我们离真正的「嵌入式分析」还有多远？

作 者 ⎪ Dan Vesset

IDC 集团分析和信息管理副总裁

●  截至 2023 年 3 月，IDC 研究显示：87%的高管已明确表示，其所在组织需要更多由数据驱动的人才、流程及业务；未来 12 个月内，数字业务运营的“第一杠杆”是数据利用和情报分析。

无论业务或技术高管，几乎所有领导者都在积极布局技术投资，以在公司层面实现由现代分析技术支持的、由数据驱动的智能决策。其目的则更为直白——让企业中的每个人都能使用数据。毕竟，每个员工都有权作出自己的决定。

正如著名的商业战略家 Peter Drucker（彼得·德鲁克）曾曰：“大多数关于决策的讨论都认为，只有高级管理人员才能作出决策，或者认为只有他们的决策才重要。这是一个非常危险的谬误。”多年来，企业领导者和分析专家都在感叹，有且只有一小部分员工能积极使用分析技术，以为他们的决策提供数据支持：

●  据 IDC 2022 年的研究，常用的分析软件的平均渗透率一直在 20% 左右徘徊，只有 1/5 的员工是分析软件的用户；不过现在这一前提已过时了，全部级别的员工对分析技术的平均利用率为 33%，主要用电脑工作的员工比例接近 40%，而管理人员的比例则接近 50%。

数据的提升相当鼓舞人心，但同时也留下了很大的提升空间。企业仍需要努力确保普及分析的可用性，以及其对于运营决策的支持力度。

▸▸▸  操作与分析系统存在架构性隔离，需要数据在这两者之间不停移来移去。这是上一代 IT 基础设施的计算能力不足所导致的遗留问题（不过，在现代可同时支持分析和运营工作负载的技术堆栈中，它已不再构成问题；）

▸▸▸ 对运营过程分析技术及功能的投资份额不足。大量投资都分配给了对临时性、探索性分析有需求的数据科学团队，包括重度加码数据、分析和新兴的人工智能/机器学习（AI/ML）技术等，但与此同时，其他用户群同样重要的功能需求变成了次要的。

以上路障，对企业提供理想的客户体验，以及实现业务、项目、运营目标产生了一定的后果及负面影响：

▸▸▸  耽误决策，导致企业无法在工作流中向用户提供可操作的信息。在 IDC 2022 年 4 月开展的商业智能和分析调查中，只有 14% 的参与者表示他们在这方面表现得好。从原理而言，用户需要将数据从运营应用程序转移至分析系统（如独立的数据仓库或数据湖），然后再将分析结果输入运营应用中，这些额外步骤，直接导致了在业务工作流中大规模提供洞察力的不必要的延误；

▸▸▸  带来治理和合规风险。上文提到的数据移动过程通常包括数据提取、转换、质量评估和加载等，这些均可以经由批处理和流模式处理。越多的数据移动步骤，导致了更大的治理、合规性、隐私和安全等风险缺口；这些风险可能包括主数据问题，如分析系统和操作系统之间的数据元素或指标的定义不一致，这将削弱用户对分析结果（如自动生成的智能建议）的信任；

▸▸▸  生产力损失，影响同时波及技术及商业用户。技术人员如数据工程师，陷入了持续的、通常是由数据质量评估及转换的手工操作带来的负担之中，这些工作产生的附加值很少，并过分占据精力，让他们无法全神贯注地为新用例开发数据管道；业务用户则被迫在应用操作和分析之间不断切换，这妨碍了他们从分析、洞察和行动之间的有效“连接点”中发掘灵感的灵活发挥。

消除这些障碍、将劣势转化为优势的关键方法，就是将“分析”与“行动”两个端点，通过嵌入式分析相连。

「嵌入式分析」，顾名思义，就是将分析技术紧密整合到操作流程之中，以便在工作流中直接获取洞察力和智能建议。其实例包括：

「嵌入式分析」的关键特征之一是开发者会将其植入操作应用，包括在上游技术堆栈的数据处理层（即嵌入式分析数据库或引擎）和用户操作界面层（即用户通过数据可视化等直接获取建议的界面，或者可以在此自动触发行动等）。

 • 了解 IDC《嵌入式分析：消除通往普及性分析之路的全部路障》洞察简报全内容，敬请关注下一期推送。