你的数据分析的方法过时了吗？这才是数据分析师应该考虑的内容

在信息时代，可以吃昆虫的不再是早起的鸟，而是数据驱动的早起的鸟。像百度、阿里巴巴和腾讯这样的大公司都在囤积数据，因为他们都知道数据是金宝。

但仅仅囤积数据是不够的。您需要精通过滤，并充分了解数据池中溢出的所有数据。只有这样，才能通过这些数据做出更好的决策，创造出更智能的产品。

然而，在拥挤和过度投资的数据分析市场，供应商很难通过冒烟看到“真相”来销售自己的产品。以下五点是未来数据分析市场可能的趋势，仅供参考。

你有没有想过你的数据分析方法可能已经过时了

一、你的数据分析的方法过时了吗——Bi迁移到应用程序

在过去的20年里，我们目睹了一场革命。它不像一夜之间发生的，但它是逐渐地，慢慢地发生的，也许很多人没有注意到。毕快死了。或者更准确地说，Bi正在完全改变。

每年，用户都会通过他们使用的应用程序进行更多的分析，比如hubspot、salesforce和MailChimp。分析正在迁移到业务应用程序的结构。

实际上，业务应用程序正在获取它们自己的分析接口，并基于它们的数据和用例定制它们。这种集成和定制使得分析接口比复杂的通用Bi更容易被用户接受。随着B2B应用程序开始在数据智能产品上展开竞争，这一趋势将继续下去。

二、你的数据分析的方法过时了吗——分析引擎之外的编译器

历史上，数据分析有两种方式：通过预计算或通过分析引擎。

分析引擎，如spark和tableau的数据引擎，负责执行所需的计算，以回答有关组织数据的关键问题。

现在这个领域有了一个新的参与者：分析编译器。分析编译器具有将计算部署到不同基础结构的灵活性。分析编译器的例子包括现在很流行的tensorflow，它可以将计算部署到gpu、cpu等。

编译器比分析引擎灵活得多，因为它们可以处理数据，我们可以将它们转换为在不同的基础设施(数据库、spark、GPU等)中运行。理论上，编译器也可以比任何解释引擎更快地生成工作流。

就连spark也得到了基本的编译器工具，这无疑是编译器驻留在这里的标志，并可能最终使传统的纯计算引擎相形见绌。

三、你的数据分析的方法过时了吗——ETL多元化

很少有比“ETL”(extract transform load)更烦人的术语了。ETL将大量不完整的、重复的、不相关的数据堆积起来，像污水一样排放、清理，然后推送到可以处理这些数据的地方。

ETL与现代的、敏捷的和数据驱动的关键字相反。ETL意味着数据的不断重复、大量的延迟和高成本。它不能回答重要的问题。

为了使ETL更加灵活，业界已经开发出各种替代方案。这些解决方案包括高级ETL工具——使访问Hadoop或数据仓库更容易的ETL解决方案、流动的ETL解决方案、使用机器学习交叉引用和删除重复数据的ETL解决方案。

另一个非常有趣的技术类别包括dremio和xcalar等工具，它们重构ETL以提取负载转换(ELT)。本质上，它们将转换的步骤推到最后，因此不需要提前提取、加载或转换。

从历史上看，ELT速度很慢，但这些新一代解决方案通过动态调整、索引和缓存常见的转换来快速拼写。这为传统ETL提供了后期转换的灵活性。

不管你怎么看，ETL正在经历一场戏剧性的变革，这将使企业能够比以往任何时候都更轻松、更快地使用数据，而不需要花费大量时间和昂贵的前期投资。

四、你的数据分析的方法过时了吗——开放式数据仓库

大型组织的大多数问题是他们不能专注于设计良好的分析。大多数公司甚至无法汇总和计算他们拥有多少数据。不是因为计数困难，而是因为大组织中的数据一般分散在一万个数据垂直井中。

但是，云计算(包括API革命和管理数据解决方案)和ETL的最新进展，使得组织以结构化的方式访问更多数据变得比以往任何时候都更容易。

下一代数据管理解决方案将在利用这些技术进步，使所有组织的数据能够由所有合适的人及时分析方面发挥重要作用。

五、你的数据分析的方法过时了吗——机器学习的实现

机器学习刚刚度过了炒作的高峰期，至少我们可以希望如此。机器学习是不完美和天真的致命结合。当机器学习出错时(这通常是不可避免的)，我们不知道该责怪谁。

这对于任何类型的关键任务分析都是绝对不能容忍的。

因此，要把人工智能培养成社会上最聪明的人，吸收所有的知识，还远远不够，这已经是5年多的事情了。

在此之前，我们可能会看到机器学习关注于一些场景。例如，结构化数据集的黑箱预测分析;人工辅助技术可以让人们看到不同数据源之间的联系，纠正常见错误，发现异常现象。这些不是科幻小说中的超级大脑，但它们让用户更容易找到问题并帮助引导他们找到正确的答案。

虽然分析是一个充斥着令人困惑的营销评论的巨大市场，但一些大的趋势也可以帮助企业决定在哪里投资。

以上就是《你的数据分析的方法过时了吗？这才是数据分析师应该考虑的内容》的全部内容，从文字中我们可以看到，信息时代，可以吃昆虫的不再是早起的鸟，而是数据驱动的早起的鸟。大公司都在囤积数据。如果你想学习更多数据分析知识，可以点击下方资料下载链接。