我們每天產(chǎn)生的數(shù)據(jù)量驚人。隨著AI和機(jī)器學(xué)習(xí)（ML）等創(chuàng)新的增長(zhǎng)，這種速度在未來(lái)幾年將只會(huì)加速。 

事實(shí)上，正如Precisely的Rachel Galvez所報(bào)道，77%的數(shù)據(jù)和分析專業(yè)人員將數(shù)據(jù)驅(qū)動(dòng)決策列為其數(shù)據(jù)計(jì)劃的首要目標(biāo)——但不幸的是，只有46%的人對(duì)用于決策的數(shù)據(jù)有“高”或“非常高”的信任度。 

能夠有效利用數(shù)據(jù)作為戰(zhàn)略資產(chǎn)的組織將不可避免地建立競(jìng)爭(zhēng)優(yōu)勢(shì)，并在長(zhǎng)期內(nèi)超越同行。然而，這是一把雙刃劍。如果不優(yōu)先考慮，劣質(zhì)數(shù)據(jù)最終會(huì)讓組織付出代價(jià)。70%難以信任其數(shù)據(jù)的專業(yè)人士聲稱數(shù)據(jù)質(zhì)量是最大的問(wèn)題。 

為了讓組織有效地利用數(shù)據(jù)的力量并在其環(huán)境中取得成功，他們必須理解更好的數(shù)據(jù)講故事為何必要，預(yù)測(cè)性分析與增強(qiáng)性分析之間的區(qū)別，以及如何最佳應(yīng)用預(yù)測(cè)性分析。根據(jù)最近的一份報(bào)告，多達(dá)94%的商業(yè)領(lǐng)導(dǎo)者認(rèn)為他們的組織應(yīng)該從其數(shù)據(jù)中獲得更多價(jià)值。 

幸運(yùn)的是，將此類分析嵌入到組織當(dāng)前的基于網(wǎng)絡(luò)的應(yīng)用程序中，帶來(lái)了新的體驗(yàn)和參與度層次。結(jié)果有三方面：(i)向用戶提供不同的“可操作信號(hào)”，(ii)利用他們習(xí)慣的現(xiàn)有體驗(yàn)，以及(iii)專注于完成必要工作的用例（JTBD）。用戶不需要另一個(gè)工具；他們需要更加增強(qiáng)的體驗(yàn)來(lái)更快完成工作。 

數(shù)據(jù)講故事的決策制定 

嵌入式分析是一個(gè)仍在經(jīng)歷創(chuàng)新浪潮的領(lǐng)域，它增強(qiáng)了我們所知的傳統(tǒng)操作報(bào)告和儀表板，變成更能適應(yīng)商業(yè)條件且響應(yīng)靈敏的體驗(yàn)。 

探索數(shù)據(jù)質(zhì)量和信任問(wèn)題為何持續(xù)存在，阻礙組織從其數(shù)據(jù)計(jì)劃中受益。 

Insight Software的數(shù)據(jù)與分析總經(jīng)理Jay Allardyce探討了數(shù)據(jù)豐富帶來(lái)的挑戰(zhàn)和機(jī)遇，強(qiáng)調(diào)利用AI(AI)和ML(ML)提取寶貴洞察力的重要性。 

我們每天產(chǎn)生的數(shù)據(jù)量是驚人的。隨著AI和ML等創(chuàng)新的增長(zhǎng)，這種速度在未來(lái)幾年將只會(huì)加速。 

實(shí)際上，正如Precisely的Rachel Galvez所報(bào)告的那樣，77%的數(shù)據(jù)和分析專業(yè)人士認(rèn)為數(shù)據(jù)驅(qū)動(dòng)決策是他們數(shù)據(jù)計(jì)劃的主要目標(biāo)——但不幸的是，只有46%的人對(duì)用于決策的數(shù)據(jù)有“高”或“非常高”的信任度。 

能夠有效利用數(shù)據(jù)作為戰(zhàn)略資產(chǎn)的組織將不可避免地建立競(jìng)爭(zhēng)優(yōu)勢(shì)，并在長(zhǎng)期內(nèi)超越同行。然而，這是一把雙刃劍。如果不將數(shù)據(jù)質(zhì)量作為優(yōu)先事項(xiàng)，長(zhǎng)期來(lái)看劣質(zhì)數(shù)據(jù)可能會(huì)讓組織付出代價(jià)。70%難以信任其數(shù)據(jù)的專業(yè)人士聲稱數(shù)據(jù)質(zhì)量是最大的問(wèn)題。 

為了讓組織有效地利用數(shù)據(jù)的力量并在其環(huán)境中取得成功，他們必須理解為什么更好的數(shù)據(jù)講故事是必要的，預(yù)測(cè)性分析與增強(qiáng)性分析之間的差異，以及如何最佳應(yīng)用預(yù)測(cè)性分析。根據(jù)最近的一份報(bào)告，多達(dá)94%的商業(yè)領(lǐng)導(dǎo)者認(rèn)為他們的組織應(yīng)該從其數(shù)據(jù)中獲得更多價(jià)值。 

