你为分析做好准备了吗？正如我在本周的深入报道"四种技术正在改变商业智能"中所指出的，分析技能，尤其是那些在高需求领域所需要的数学方法正随着深入洞察和预测的流程成为主流方法，而通过人们的热衷和相关软件的投资将会带来分析的复兴。或者，如果事实证明组织不能完成其所需的人才分析和预测，我们可能会看到一个典型的Gartner"幻灭低谷"的周期炒作。
现在很多的厂商提供（或正在提供）分析软件，但问题是，要使软件正常的带来生产性产出，需要多少专业的知识？正如纽约时报最近报道，可以处理这些技术的统计人员和其他数学方面学有专长的人是不会在找工作这一问题上遇见任何困难：
纽约时报表示："统计人员的地位正在不断上升，那些可以获得博士学位后的工作人员在顶级企业第一年可以获得125000美元的收入，这也是数字数据爆炸所带来的效应。在一个又一个的领域中，计算和Web又带来了新的数据爆炸领域，传感器信号，监视录像带，社会网络传言，公共记录等。数字数据激增只可能加快，据IDC的市场研究公司的预测，到2012年这一数字将涨为5倍。"
预建模型和分析应用程序可能为工作人员减轻负担，但在许多情况下，工作模式和应用程序最好进行定制并配以精心维护。面向汽车经销商的贷款服务商试图用预建的信用风险模型和评分方法筛选潜在的经销商客户，但他们就是不运转（不难预测，二手车经销商带来了独一无二的风险）。因此，经销商服务基于特征和交易商曾经在历史的公司工作参数而建立自己的预测模型。
如果与3年前（当消费者对用购买来回应贷款膨胀房屋所带来的房屋价值变化）相比较，很容易看出，今天的借贷风险为什么模式要随着时间的推移调整。经销商服务不能在今天采取与18各月前一样的风险策略，但同时也希望能够通过他们所能认可的风险获得最大的市场效应。
在服务经销商所面对的分析挑战相当简单，首席信息官Chris Brady说，只要有两个助手，她就可以处理所有的建模，部署和维护的挑战。事实上，大多数IT经理似乎没有被人才缺口的未来结果所吓倒。在最近的一次信息周刊/智能企业的调查， 534位受访者中的34％表示，他们"已经拥有熟练的进行分析工作的专业人才"，近一半（48％）说，他们期望"培训自己的BI分析工具专家。"
事实上，你不必成为一个了解如何处理分析的统计员。Times报道表示，统计"仅是整个队伍的进行数据分析所需的现代统计技术中的很小一部分。计算机和数字技能的问题远远超过对统计的要求。因此，来自经济学，计算机背景的侦探科学和数学的新的数据追踪也很重要"。
在你进入分析和复杂性预测模型之前，你需要小心处理有关工作人员的技能评估和规划，需要规划技术部门，并对业务需求进行评估。
