大数据时代的科技需求

数据科学围绕一个四阶段流程展开：业务理解、数据采集/处理、建模和部署。近年来，这些阶段都经历了根本性的变化，其中数据采集的变化最为显著，这主要归因于大数据的兴起。

在建模和部署阶段，迄今为止最常见的做法是在研究人员的本地机器上进行数据分析。随后，生成的模型会被部署并应用于新数据批次。接下来生成输出结果——一份包含分析洞察的报告。通常，每隔 6 到 12 个月，会使用新数据对模型进行重新估算，以确保其保持最新状态。

与数据采集阶段一样，后续的建模和部署阶段也已迈入一个新时代——这一时代为敏捷决策带来了巨大的机遇。得益于云计算和在线仪表盘技术，数据分析与报告方式发生了根本性的转变。 所谓“云”，是指存在于全球各地名为“数据中心”的物理场所中的一组共享计算资源。云计算用户可以实时运行模型，并在新数据批次到达时立即更新模型。截至今日，三大云服务提供商分别为：亚马逊网络服务（AWS）、微软Azure和谷歌云平台（GCP）。

此外，云端与在线仪表盘之间的直接连接，使得报告能够每分钟自动更新。在《2021年GreenBook研究与趋势（GRIT）报告》中指出，随着买家对速度、实时获取数据/洞察以及交互式可视化效果的需求持续增长，在线仪表盘正逐渐成为供应商的标配和首要任务。我们许多在洞察行业处于创新前沿的客户，正越来越多地选择交互式仪表盘，而非传统的静态报告方式。

未来始于昨日

那些善用云计算、实时报告和预测性advanced analytics 组织advanced analytics 显然在“大数据”转型道路上advanced analytics 远。这些公司通常拥有具备高水平分析能力的洞察团队或数据科学团队。其数据集（及各部门）之间实现了透明化与协调统一。它们不再依赖单一数据集，而是利用数据融合或数据集成等分析技术，构建出更准确、更可靠的预测模型。

事实上，如今每家企业都已转向或正致力于转向这种环境，并摆脱了部门壁垒的束缚。原因在于，这种环境使企业能够迅速识别市场趋势、预测后果，并据此调整战略。这正是敏捷决策的实践体现。

我们得以近距离观察部分客户如何利用技术和数据融合分析来把握机遇、加速增长。打个比方，如果我们身处一场赛车比赛，搭载云计算引擎的赛车能轻松以200公里/小时的速度疾驰，而其他赛车甚至连其一半的速度都难以企及。在这个稍有懈怠便会错失良机的世界里，那些跟不上步伐的人，引擎终将烧毁。

作者：