业务分析师对任何一家公司来说都是巨大的资产，是改进流程、服务、产品和软件的向导。它们从本质上弥合了一个基本的差距，确保IT部门不断了解业务观点，从而正确地做出技术决策。然而，业务分析师的角色在不断变化：随着数据成为组织日益增长的资产，他们也在不断变化。

随着人工智能和机器学习的兴起，新的技术和工具为业务用户和业务分析师留下了更广泛的基础，产业云，他们有权使用实时数据和分析，通过识别业务趋势、问题和，在8月8日的最新一期改变游戏规则的预测机器学习广播系列节目中，主持人Bonnie D.Graham带领一个由三位具有业务分析师经验的专家组成的小组，他们讲述了自己在采用和使用高级分析工具方面的成功与失败。

"白天的业务分析师，夜晚的数据科学英雄"第三集（请听重播）Christopher Carter，Approyo首席执行官金伯利克拉克公司分析专家杰森·奥尔森Samantha Wong，SAP预测分析产品经理

您可以随时收听节目回放。现在，这里是亮点。

增强分析的兴起

围绕数据科学的污名由来已久，但这要追溯到我们没有今天所做的改变游戏规则的工具来帮你解决困难的时候。今天的工具帮助业务分析师以一种非胁迫性的方式接触数据科学概念。

正如Jason Olson在air上解释的那样，他不需要知道如何用R或Python编写代码，大数据分析软件，因为他利用了一种自动化这些实践的工具。他说，业务分析师只需要了解"少数几类广泛的分析"。

相信流程

小组的对话导致了一些人对自动化流程缺乏透明度的担忧。他们担心：这些见解是如何产生的？使用了什么算法？

有广告背景的Sam Wong指出，使用什么算法并不重要。提出这些问题是因为人们对计算机生成的结果缺乏信任和不确定性，他们不了解深度学习的工作原理。然而，德国云服务器，正如Sam所建议的，流程和背后的数学并不重要，业务用户需要利用他们的时间专注于：

了解您试图解决的问题是什么了解如何将相关数据输入机器让它来做决定

正如克里斯所说，它不再是组件的问题了。"他们不需要看到向导，他们想看到向导为他们做了什么。"

业务分析师在数据中看到了什么

并非所有公司都有亚马逊这样大的数据科学团队，但他们并不都需要。如果你能够让业务分析师参与到这个过程中，他们将能够注意到数据科学家不一定认为重要的事情。因此，通过立即采取行动进一步通知业务结果。

克里斯·卡特支持这种观点，即让机器为业务分析师的决策铺平道路。正如他所说，"数据将带你去数据将带你去的地方。"他继续解释说，淘客商城，这可能是一个不同于你预期的方向，但他补充说，这正是它如此酷的原因。

克里斯挑战传统的观点，即业务决策是线性的，因为它是多维的。有了自动化工具，云信息，我们现在有能力将决策过程中的所有因素和参数整合到一个漂亮整洁的软件包中，然后"瞧"——神奇的事情发生了。

作为一名公民数据科学家的成功秘诀

如果没有给听众的宝贵建议，节目就不会完整。山姆鼓励听众告诉他们，不可能总是有一个正确的答案，这是数据科学最美妙的事情之一。Jason建议那些希望采用机器学习预测技术的人，把注意力集中在为业务分析师准备好数据上，这样格式就已经很好了，在他们使用时就可以很容易地使用了。一旦做到这一点，业务分析师就可以自由地"放松"了，因为所有专家都预测，这些能力很快就会被商品化为日常活动。

好吧……那么这对未来的业务分析师意味着什么呢？好吧，一个成功的业务分析师对他们的业务有着广泛的了解很好地掌握新技术有没有坚定的信心，他们最终会取得成功（杰森奥尔森说，他所有成功的业务分析师都表现出的一种特殊品质）

了解更多

想从这三个游戏改变者，或者我应该说，披着斗篷的数据科学英雄那里听到更多？请收听完整的在线重播，并于美国东部时间8月29日下午2-3点在VoiceAmerica商业频道直播。