下一代数据可视化分析系统的七个特征（一）

如今是数据可视化分析系统的黄金时代，大数据行业大热。然而人们的需求层出不穷，BI技术也日新月异，目前将结构化数据存储连接到报表/可视化工具的模式已经不再满足所有人的需求，人们需要更具决策力的数据可视化展示系统，换言之，就是能够具备智能、自动化、实时、多源等几个功能要素。这些词都讲的什么意思？接下来就一起来看看，下一代数据可视化分析系统会具备的七个特征将会是什么？

下一代出现的分析平台是基于云的、协作的和多实体的。他们聚合来自内部和外部的数据，自动提取和转换，与预测和机器学习算法无缝整合，并实时向业务用户提供实时信息。

基于云的——很明显，现在新的分析解决方案必须在云中构建。但即使是基于云的实现的定义也在发生变化。考虑到灵活性、可伸缩性和较低的所有权成本，将服务器迁移到基于云的主机环境是很好的第一步。然而，最终的愿景是使用像Amazon Lambda或MS-Azure Functions这样的按需计算服务来实现无服务器计算，以简化基础设施，并将精力集中在数据质量和分析应用程序开发上。

协作——数据仓库是数据的集中来源，但是真正的分析和洞察发生在台式机上，人工组合多个源。下一代平台允许多个用户通过API或数据虚拟化来发布数据源、算法和洞察。

多实体——分析平台越来越多地被组织的多个部门甚至是跨组织使用。平台不仅仅用于共享数据；洞察力、可视化和算法可以跨组织边界共享。

多源——许多组织专注于内部数据源进行分析（事务、财务、CRM等），但往往忽视了公共和第三方数据源（如主要研究、设备或社交媒体提供信息）的不断增加，这些数据源可用来增强分析解决方案。这种将来自多个数据源的数据混合的能力是至关重要的，但是它需要对数据输入有复杂的管理方法，包括许可和更新。否则，外部数据源可能会过时或不准确，因此不再能混用。

自动化——为确保分析团队的效率，工作流自动化正在迅速成为一种必需品。随着数据融合和更新变得更加复杂，自动化数据收集、处理和跟踪也变得更重要。组织开始把主要研究平台，如调查工具，与工作流自动化和可视化组件结合，以简化工作，提高分析的质量。

智能——从多个来源获得高质量的数据仅仅是分析组织真正目的的先决条件：从数据中获得高价值的见解。它越来越多地应用机器学习和人工智能处理结构化和非结构化数据源。前沿组织正在将这些工具应用于以前无法访问的数据，例如客户服务呼叫记录，并从以前未开发的资源中获取关于客户接触的洞察。预测分析不再是象牙塔里的尝试，而是已被日常应用于大多数业务功能，从“领先一代”到“后台自动化”，再到需求预测和招聘。

实时——互联网永远在线的特性驱使我们来到一个即时满足的世界。这也是分析解决方案的例子；用“上个月的数据”或“去年的结果”作为分析的来源已经不够了。因此，数据收集和分析的批处理方法将被随需应变的数据更新所取代。这给平台的计算需求带来了压力，因为它需要实时处理不断增加的数据量。它还会对数据可用性施加压力，确保最近的数据源被用于分析。管理数据流的方法，如Kafka或Flume，正在兴起，以帮助组织处理大量的实时数据分析。

      未来的企业都会更加要求分析平台更智能、更提高各流动部门的工作效率、更方便协作。归根到底，BI分析平台都是为企业服务的，数据可视化分析系统技术也要逐步提高，日后客户对平台的要求只会越来越多和严格