毫无疑问，人们几乎在任何地方都能看到数据。不用说，数据是巨大的，它并没有就此止步，它正在以超出想象的速度增长！尽管如此，为了利用这些数据，数据分析正日益流行。但让我们疑惑的是，这个数据分析领域是如何形成的？这些年来这是如何演变的？
Analytics 1.0：这个时代（一直持续到本世纪初到中期）展示了“数据分析”的开始或早期。这是20世纪50年代的一个时期，与我们今天的情况相比，技术进步明显减少了。好吧，这并不妨碍那些旨在分析数据然后从中产生有用信息的公司。这些公司收集数据（离线）并进行人工分析。
然而，在这一时期，用于收集数据的时间较多，用于分析数据的时间相对较少。因此，在这个时代，数据分析员的角色更多的是处理技术和收集数据的技术人员。这项工作需要大量的人工处理，速度很慢，而且数据来源也很有限。增加困难的是获得结果所花费的时间。
Analytics 2.0：一个为更好地改变世界铺平道路的时代。看到全球范围内的海量数据，“大数据”一词就是在这一阶段被创造出来的。正是在这一阶段，分析不再局限于大型组织并充分利用它。几乎所有与数字基础设施有关的企业都开始采用各种方法来处理大数据，并提出有意义的见解。这个时代弥补了前一个时代的缺点。
2000年早期和中期，OLAP、数据挖掘等工具的发明将技术进步推向了一个新的高度。在这一点上，“互联网”获得了巨大的普及，并被列入“必须拥有”的名单，不仅是组织，而且是家庭。
随着技术越来越先进和成熟，以及对管理数据的自动化选项的访问，数据分析师发现自己处于一个更好的位置。他们现在可以分析数据、趋势等，得出前所未有的结论和建议。
这个时代给我们带来了谷歌、贝宝、亚马逊和更多。而且，随着数据量的不断增加，存储和处理也出现了问题。
Analytics 3.0：这是一个智能手机、Facebook、twitter、互联设备等标志着它们存在的时代。这些公司利用更好的搜索算法、推荐和建议来吸引客户，而这些都是基于数据的分析。在这里，我们看到市场上的大公司（公司）创建了“在线分析处理”平台。意识到这些公司也必须处理非结构化数据的事实，他们熟悉了一种称为NoSQL的新型数据库。新技术被引入以加快处理速度，机器学习模型被用于高级分析。
这个时代一直延续到20世纪末10年代初，同时，数据科学也成为另一个具有巨大发展空间的领域。这为数据科学家的需求铺平了道路。
Analytics 4.0：虽然这个阶段还处于早期阶段，但仍然从数百个来源获取数据并不是一项艰巨的任务。组织在使用云和大数据技术、预测分析实现高级自动化决策工具方面领先了一步。借助领先的云平台，现在可以实现大规模流媒体和复杂的分析。
看看这些年来“数据分析”是如何演变的，从人工完成任务到发明复杂的平台和算法，看看它为未来准备了什么，世界的技术水平会有多先进，也就不足为奇了。为更好更先进的技术做好准备！
浙公网安备 33059002000199