作者: Deepesh Nair
編譯: Mika
CDA 資料分析師原創作品，轉載需授權

近年來，我們在資訊科技領域取得了巨大進步。在技​​術生態領域中取得的一系列革命性成果確實值得稱讚。在過去的十年到二十年裡，資料和分析一直是非常熱門的詞彙。因此我們需要明確它們是如何相互關聯的，市場中扮演什麼角色，以及將如何重塑商業業務。

科技，對於那些已經意識到其潛力的人群來說這是一種福音，然而對於那些無法跟上其快速發展的人群來說，這也是一種考驗。到目前為止，幾乎每個行業都離不開資料分析。

在本文中將總結近年來資料分析的發展和演變，簡化各種術語，對一些常見應用場景進行解釋。讓我們開始吧！

資料分析1.0 → 商業智慧需求

這是資料倉庫的興起時期，客戶（業務）和生產過程（交易）被集中到巨大的儲存庫中，如eCDW（企業整合資料倉庫）。在對商業現象的客觀理解方面取得了真正的進展， 從而讓管理者在做出決策時能夠基於對事實的理解，而不是僅憑直覺。

這個階段中資料通過ETL和BI工具收集、轉換和查詢。分析型別主要分為描述性（發生了什麼）和診斷性（為什麼會這樣）。

然而，這個階段的侷限在於資料僅在公司企業內部使用，即商業智慧活動只能處理過去發生的事情，而不能對未來趨勢進行預測。

資料分析 2.0 →大資料

隨著各大企業都紛紛走出舒適區，試圖用更廣泛的方法進行更復雜的分析時，前一階段的資料分析侷限性變得更加突出。

企業都開始通過外部資源獲取資訊，比如點選流、社交媒體、網際網路等，與此同時對新工具的需求也越發明顯。不可避免地，“大資料”一詞出現了，為了區分那些純粹來自公司內部系統的小資料。

在這個階段，公司希望員工能夠通過快速處理引擎幫助處理大量資料。他們沒預想到的是，因此應運而生的新興的群體，即如今所稱的“開源社群”將產生巨大的影響力，這也是資料分析 2.0時代的標誌。

在社群前所未有的支援下，大資料工程師，Hadoop管理員等角色在就業領域發展壯大，並且對對每個IT企業都至關重要。科技公司急於開發新的框架，這些框架不僅能夠收集、轉化處理大資料，而且還能在整合預測性分析。而且，進一步通過描述性和診斷分析的結果檢測趨勢、聚類和異常，並預測未來趨勢，這也使其成為重要的預測工具。

在今天的技術生態系統中，我個人認為“大資料”這個術語已經被大量使用，甚至濫用，從技術上講，如今“大資料”指的是所有資料，或者只是指資料。

資料分析 3.0→功能強大的資料產品

開創性的大資料公司開始投資資料分析，從而支援面向客戶的產品，服務和功能。它們通過更好的搜尋演算法、購買建議以及針對性廣告吸引使用者訪問其網站，所有這些都是由資料分析所驅動的。大資料現象迅速蔓延，如今不僅是科技公司在通過資料分析開發產品和服務，幾乎每個行業的公司都是如此。

另一方面，大資料技術的普及帶來了好壞參半的影響。在科技巨頭收穫大量利潤取得成功的同時，大多數企業和非科技公司卻因為忽略資料而失敗慘重。因此，資料科學領域應運而生，該領域使用科學方法、探索過程、演算法等從各種形式的資料中獲得知識和分析見解。

實際上，資料科學領域是跨學科的，它被定義為“結合統計、資料分析、機器學習等相關方法的概念”，從而用資料“理解和分析實際現象”。換句話說，良好的資料加上出色的訓練模型能夠產生更好的預測結果。新一代的量化分析師被稱為資料科學家，他們擁有計算和資料分析技能。

科技行業在資料科學的幫助下迅速發展，並充分利用預測性和規範性對未來趨勢進行預測。企業間也開啟了資料分析的競爭方面，公司不僅通過改善內部決策等傳統方式，而且還在不斷開發更有價值的產品和服務。這是資料分析 3.0時期的精髓。

如今資料分析產生了巨大轉變。公司正以超乎想象的速度發展，在內部設立更多的研發部門，比如資料科學家、資料工程師、解決方案架構師、首席分析師等人員構成的資料分析團隊。

資料分析 4.0 → 自動化功能

有四種分析型別：描述，闡述過去; 診斷，利用過去的資料研究現在; 預測，通過基於過去資料的見解來預測未來; 規範，通過模型指導最佳行為。雖然資料分析3.0包含了上述所有型別，但它強調的是最後一種，並且引入了小規模自動化分析的概念。

資料分析3.0提供了將決策流程擴充套件到行業中的機會。通過機器學習建立更多模型，從而讓預測變得更加細化和精確。但是，部署這類定製模型的成本和時間是十分昂貴的。最終，通過智慧系統實現自動化的資料分析4.0時代到來了。

毫無疑問，人工智慧、機器學習、深度學習將帶來深刻的影響。機器翻譯、智慧回覆、聊天機器人、會議助理等功能將在未來幾年內得到廣泛應用。資料探勘技術、機器學習演算法都已取得了大量成果，自動化分析將成為資料分析的新階段。

資料分析 5.0 → 接下來會是什麼

我們可以將自動化理解為，人與智慧機器的強強聯合，從而實現更好的成果。

與其思考“人類的哪些工作將被機器取代？”我寧願樂觀地考慮，在機器的幫助下，企業能取得哪些新成就？我們該如何在災難易發地區，通過人工智恩程式減少傷亡人數；或者如何在貧困地區建立人工智慧驅動的電子學校等。

我對資料分析的發展充滿自信，問題在於我們能否積極地接受該技術帶來的影響。