幸運(yùn)的是，將此類分析嵌入到組織當(dāng)前的基于網(wǎng)絡(luò)的應(yīng)用程序中，帶來(lái)了新的體驗(yàn)和參與度層次。結(jié)果有三個(gè)方面：（i）向用戶提供不同的“可操作信號(hào)”，（ii）利用他們習(xí)慣的現(xiàn)有體驗(yàn)，以及（iii）專注于完成必要工作的用例（JTBD）。用戶不需要另一個(gè)工具；他們需要更加增強(qiáng)的體驗(yàn)來(lái)更快完成工作。 

數(shù)據(jù)講故事的決策制定 

嵌入式分析是一個(gè)仍在經(jīng)歷創(chuàng)新浪潮的領(lǐng)域，它增強(qiáng)了我們所知的傳統(tǒng)操作報(bào)告和儀表板，變成更能適應(yīng)商業(yè)條件且響應(yīng)靈敏的體驗(yàn)。 

盡管數(shù)據(jù)講故事的概念仍然是新的并且不斷發(fā)展，但完全理解其益處是至關(guān)重要的，進(jìn)一步投資以推進(jìn)公司的數(shù)據(jù)文化，以了解如何最好地使用數(shù)據(jù)也是至關(guān)重要的。 

通過(guò)將分析層嵌入到應(yīng)用程序中，組織將為提供更好的數(shù)據(jù)體驗(yàn)鋪平道路，這些數(shù)據(jù)體驗(yàn)將帶來(lái)更強(qiáng)的用戶參與度，并促進(jìn)強(qiáng)大的數(shù)據(jù)文化，這是成為更加數(shù)據(jù)驅(qū)動(dòng)和以數(shù)據(jù)決策為導(dǎo)向的基礎(chǔ)。最終，這本質(zhì)上提供了更好的數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品體驗(yàn)。 

例如，運(yùn)營(yíng)和產(chǎn)品團(tuán)隊(duì)可以通過(guò)簡(jiǎn)化數(shù)據(jù)準(zhǔn)備和可視化以便于決策，同時(shí)優(yōu)化應(yīng)用程序以從近乎實(shí)時(shí)的數(shù)據(jù)、可視化、交互式報(bào)告和其他功能中獲得洞察力，從而保持領(lǐng)先。更不用說(shuō)，它節(jié)省時(shí)間，提高生產(chǎn)力，并允許業(yè)務(wù)用戶比成為數(shù)據(jù)專家更快地創(chuàng)新。 

總的來(lái)說(shuō)，數(shù)據(jù)講故事和分析平臺(tái)專門(mén)設(shè)計(jì)用于圍繞數(shù)據(jù)構(gòu)建敘事，可以為用戶提供更大的背景并幫助從分散或集中的數(shù)據(jù)治理框架中提取信息，利用企業(yè)今天可能已有的資源。 

這有助于推動(dòng)決策和想法并引發(fā)情感，這些用戶不會(huì)像對(duì)靜態(tài)儀表板那樣容易忘記。更重要的是，擁有數(shù)據(jù)治理計(jì)劃的組織正在看到數(shù)據(jù)分析和洞察力（57%）以及數(shù)據(jù)本身（60%）的質(zhì)量改善。 

現(xiàn)在是企業(yè)領(lǐng)導(dǎo)者和用戶認(rèn)識(shí)到數(shù)據(jù)講故事對(duì)當(dāng)今企業(yè)越來(lái)越重要的時(shí)候了。為了最大化這些洞察力，組織正在利用預(yù)測(cè)性和生成式AI來(lái)幫助增強(qiáng)數(shù)據(jù)講故事，并提供可操作和基于知識(shí)的洞察力。 

了解預(yù)測(cè)性分析的潛力 

正如前所述，越來(lái)越多的公司每天都在發(fā)掘融入預(yù)測(cè)性分析的潛力——一些使用AI/ML，另一些則使用更多基于規(guī)則的分析。利用嵌入式分析，結(jié)果令人印象深刻。嵌入式分析可以提高用戶采納率，創(chuàng)造人們喜愛(ài)的應(yīng)用程序，并改變軟件和軟件即服務(wù)（SaaS）提供商的游戲規(guī)則。 

在這些應(yīng)用程序中包含預(yù)測(cè)性分析的機(jī)會(huì)創(chuàng)造了更高的參與度，因?yàn)轭A(yù)測(cè)可以根據(jù)上下文、設(shè)置和公司動(dòng)態(tài)而變化。最簡(jiǎn)單的形式，預(yù)測(cè)性分析可以洞察出創(chuàng)建“下一最佳行動(dòng)”場(chǎng)景的方法。用戶根據(jù)歷史條件發(fā)出警報(bào)，以指導(dǎo)未來(lái)的行動(dòng)，幫助用戶了解關(guān)于如何完成工作的領(lǐng)域和設(shè)置的最佳知識(shí)。 

