1.2　應用新技術取得規?；晒?/h3>

幾乎沒有什么領域正經歷像大數據分析這么多的創新和投資。貫穿數據分析生態系統的新工具和改進后的手段有可能取得規?；б?。在我們看來，有三方面尤其值得圈點。

首先，以數據分析為基礎的軟件和服務提供商開始提供有針對性的解決方案，幫助客戶更直接、更快地對底層業務產生影響。一批新興的數據分析專家針對特定使用場景建立有針對性的模型。這些模型聚焦在業務上，并且能夠迅速實施。我們可以看到，它們已經成功地應用在了很多領域，比如物流、風險管理、定價、人事管理，不一而足。這些針對性的解決方案已經在幾十家公司實施，也更容易部署和展開。整體來看，這些有針對性的應用會提升管理層對進一步投資數據分析獲得大規模應用的信心。盡管公司仍然需要企業文化上的轉變和實施上的強推，但是這些針對性的工具的出現推動整個流程前進了一大步。

其次，新的自助服務手段也使商業用戶在數據分析方面增強了信心。在數據分析的世界里，低門檻“民主化”—也就是人人可用，已成為吸引眼球的熱門詞匯。使數據分析從統計專家的專利變成大批一線用戶人人可用的工具，是規?；瘧玫闹匾侄?。一線用戶不需要知道其中任何一行代碼，就可以通過新的技術手段連接不同的數據庫（包括公司之外的數據庫）進行預測分析。同時，可視化工具能夠讓業務部門的用戶掌握分析工具，使不同維度的數據分析簡單化，為解決業務問題定義數據需求，并為決策提供支持。美國運通公司、寶潔公司和沃爾瑪等公司已花費不菲的投資建設這類工具，來降低數據分析的使用門檻。

實踐經驗（早期在專家的指導下）幫助人們逐漸習慣于運用數據。這有助于幫助他們樹立信心，并且隨著時間的推移，擴大利用數據解決問題和支持決策的規模和范圍。比如，某個硬件技術公司部署了一套自助分析和可視化的工具，以改進銷售部門的決策。這個新的平臺幫助公司進行客戶分析，并更好地鑒別銷售和合同更新的時機。這些工具的使用已經使該技術公司從支持和售后服務合同中獲得了超過一億美元的收益。

最后，流程和決策的自動化也變得越來越容易了。技術的進步使我們在進行海量實時數據處理和分析的同時，可以獲得更多的實時數據（例如，通過傳感器）。這些進步為自動化和機器學習開辟了新的可能性，以前只有最領先的企業才擁有自動化和機器學習的能力。比如，某保險公司已經在利用數據分析進行索賠申請的定損方面邁出了一大步。自動化系統實時地將一個申請和數百萬條的索賠記錄做比較，從而自動定損，降低了人為干預，大大節約了人力資源。另一個數據分析項目能大大提高搜索引擎自動優化配置，預測對指定企業進行網絡營銷哪些內容類型更有效，并自動提供相關內容吸引其客戶。