数字经济的驱动力是什么? 分析经济！

从银行交易及购物到社交和学习，数字经济几乎渗透到人们生活的每一个方面。同时，它也提出了一个问题：数字经济只是经济的一种形式吗? 也许是。但更重要的问题是，数字经济如何产生收益? 如何创造数字经济的持续价值?

For some organizations, the digital economy brings limitless opportunities to connect with customers, innovate collaboratively and develop new experiences. For others, it’s fraught with disruption to traditional business models.

How can you take advantage of the opportunity – without becoming a casualty of disruption?

The answer is in the data, a natural resource of the digital economy. But data without analytics is value that’s not yet realized. Applying analytics to digitized products and services makes the digital economy effective, customizable, relevant and smart.

Read our questions and answers below to learn more about the analytics economy and why it matters.

对于一些企业来说，数字经济为连接客户、协作创新、开发新体验带来无限机遇。对另外一些企业来说，数字经济将颠覆传统业务模式。

如何利用这种机遇，而不是成为业务颠覆的牺牲品?

答案在数据里，数据是数字经济的天然资源。但是，不进行分析就无法实现数据价值。把分析应用于数字产品和服务，可以使得数字经济更加高效、定制、关联、智慧。

为帮助定义分析经济并揭示其重要性，我访问了SAS全球首席产品市场经理Fiona McNeill，她的见解令人耳目一新。

什么是分析经济?

Fiona McNeill: 经济的一个定义是“认真管理可用资源”。因此，分析经济就是认真管理数据资源。再进一步，我认为分析经济是创造新的数据复合价值的一种软件技术，其中包括传统数据管理和数据可视化技术，以及最新出现的机器学习和人工智能方法。

数字经济面临的挑战和机遇是什么? 

McNeill: 数字经济时代，企业要么锐意颠覆创新，要么受到颠覆者围堵。不过，颠覆不应该与竞争相混淆，后者只是挤占市场份额。颠覆性创新不一样，颠覆者可彻底改变业务模式。以波士顿UberHealth为例：在过去，医院、医生诊所和药品连锁店提供流感疫苗和其他疫苗接种。现在，注册护士可以通过UberHealth按需提供基础预防保健。数据和分析可以帮助UberHealth进一步扩展这种理念，增加紧急护理、疾病筛查和药物康复保健服务。

基于创新的颠覆要求企业全面整合和协调资源。实现这一目标的最佳方法是将数据、分析和协作结合在一起。 

其最终目的是帮助员工根据自己的需要进行数据调查，轻松提取数据中新的洞察结果，而无论员工自身的分析水平如何。无论员工何时提出数据相关问题，无论他们问问题的方式是怎样的，只要你能提供给他们关于数据的普遍性定义，以及与他人分享洞察结果的方法，便可以促进员工在这方面的持续改进。 

不过，找出答案和开创式创新只是分析经济的一部分。新的工作理念必须便于实施，否则只是一种好的想法。自主、可控和可重复的分析流程有助于将创新融入到业务中，成为持续运营的一部分，规范的实施方法便于适应新情况。

What are some examples from the analytics economy?

Duke Clinical Research Institute has made anonymized patient data on 39,000 patients available to doctors and researchers. Its cloud-based system allows different researchers to access and use the same data for research. Doctors can query the information to make informed medical decisions. Researchers can study treatment data to see what works best for different types of patients. And insights from one researcher can lead to new insights from another researcher, building upon findings and compounding the value from analytics insights.

Another example is GatherIQ™, a new, collaborative app designed to address global humanitarian issues. Available for free download, the app offers shared data and analytics to help solve problems by crowdsourcing answers that can compound the value of any one contributor. That’s the definition of an analytics economy.

您可以举例说明分析经济吗?

McNeill: 杜克临床研究所为医生和研究人员提供39,000患者的匿名患者资料。研究所的云计算系统可供不同研究人员访问并使用相同数据进行研究。医生可以查询信息以做出明智的医疗决定。研究人员可以研究治疗数据，以找出针对不同类型患者的最有效的治疗方法。一位研究人员的洞察可以促使另一位研究人员产生新的洞察，在发现的基础上创造分析洞察的复合价值。

另一个例子是GatherIQ™，一种用于解决全球人道主义问题的新型协作App。这种免费下载App支持共享数据和分析，以众包方式帮助解决问题，可增加任何一位贡献者的价值。这正是分析经济的定义。

哪些技术进步推动分析经济?

McNeill: 在不久的将来，智能自动化、联网数据和环境分析技术将对分析经济产生影响。下面我来分别解释。

分析驱动型自动化服务将超越人工任务，后者将逐渐消失或变得自动化。智能自动化将分析嵌入数字流程中，使数字处理本身能够自己识别何时需要自动化、何时不需要，以及哪些方面需要自动化。

例如，智能自动化可以带来更加经济的云提供商服务。在月末报告时和实施新的成套模型时，分析处理增加的活动可能会产生峰值。自动化系统可以预测需处理的工作量，诊断满足需求需要额外增加的计算能力。同时，通知预付费云服务是否接近容量极限。与超出容量后，每小时需支付高昂的费用不同，智能自动化系统可以监控云服务现价，仅在小时价格低廉的情况下才会采购额外容量。

第二个主题是联网数据。尽管我们已经开始看到物联网中出现新的数据网络，但我对此有不同的看法。在有可能解决安全和隐私问题的前提下，类似于区块链的分布式网络将改变我们存储、注册和访问数据的方法。可信且能够解决当前问题的虚拟化分布式数据网络将重新定义数据的使用方法以及由谁使用。

最后，环境分析指在不知道或没有输入的情况下，发生在我们周围的分析决策点，包括现货云计算采购、恒温器调整、交通信号灯变化和在线广告显示。通过清理、转换、过滤将分析引入数据，对数据进行就地分析可以实现环境分析。当数据发布时即具智能，可以自动完成从数据生成到使用的过程，这是真正的环境分析。数据干净、相关并且具有生成的特定指标。就像数据无处不在一样，只要有数据，分析也无处不在。

这三个概念结合在一起，当智能数据可以安全地联网时，分析可以形成自己的网络，甚至推动智能自动化。

企业现在应该如何充分利用分析经济?

McNeill: 正如前面杜克临床研究所举例一样，成功实现分析经济需要所有人的一致协作，以自主可重复的方式采取最佳行动。

您可以创建、部署、重新定义分析应用，并迅速做出决策，然后重复这个过程。分析平台应该能够以精细、准确和相关的方式支持大量行动和工作负载变量、基础架构变更以及各种方法和方式。

与治理、一致性和重复性一样，对结果进行测量，了解行动质量是至关重要的。

SAS的愿景是以单一平台支持分析经济，这并不意味着一定要更换企业内部现有工具和技术，而是将其整合到可信、可扩展、灵活的生态系统中，建立持续创新和创造价值的基础。