人工智能和机器学习正在推动新一代商务智能解决方案的发展

人工智能(AI)和机器学习(ML)正在推动新一代商务智能(BI)解决方案的发展。这些关键任务软件包反过来又是将企业大数据迁移到云的主要驱动力之一。

BI工具旨在收集和分析当前和可操作的数据，从而提供对流程和工作流的见解，这些影响可能会在短期内影响业务运营。但是，如果您立即需要这些见解，并且需要在全球范围内同时工作的员工和专家的手中，该怎么办?IT利益相关者正在转向云以获取更快，更准确和更及时的BI见解-尤其是面对Covid-19时，公司希望经济地运营，成千上万的人被迫进入远程工作地点。甚至在大流行发生之前，TechTarget于2019年进行的一项调查发现，有27%的受访者计划在来年将BI部署在云中。

该研究还指出，云技术正在成为公司用于提高员工体验和生产力的第二大活动，并指出38%的公司计划在明年增加其云技术。

组织将其BI和分析迁移到云有多种原因。

首先是成本：此举可简化员工队伍，因此，即使迁移过程涉及启动成本，长期成本效益分析仍对他们有利。公司还可以借助基于云的BI来更快，更轻松地运行，而无需运行专用的客户端应用程序和IT团队，而不必在整个基础架构中协调升级。

然后就是安全性：由于只有一个访问点，因此公司对数据进行了额外的一层安全保护，因为数据不会意外地与另一家公司合并，或者更糟的是，这样做的人会故意和恶意地对其进行访问。没有访问权限。

由于公司将不再被束缚在一个不同的物理位置来存储数据，可访问性也将得到改善。当他们的BI系统迁移到云时，它可以从任何笔记本电脑，平板电脑和智能手机实时访问关键数据和分析，这意味着可以随时访问做出更好的业务决策所需的信息。

由于云提供了弹性的基础架构，可提供可伸缩的基础架构，随着企业的发展而扩展，因此可伸缩性也将急剧上升。

而且，由于可以根据每个公司的特定需求自定义云基础架构，因此可以提高性能。集中协作是一个额外的好处，它使整个团队可以在相同的框架内使用相同的工具工作，而无论他们多么分散或分散。

TDWI在有关BI和分析的最新报告中指出：“……对于能够基于当前发生的事件所产生的数据以及对未来可能发生的情况的预测见解提供视图，分析和说明性建议的系统的需求正在上升。”

云的分析优势的生动例子是使用Spark，它具有极高的内存需求。云的弹性使Spark可以比Hadoop / Hive本地执行快几个数量级。差异可能是巨大的：在云中使用Spark时，一个10到12小时的Hive查询实际上只需要15分钟。