For analytic evolution to happen effectively, organizations need a methodology to communicate and reinforce analytic culture.For analytic evolution to happen effectively, organizations need a methodology to communicate and reinforce analytic culture.For analytic evolution to happen effectively, organizations need a methodology to communicate and reinforce analytic culture.For analytic evolution to happen effectively, organizations need a methodology to communicate and reinforce analytic culture.為了有效地進行分析演變，組織需要一種方法來傳達和加強分析文化。實現偉大的分析文化的方法有很多，但所有偉大的分析文化都有一些共同的元素。 最好的組織將分析知識傳播到整個企業，重視分析以支持決策制定，並構建允許許多（或所有）員工將分析作為工作一部分的基礎設施。
如今，很難不閱讀報紙、雜誌或在線文章，也很難不遇到許多作為解決組織面臨的棘手問題的技術流行語：數據湖、深度學習、機器學習、人工智能 (AI)、工業 4.0 ， 僅舉幾個。
但缺乏技術很少成為問題。 組織常常在問題上投入多層技術並期待結果，或者更糟的是，將技術放在適當的位置，然後尋找要解決的問題。 在最近的文章, SAS 執行副總裁、首席運營官兼首席技術官 Oliver Schabenberger 談到了不斷發展的人員、不斷發展的流程和尋找機會的重要性，而不是僅僅關注不斷發展的技術。
為了使這種演變有效發生，組織需要一種方法來傳達和加強分析文化。 他們還需要授權工具來確保分析得到廣泛使用。 為什麼？ 解決問題的大腦越多越好。 使用分析和交流結果的人越多，組織的決策和知識就越強大。
如果您的行業或組織具有高水平的流程和產品創新，那麼您對分析的需求會更高，以便在當今的市場中保持競爭力。
Data itself is also changing. It's unstructured, in the form of images, sound, functions or even videos.Data itself is also changing. It's unstructured, in the form of images, sound, functions or even videos.Data itself is also changing. It's unstructured, in the form of images, sound, functions or even videos.Data itself is also changing. It's unstructured, in the form of images, sound, functions or even videos.數據本身也在發生變化。 它是非結構化的，以圖像、聲音、函數甚至視頻的形式存在。問題在不斷變化，數據量從未像現在這樣大。 組織試圖解決的問題類型龐大而復雜。 數據很深，可能包含數百萬（或數十億）條記錄。 有些問題很寬（數千列）。 數據本身也在發生變化。 它是非結構化的（例如，來自調查的自由文本），以圖像、聲音、函數甚至視頻的形式存在。
幸運的是，雖然數據的挑戰從未像現在這樣大，但也有機會用軟件來應對這些挑戰。 計算機使從多個角度進行發現和分析成為可能。 軟件可以使復雜的分析技術曾經只供組織中的少數統計人員使用，現在可供許多應用從業者使用；軟件可以讓更多的大腦去解決問題。
但解決問題並不是組織中軟件需求的終結。 最後一個關鍵因素是有效的溝通。 為了與分析進行有效溝通，您需要以實時格式顯示結果。 例如，即時執行“假設”分析。 這在決策者之間建立了對分析結果的信任。 隨著越來越多的全球勞動力，統計可視化也可以超越語言障礙。 報告的標準化導致對問題而不是數據的討論。
了解 JMP 家族的最新成員如何，現場直播, 有助於有效溝通。
