业环境吗？

答：从数据中提取价值并不是一项简单的任务，这个“让数据有价值”的任务最最关键的一点就是人才，也就是拥有合适技能的人。数据科学家并非传统的业务分析师，他们是具有罕见能力的专业人才，可以从数据中心推导数学模型，从数据中获得清晰的、强硬的商业利益。他们需要与不同业务部门合作，在不同业务目标、约束、流程、现有数据和分析可能性的交集上展开工作。

很多我们走在最前沿的客户都在尝试首席数据官（CDO）或者首席分析官（CAO）。有时候CDO/CAO将直接指挥（虚拟的）数据科学实验室。我们认为这些实验室必须与组织机构上下的全民数据科学家协调一致。