在最新發布的2016分析趨勢報告中，德勤預測了六個將在2016年改變商業的主要趨勢。
德勤的John Lucker表示，對於持續面臨各式機遇和挑戰的商界領袖來說，提前看到這些趨勢能夠對公司的運營產生深遠的影響。許多公司選擇對他們的運營模式做一個戰略性的轉變來應對如網路安全這樣侵略性的問題。同時，作為一個日益凸顯的問題，資料分析人才的缺乏也成為公司發展的一大障礙。然而有一點是肯定的：有效地利用資料分析能力對於幫助公司進一步的增長和創新至關重要。
網路安全：進攻是最好的防禦
網路安全一詞在德勤的趨勢列表中已經不是第一次出現了，它從去年就開始被提及。“市場中正在發生一個改變。”Lucker認為。他引用了一個IDC的發現——去年，全球金融服務行業在資訊保安上花費近274億美元。這些機構不再滿足於傳統的被動式的安全模式，而是開始採用預測性的方法威脅情報和監控代替之。這些方法包括自動掃描可能威脅機構安全的聊天記錄，和通過分析過去的實施來構建能夠預測未來威脅的數學模型。
隨著網路安全和分析的出現，相比於被動防守，主動出擊變得越來越重要。Lucker說，現在更需要做的是用資料分析和認知計算和機器學習方法，去預測公司的的什麼方面容易受到攻擊，和已知的漏洞會如何演變成新的漏洞。
總的來說，德勤認為網路安全將會得到更多更廣泛的投資，同時與資料分析也會產生越來越緊密的聯絡。
網路安全威脅也與2016年其他的趨勢息息相關。Lucker建議一些機構可以考慮放慢腳步，更加理性的分析他們的關注點，例如在網路安全中心搭建完畢之前，應該強調資料採集方面的工作。
大資料和物聯網就是兩個很好的例子。在過去，機構常常會忽視在儲存大資料和物聯網相關資訊時系統的安全問題。但是當把這些專案從測試階段轉移到產品階段的時候，網路安全問題已經變得日益明顯。
資料分析師：員工荒
另外一個常見的趨勢就是，找到並留下資料分析人才難上加難。Lucker引用了2015MIT斯隆管理報告——百分之四十的公司很難找到他們需要的資料分析人才。
許多大學都在努力培養優秀的資料科學人才，但是數量畢竟有限。而對於高階人才來說競爭則會變得更加激烈。
Lucker認為，公司應該認識到，他們需要和教育機構建立更加緊密的聯絡。在公司和大學之間構建一個真正的合作關係是已經變得日益重要。
另外，他指出吸引資料分析人才只是一個方面，公司更應該思考如何才能留下這些人才。只有為員工提供良好的資料科學職業規劃和多元化的工作，才能培養員工與公司之間的感情。相反，每天重複性的工作很容易會造成人才的流失。
人機關係：日益緊密
根據IDC的預測，在2025年之前商界將會對機器認知投入超過600億美金。儘管許多預測表面，人工智慧的發展將會大規模的減少人類的就業機會。Lucker卻認為領軍企業會通過人力投入來提高機器的工作質量。畢竟，人類智慧是人工智慧的基礎，而且機器的工作情況和質量也需要人工來把關。另一方面，人工可以在很多方面充當機器的一個補充，尤其在一些要求高創造力和情感投入的工作崗位中。
換句話說，人類與機器的是互補互助的關係，而非相互替代的關係。
Lucker認為人工智慧只是工具箱裡的另一個工具而已，它並不能用來解決所有問題。“它只是一個補充工具，是那些資料分析科學家們所用的一大堆分析工具中的新成員。”
“更何況，”Lucker補充道，“人工智慧的結果全部都需要人類高階別的判斷能力來進行分析和測試。”
物聯網與人
在2016年，人類將會重新作為物聯網的一個重要的組成成分。物聯網已經從一個簡單有意思的小工具快速進化成為一個能跟蹤、影響人類的行為，並且開始催生新的商業模式的熱點詞彙。
Lucker認為，在以消費者為中心和B2B的商業領域都在發生著圍繞IoT的創新，並且這些成果將會對商業模式和工業界產生重大影響。
當我們具有能跟蹤人類行為活動的能力時，就意味著，圍繞著出行模式，消費模式的新的商業模式成為了可能。Uber就是一個很好的例子。
Lucker表示，許多公司已經有了必要的基礎設施。例如，汽車保險公司已經開始用使用者的智慧手機資料來支援“按距離收費”的應用軟體。健康保險公司開始利用可穿戴智慧裝置的資料來給長期從事健身活動的消費者指定折扣。另外，感測器資料也開始被用來監控長途運輸管理。
德勤在報告中指出，很難想出一個不會被物聯網改變的行業。儘管制定物聯網相關的標準還需要很多努力，已經有很多物聯網應用能夠為我們的生活創造價值，其中包括幫助人們保持健康，提高效率，節省開支等等。
科學家的勝利
由於資料開始潛在影響商業的每一個角落，科學家在商業領域開始有了一個嶄新的定位。需要明確的是，資料分析並不是一個新的技術，它在商業領域中的已經有了數十年的歷史。但是最新的技術發展和資料處理能力使得科學與科學家在商業界變得尤其重要。
報告還說，商業界並不是唯一一個在資料分析技術上有著卓越進展的領域。學術界或許才是引領資料分析技術的先鋒。大學，實驗室以及其他科研單位在過去的一些年中一直在應用和改進資料分析的方法。這些應用領域包括許多方面，微觀方面有分子生物學和太空物理學，巨集觀方面包括社會科學以及更廣的領域。在許多案例上，他們並不用“資料分析”這個詞，在他們看來，這些技術本身都是“科學”。
但是當前的社會環境鼓勵科學家能夠走出實驗室進入工業界，因為在科學研究中開發出來的工具很多都能夠很好地被工業界所利用。例如，科學家發明的觀察DNA的許多工具也可以幫助工業界從成千上萬的郵件中提取有用的資訊。
Lucker提到，許多在核心科學中的概念，演算法和技術正在被以一種獨特強力的方式應用到許多商業領域當中。例如，“文字分析正在利用基因排序技術來快速識別語言文字中的特徵。這些技術對於商業界而言是一套全新的演算法和分析能力。”
概念驅動型公司的崛起
在過去的一些年裡，德勤和其他一些諮詢公司都曾提到了一些依賴資料進行商業決策的公司，這種公司被它們稱為概念驅動型公司。Lucker說，在過去，他們看到一些企業從只分析一些特殊的目標資料，到分析大範圍的整個領域的資料。他們把這些企業稱之為IDOs.
這些IDO並不是簡單地在商業領域的某一個部分來利用資料進行決策分析。它們把策略，人力，過程，資料以及技術等多個部分緊密的組合在一起，來玩公司運營的每一處提供決策輔助。一個例子就是通過分析人力資源資料，產品資訊以及市場資料來分析在所有銷售有關人員的表現情況。
“通過分析所有和企業相關的資料，我們可以構建一個企業級的巨集觀圖景。”Lucker表示。
選文：Shawn
翻譯：Cody（姜詠耀）