在日新月异的技术、信息和分析世界，利用最新的技术和工具的能力曾局限于有限的一群专家—— 统计学家。在过去的几年里, 这个角色已经演变成为更多的是由管理科学家, 再加上业务分析师, 他们都试着假设和解决分析客户和市场行为不断增加的复杂性来获得竞争优势。
工具的加入
现在我们看到新的独特的供应商应用程序和平台的部署和访问, 帮助缓解分析大数据集的复杂性以获得竞争优势。预测分析网络社区的增长让供应商的应用程序变得更直观, 更容易使用, 更适合业务分析师，而不必寻求难找的统计学家和管理科学家。懂得在统计学家和管理科学家的人才和普通人之间有差距，这些供应商的应用程序用更易于使用的预测分析能力让企业内任何层次的任何人都能使用来弥合这一差距。
例如,一个使用最广泛的预测分析平台是开源“R”。利用这种语言的社区已发展到几百万, 这已经成为全球各地大学最受欢迎的统计建模语言。然而,这种语言的开源版本没有处理大数据集的架构, 因此有供应商提供应用程序来处理可扩展性、性能和统计模型的可视化创建使用开源。
分层的方法
要准备一个分析平台的开发,一种常见的趋势是把重点放在三个特定类别的应用程序 —— 消费层、模型层和数据管理层。这三个类别的创新填补了从什么都没有到现在越来越涌现的供应商应用程序和解决方案的空白市场。单独考虑这些层, 我们发现:
消费层曾经由商业智能（BI）工具所主导 (它们专注于描述性分析或分析“发生了什么事?”)。现在我们发现更多的供应商应用程序集中在预测分析 (“可能/会发生什么?”), 甚至是说明性的分析 (“当它发生时我们做什么?”)。这是众多的多样性的应用, 平台和产品,帮助可视化数据的所在。
建模层也有新进入者。我们讨论了R开源社区, 但现在已经被附加了许多新的和必要的语言推动预测分析到新的高度。像Hive, Python, 和 Pig, 以及Weka,KNIME，和其它现在自己的用户社区和强有力的支持者中蓬勃发展的这些语言。
数据管理层经历了一个巨大的转变，从企业数据仓库主导的局面到新的数据仓库设备和平台如Hadoop，正帮助管理大数据挑战对每一个企业的冲击。数据转换、存储、安全、和整合是每一个IT企业的前沿。
最终,它是预测分析工具和平台的聚合，改变下一代商业领袖和竞争的景观,这一切都令人兴奋。信息时代真正来临。
