这是一个数据“爆发式”增长的时代。无论是企业还是个人，都积累了很多信息，囤积了大量数据。不少企业选择建立数据仓库以及大型的数据智能分析系统，依赖数据进行决策。但是，我们拥有的数据是“真实”的吗?通过数据分析的得到的结论一定是“事实”吗?
如何应对“后事实”时代?
无论是去年结束的美国大选，还是轰动一时的英国脱欧事件，几乎所有的预测建模算法都在预测时“马失前蹄”；美国大选的时候，所有竞选人提出来的事实和数据有79%的是假的……大数据时代，数据本应该是带来事实，带来真相的，大数据分析带来的好处也不可否认，但我们发现原来很多听到的、拥有的数据都不一定是正确的，越来越多的人不再相信数据，不太相信“事实”，而更倾向于内心的情感和客观形势，这样导致决定个人行为的因素不是主观情感，而非客观事实。我们已经进入“后事实”时代。
那么如何应对“后事实”时代对数据的不相信、不确定呢？Qlik大中华区总经理潘应麟先生分享了自己的看法。
潘应麟先生认为，企业应该注重数据素养的培养，以便更好地完成数据分析、数据探索这方面的工作。所谓的“数据素养”应该包括对数据清晰的定义和如何对数据进行操作；还有就是分析，过去我们分析历史数据，很少去做太多的预测，因为需要专门的人才进行预测，成本较高；最关键一点就是讨论数据，数据结果和数据分析的关系需要进行论证，这样可以带来更多的创新和可视化能力的发展。
总之，数据素养的培养帮助企业从简单的、片面的数据分析到一个信息供应链的分析，未来的趋势就是所有的企业和IT公司都应该将可视化概念从“仅限于分析”向整个信息供应链转变。
2017年大数据分析十大趋势
潘应麟先生认为，从“后事实”时代向“数据化”时代演变的过程，是“凤凰涅槃”的过程。他分享了2017年大数据分析十大趋势，十个趋势引领我们形成“数据化”意识。
可视化概念将从“仅限于分析”向整个信息供应链转变，形成情境驱动的可视化。
新技术的出现意味着新的机遇。可视化分析作为一个传统的优势，不是单单停留在分析层面，会覆盖整个的信息供应链。
语义学进步将把大数据焦点从规模转向组合，实现大数据向大洞察的转化。
对数据的定义、对大数据的发展有一定的了解之后，对于培养数据素养有一定的好处。不同来源的数据组合可以重复共用，带来更加可靠的数据分析以及更大的数据价值。从大数据的量变成一个数据的规模组合，会带来一个很不一样的概念，也会对整个可视化的环境带来不一样的变革。
2017 年，云端部署率将达到50%的引爆点，但分布不均衡。
过去传统的BI存储是企业内部的，内部的数据仓库也越来越多，但2017年很可能是云的爆发点，很多企业客户都在云上进行部署。但无论是从全球还是国内来看，都存在地域差异。比如一些国家对数据的安全性、保密性非常严格的时候，云部署会遇到一些阻碍。2017年应该有50%以上的企业会把云作为他们前端或者是企业仓库方面的部署。
2017 年，智能增强将把“先进分析”转向“超前分析”。
过去企业里面很多数据科学家想要用数据进行预测，比如对未来经济发展的预测，这些都属于数据分析中的线性分析，2017年这些分析会变为超前的分析。所谓超前的分析，就是将科学家开发出来的数据模型、数据算法，运用到可视化平台中，从而帮助他们做分析和探索。
2017 年，物理和数字世界将在分析中交汇。
数据信息化的过程中，在虚拟的环境下做分析时，跟物理世界的交互比较少。pokemon go这个软件就把我们数据分析、数据世界和实体世界结合在一起。中小企业在这方面会有越来越大的发展，比如地理空间、物联网的推行，会慢慢地对实体世界的分析提供很多非常有用的情景，这可能是2017年一个很重要的发展点。