例如，金融機(jī)構(gòu)、團(tuán)隊(duì)和首席財(cái)務(wù)官可以使用此類預(yù)測(cè)性分析進(jìn)行信用風(fēng)險(xiǎn)評(píng)估、欺詐檢測(cè)和投資規(guī)劃。這對(duì)于更好地準(zhǔn)備組織應(yīng)對(duì)持續(xù)波動(dòng)的市場(chǎng)至關(guān)重要。此外，產(chǎn)品和運(yùn)營(yíng)團(tuán)隊(duì)可以從其嵌入式策略中的AI/ML中受益，立即為其應(yīng)用程序用戶創(chuàng)造新的數(shù)據(jù)驅(qū)動(dòng)體驗(yàn)，而不是啟動(dòng)單獨(dú)和分散的AI應(yīng)用程序。 

考慮到這一點(diǎn)，客戶可以使用ML和AI驅(qū)動(dòng)的預(yù)測(cè)性分析來(lái)預(yù)見(jiàn)變更是否將幫助他們降低風(fēng)險(xiǎn)、改善運(yùn)營(yíng)和/或增加收入。從本質(zhì)上講，預(yù)測(cè)性分析回答了兩個(gè)常見(jiàn)問(wèn)題： 

?基于我當(dāng)前的數(shù)據(jù)，最有可能發(fā)生什么？

?我可以做什么來(lái)改變那個(gè)結(jié)果？ 

大約60%的116家受訪企業(yè)表示他們?cè)?023年通過(guò)數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新。隨著組織為2024年做準(zhǔn)備，考慮如何加速實(shí)施數(shù)據(jù)和分析至關(guān)重要，這一切都始于詢問(wèn)基于當(dāng)前數(shù)據(jù)最有可能發(fā)生什么，可以做什么來(lái)改變那個(gè)結(jié)果，以及他們?nèi)绾问褂脷v史數(shù)據(jù)、ML和AI來(lái)為客戶構(gòu)建更加適應(yīng)性和可預(yù)測(cè)的體驗(yàn)。 

預(yù)測(cè)性 vs. 增強(qiáng)性：利用分析策略的力量 

首先，預(yù)測(cè)性和增強(qiáng)性分析是兩種不同的方法，無(wú)疑將在未來(lái)幾年塑造分析領(lǐng)域。目前，預(yù)測(cè)性分析使用來(lái)自多個(gè)來(lái)源的數(shù)據(jù)集合來(lái)發(fā)現(xiàn)關(guān)系和相關(guān)性，主要是在不告訴人們其含義的情況下向人們展示數(shù)字。簡(jiǎn)而言之，它是對(duì)未來(lái)情景或可以采取的最佳下一步行動(dòng)的預(yù)測(cè)。 

另一方面，增強(qiáng)性分析使用ML和AI幫助數(shù)據(jù)洞察和分析，以提高工作人員分析數(shù)據(jù)的能力——從一個(gè)關(guān)鍵要點(diǎn)開(kāi)始，然后深入到數(shù)字中。我們經(jīng)常聽(tīng)說(shuō)這些技術(shù)可以應(yīng)用于預(yù)測(cè)性分析，同時(shí)幫助組織預(yù)測(cè)多個(gè)行業(yè)的未來(lái)趨勢(shì)。然而，很少有公司正在試驗(yàn)這項(xiàng)技術(shù)，甚至更少的公司將其投入生產(chǎn)。 

企業(yè)需要優(yōu)先考慮通過(guò)增強(qiáng)性分析簡(jiǎn)化數(shù)據(jù)分析。這使信息更容易被更多的用戶訪問(wèn)，使更多的用戶能夠從數(shù)據(jù)中獲得價(jià)值。預(yù)測(cè)性和增強(qiáng)性分析有不同的過(guò)程和益處。然而，它們有一個(gè)共同點(diǎn)。它們是兩種強(qiáng)大的技術(shù)，可以一起使用以改善決策和解決問(wèn)題。 

在當(dāng)今的數(shù)字世界中，做出數(shù)據(jù)驅(qū)動(dòng)的決策和創(chuàng)建由分析信息指導(dǎo)的策略是任何行業(yè)成功領(lǐng)導(dǎo)的核心。幸運(yùn)的是，92%的所有分析和IT決策者理解信任數(shù)據(jù)比以往任何時(shí)候都更加必需，另外95%的全球高管同意需要新的數(shù)據(jù)架構(gòu)和策略來(lái)管理他們組織的數(shù)據(jù)環(huán)境的重大變化。 

數(shù)據(jù)和嵌入式分析是幫助企業(yè)構(gòu)建能夠抵御最不可預(yù)測(cè)環(huán)境的彈性和敏捷運(yùn)營(yíng)的強(qiáng)大工具。特別是當(dāng)我們展望未來(lái)時(shí)，現(xiàn)代組織的成功將依賴于由預(yù)測(cè)性和增強(qiáng)性分析驅(qū)動(dòng)的高質(zhì)量數(shù)據(jù)，將AI和ML與預(yù)測(cè)性分析相結(jié)合，從而導(dǎo)致富有洞察力的講故事。