我们应该在哪里部署我们的分析和商业智能（BI）？在云端还是本地？这是一个经常向我提出的问题。大多数软件供应商预计，到2020年，只有20%的企业能够运行全云分析。剩下的呢？你今天决定做什么？有简单的答案吗？可能看起来不是…..但是混合BI方法是！

云分析的发展

在理解为什么要讨论云分析和/或内部分析之前，返利系统，我们需要稍微回顾一下市场情况。说到分析，我们的世界已经发生了巨大的变化，而且仍在这个变化的过程中。这一切都是数字化转型的一部分，我们最初转向了新的业务网络，包括视频协作、移动设备、互联设备等，云主机，现在我们正转向使用实时和在线结构化和非结构化数据的洞察驱动体验。这种变化是巨大的。

今天，我们连接了所有设备、人员、数据和流程。当然，企业也经历了类似的经历；它改变了它们的竞争方式。数据是他们在这场竞争中的关键资产，因此企业将数据作为他们的战略优势。数据成为新的黄金。

与此同时，科技也应运而生。除了内存计算，我们还有稳定的云平台，可以利用内存计算，极大地提高性能。在今天的海量数据生成中，这些平台受到了很多欢迎。云平台具有巨大的吸引力，因为维护和支持工作大大减少，此外，平台提供了企业目前所需的可扩展性。

分析供应商在此基础上提供了云分析工具。SAP BusinessObjects Cloud是最好的例子之一，它甚至在满足企业需求方面更进一步，它提供了监控、规划和预测功能—即所谓的闭环产品组合。

内部部署分析的永久化

然而…。。预计到2020年，只有20%的企业将运行全云分析。为什么只有20%？这要么是因为并不是每个人都适用于今天的用例来在云中运行分析和商业智能，要么是因为文化差异意味着某些领域没有准备好转向云分析。

那么其他所有领域呢？它们仍然非常成功地运行内部部署分析。软件供应商不断创新本地软件，使其能够处理对灵活性、数据量和复杂性以及实时能力的最新需求。他们成功了。从长期来看，我们非常肯定所有企业都会转向云分析，但这还需要7-10年的时间。与此同时，分析技术需要进一步发展，以满足洞察力驱动的经验和数据驱动的策略的需要。现在的问题是，软件供应商应该怎么做？所有的重点是云分析还是应该继续创新内部解决方案？

从描述性分析到预测性分析的转变

为了回答我们的问题，海淘返利，软件供应商应该把开发重点放在云分析还是本地分析，其他一些因素也很重要。这些是企业的意图和他们在数据洞察上的策略。随着企业将数据作为其核心资产来提高竞争力，我们看到它们从更传统的描述性分析（典型的监控）转变为预测性分析。简单地说，描述性分析回答"发生了什么"和"它是怎么发生的"，预测性分析告诉我们"可能发生什么"。

从长期来看，这种转变将进一步向先发制人分析、量子分析、甚至适应性分析发展：

先发制人分析：分析侧重于预测特定结果量子分析：机器智能和数学被用来"问"数据问题（自动和最相关的）的见解适应性分析：面向完全适应性企业的最终目标，企业可以预测哪些可用的分析见解是真正有价值的

这种向预测性分析的转变说明了我们将在其他文章中讨论的很多问题，但有一点是肯定的，这肯定意味着我们都需要引入分析创建数据的位置。我们可以在这里创建数据智能算法，这样企业就可以预测在分析问题方面需要问什么，使它们适应企业。一切都必须启用分析功能。

我们必须集成预测模型和闭环系统的机器学习。如果我们都能做到这一点，那么世界已经准备好迎接货币化的机会，并为订阅数据的结果设计商业模式。

将分析引入数据，意味着使几乎任何应用程序都能进行分析。考虑到应用程序的未来无论如何都在云端（公司也将开始根据自己的需要使用应用程序——一种典型的云模型），我们还可以得出结论，分析的未来在云端。

混合方法策略

然而，企业推动了适应组织的速度和采用。它们可能反复移动或成片移动。因此，它们也推动了软件供应商在很大程度上决定将重点放在云计算或内部部署上。因此，直接的答案是混合分析的焦点（必须是！）。

这意味着企业必须在发展云分析产品的同时，创新内部软件工具。这也意味着企业应该尽可能地协调它们，使它们具有互操作性。云分析必须能够与供应商的内部分析互连，反之亦然。