The International Institute for Analytics(IIA)的專家們聚集在一起探討哪些是2017年分析優(yōu)先項目。他們的建議：正式定義分析職能，推動分析發(fā)展。

這是IIA第二年列舉五大分析優(yōu)先項目，為其成員提供未來一年的戰(zhàn)略。去年，分析優(yōu)先項目為，根據(jù)業(yè)務戰(zhàn)略，調整分析戰(zhàn)略。今年，建議主要集中在更明確的定義職能，并在實驗和部署之間找到平衡。

Dan Magestro之前分別在Cardinal Health、JPMorgan Chase & Co.和Nationwide Insurance擔任分析工作，現(xiàn)在他領導IIA的研究項目，并負責這次討論。

參與討論的還有IIA的分析顧問和研究員Robert Morison，IIA的聯(lián)合創(chuàng)始人Tom Davenport，信息技術和管理的杰出教授Babson College。

優(yōu)先項目No. 1：迎接企業(yè)人工智能的“新分析時代”

Magestro認為，當前，對于人工智能（AI）的熱情是前所未有的。這一技術比以往任何時候都更觸手可及，對于已經有分析項目的公司而言，人工智能的實踐并不是一種延伸。他認為應該是新的分析時代，有三個原因：

1. 大數(shù)據(jù)是一個開始。那些已經精通大數(shù)據(jù)分析的IT部門，為AI奠定了基礎。“解鎖AI的全部潛能，需要大數(shù)據(jù)來訓練AI模型，巨大的數(shù)據(jù)處理能力和高級統(tǒng)計方法，”Magestro說。

2. 需要整個企業(yè)的投入。如果想要一直持續(xù)下去，AI項目需要新的內部合作和“頂級戰(zhàn)略”。比如，計算機科學職能可能需要集成到業(yè)務部門，因為這并不是一個傳統(tǒng)的分析特性。

3. 自動化會留下痕跡。軟件機器人正在完成越來越多的，傳統(tǒng)上由人類完成的任務，而分析人員和數(shù)據(jù)科學家也不能幸免于這一趨勢。“我認為這是注定會發(fā)生的，”Magestro說，“企業(yè)需要接受它。”

Davenport說，自動化分析工作會非常簡單明了，企業(yè)會受益。 “一些機器學習算法，其實只是自動化的回歸分析，”他說，“（自動化）可能會威脅到一些分析人員，擔心失去他們的工作；但我認為也會幫助他們提高生產力。”

Magestro說，他預計公司將繼續(xù)在分析開發(fā)和生產上，轉向云，公司不僅可以更快地構建原型，并且可以更快地擴展這些原型，更好地服務企業(yè)。

CIO和IT部門必須解決“將分析工作遷移到云中，需要注意的事項和架構問題，”他說，包括安全問題。

Magestro認為，公司的分析職能通常是不明確的，具有“廣泛的影響”。清楚地定義數(shù)據(jù)分析師的職能，會提高員工留職率，幫助分析人才成長。另外，隨著集中化的分析團隊決策權下放——這一趨勢也包括在IIA的2017年預測列表中——明確定義職能，就能更容易地調動人才。

但是，正式定義這些職能也可能影響公司的業(yè)務部門。“那些自稱為數(shù)據(jù)科學家的員工，之前是分析師，但是業(yè)務人員并不清楚其中的區(qū)別，” Davenport說，“是時候清晰定義了。”

最大的障礙可能是與人力資源部門合作，正式定義這些職位和職責，Davenport說。“但我認為關鍵是，不僅要這樣做，還要把它嵌入到正式的工作分類系統(tǒng)中，”他說。

Magestror認為要在平衡實驗和分析工作之間找到良好的平衡，并達到生產階段，是最具挑戰(zhàn)性的分析項目。探索性數(shù)據(jù)科學項目從未完成部署，雖然重要，但是不提供實際的投資回報。

另外，“這還涉及人員保留問題，”Magestro說，“總是有更好發(fā)揮人才的工作，當他們的工作既創(chuàng)新，又可以實現(xiàn)生產。”

要達到適當?shù)钠胶?，需要關注三個方面：建立一個平臺或架構，同時支持實驗和生產；編排分析人才，定義他們的職能；并定義分析團隊將如何分配工作時間。Magestro說最后一個方面是最重要的，因為它決定了何時創(chuàng)新，何時生產。 “平衡會帶來收益，”他說。

上下文很重要，Magestro說。隨著業(yè)務部門意識到分析的重要性，他們就會希望有更好的分析，并期望分析人才和決策者更緊密的合作。這樣做，在構建分析時，將“最終提供更強的上下文”，帶來更強的成果，和更好的決策，他說。

“能夠推動這一切的一件事，就是將分析師嵌入到業(yè)務部門，” Morison補充說，團隊可以將分析作為服務，提供給業(yè)務部門，利用可反復使用的組件，比如API，從而加速模型的開發(fā)。