根据Gartner的最新预测,2017年全球商业智能(BI)和分析软件市场收入预计将达到183亿美元,相比2016年增长7.3%,到2020年该市场预计将突破228亿美元。
据Gartner称,现代商业智能和分析继续以超过整体市场的速度扩张,这弥补了传统商业智能支出的下滑。最近几年出现了不少现代商业智能和分析平台以满足新的需求:可访问性、敏捷性、更深度的分析洞察、从IT主导的、系统记录报告转向业务主导的、包括自助服务的敏捷分析。
然而,现代商业智能和分析市场预计将减速,从2015年63.6%的增幅减少到2020年的19%。Gartner认为,这反映了数据和分析逐渐成为主流。该市场在席位扩张方面呈现增长,但是收入会受到定价压力的抑制。
Gartner研究副总裁Rita Sallam表示:“采购决策仍将受到企业高管以及那些希望有更高敏捷性、可选择小型个人和部门级部署以证明成功的用户的影响。企业友好的采购模式对于成功部署将变得越来越重要。”
Gartner认为,快速变革的现代商业智能和分析市场正在受到以下七大动态的影响:
1、大规模现代商业智能将主导新的采购——虽然商业用户最初涌入新的现代工具市场是因为这些工具在不需要IT辅助的情况就可以使用,对监管越来越高的需求将成为IT重新参与进来的催化剂。从企业层面来看,支持更高可访问性、敏捷性和分析洞察力的现代商业智能工具将主导新的采购。
2、新的创新厂商和知名厂商将推动下一波市场变革——智能数据发现能力、机器学习和整个分析工作流自动化的兴起,将推动新一波的采购热潮,因为其中存在缩短从高级分析中获得洞察、将洞察提供给企业中更多人的潜在价值。虽然这个“智能”热潮正在受到有创新性的初创公司的推动,但是传统商业智能厂商也在缓慢地进行调整以适应目前的“现代化”浪潮,他们在某些情况下也起到了推动发展的作用。
3、需要复杂数据集推动数据准备中的投资——商业用户希望分析多样化的、通常很大且更为复杂的数据来源和数据模型,速度超过以往任何时候。以自动化的方式快速准备、清理、丰富和发现可信赖的数据集,这一能力亿i纪念馆成为一个重要的推动力。
4、可扩展性和可嵌入性将成为扩大使用和增强价值的关键推动力——互联网的用户和客户要么使用更加自动化的工具,要么把分析嵌入到后台使用的应用中,或者两者兼有。内嵌和扩展分析内容的能力,将成为推动普及和从分析中获取价值的关键因素。
5、支持实时事件和流数据将扩大使用——组织机构将越来越多地利用设备、传感器和人生成的流数据来快速决策。厂商们需要投资类似的能力,为采购者提供把实时分析与流数据和其他类型源数据结合其他的单一平台。
6、对云部署的兴趣将越来越高——商业智能和分析平台的云部署有降低总拥有成本和缩短部署时间的潜力。不过,企业仍然有很多数据是保存在本地中的,这将成为阻碍采用的一大障碍。不过这个情况正在发生改变,Gartner预计到2020年大多数新许可的采购都将是针对云部署的。
7、市场将为企业机构创造机会,采购和售卖分析能力,加速获得洞察——一个活跃的市场中,采购者和售卖者聚合到一起交换分析应用、聚合数据源、自定义可视化及算法,这将引发越来越多对商业智能和分析的兴趣,推动未来的进一步增长。
Sallam表示:“很多新的创新厂商将不断涌现,来自大厂商对创新的重大投资、以及获得风投的初创公司,这些都将让企业机构从中受益。然而,他们需要特别小心,当多种单独解决方案快速展现业务价值、不需要特别关注设计、实施和支持的情况下投入生产环境中可能导致的技术债务。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。