这是一个数据大爆炸的时代，但“数据污染”随处可见，仅仅有行动主义还不够。
　　岁末年初，总有一些关键词会引起广大社会阶层的共鸣，毕竟，这是一面镜子。
　　2016年，“后真相时代”成为牛津年度词汇。“后真相时代”，它的含义是——事实发生什么不再重要，人们对事件所产生的情绪超过了事实本身。标志性事件是让人大惊失色的“意外”——英国居然脱欧，特朗普居然当选。
　　这些“意外”的背后，居然是数据在“作祟”。
　　问题的症结在于分析的过程。网络和用户行为会产生大量数据，但是应该从哪里开始分析？如果企业正在收集这些数据，那他们需要数据驱动的力量，这样才能将数据转化为洞见——这意味着，需要寻找一种数据分析和呈现的方法，尽可能让更多的人能够使用，无论是在业务环境中还是别的环境中，而且非常形象、易于理解。
　　充分发掘数据背后隐藏的整个故事，更关键的是以开放的思想去理解，而不是搜寻具体的答案。通过研究和互动真正理理这些数据，并获得意料之外的洞见。这就需要更多的投入和技巧的掌握。
　　在数据爆炸的时代，数据是杂芜的。社交网络时代也带来数据污染，真伪信息都可以被轻松分享到社交媒体平台。“英国不脱欧”、“美国总统选举希拉里获胜”都是通过数据分析得出的，但实际结果恰恰截然相反。“Facebook和微信只有点赞，没有unlike，根据你以往的浏览记录，你越来越会收到自己喜好的数据，而并不是全面、清晰的事实。这就是数据偏见。”可视化分析厂商Qlik公司大中华区董事董经理潘应麟表示，“数据偏见有可能带来你对某一方面远远不懂，因为你并没有看到反对的声音。”所以，仅仅有“行动主义”还不够。
　　那么，在实践中，如何甄别数据的真伪和管理数据？潘应麟表示，首先应该扫除“数据文盲”：“驾驭数据的能力，在个人与个人、企业与企业间的差距很大。仅靠数据科学家、数据工程师、物联网专家来推动是不足够的，数据素养应该是广泛的。”
　　落到企业层面，如何提高数据素养？据了解，目前Qlik正在思考如何与提供数据服务平台的合作伙伴合作，建立机会去给企业提供教育过程，比如，将成功案例中的某些场景给企业分享，这会专注在行业和场景方面的经验分享，此外，也会考虑与合作伙伴运营中文社区，通过线下和线上分享。
　　潘应麟表示，2017年将会有10个趋势引领我们养成“数据化”意识。根据麻省理工学院和爱默生大学的定义，“数据化”包括阅读、操作、分析和讨论数据的能力。具体来看，这10个趋势分别是：
　　1、可视化概念将从“仅限于分析”向整个信息供应链转变。从数据语义学和目录，到数据准备、可视化分析、叙事和写作四个环节形成更易于可视化和信任的整个信息供应链，而不是现在单一的或者是某一些的动作的数据可视分析。
　　2、语义学进步将把大数据焦点从规模转向组合，从而实现“大数据”到”大洞察”。大数据分析变得更加以解决方案为导向，提升了”可能的艺术“，并提供更佳数据质量。
　　3、从本地到云端。2017年，云端部署将达到50%的引爆点，但其分布仍不均衡。接受云端部署将消除启动成本，并带来规模化
　　4、BI商业智能到AI人工智能：2017年，智能增强将把“先进分析”转向“超前分析”。通过引入预测模型以及围绕数据准备、发现模式和分享发现的智慧加快获得洞察的时间。
　　5、数字和实体世界将开始交汇于分析。地理空间、增强现实和物联网将为实体世界中的分析提供情境，捕获空间和时间中的“位点”。
　　6、自服务可视化变为提供给所有人的商品。以个人的要求、以个人对于数据分析的个性化发展的必要趋势就是成本会降低，基本上每个人都非常容易拿到他们需要的工具、平台，而且是免费的，在网上可以免費用。我们在网上登记来做可视化探索的工作。这些方面是我们觉得未来很重要的一个趋势。
　　7、现代BI取代传统BI成为新的参考架构，规模化平台将被弹性开放平台代替。
　　8、焦点将从转向定制分析应用和应用中的分析。分析能力会嵌入到一些业务部的流程或内网的应用。
　　9、2017年，混合云和多环境将变为主导模式。就企业IT来看，数据扩展到内部和外部；计算扩展到内部、公共、私有和边远计算；用户扩展到集中发布的的嵌入式和个人创造的；业务从堆栈供应商、专家工具扩展到开发平台和生态系统。
　　10、2017年，生态系统将证明其实力。数据、人、计算、生态系统连接成网络。