2021年十個值得關注的數(shù)據(jù)分析趨勢

從AI到小數(shù)據(jù)和圖形技術，數(shù)據(jù)和分析領導者應考慮充分利用這些趨勢。

一些組織使用嚴重依賴大量歷史數(shù)據(jù)的傳統(tǒng)分析技術，新冠疫情襲來時，這些組織意識到了一件重要的事情：許多這些數(shù)據(jù)模型不再適用。實際上，新冠疫情改變了一切，導致許多數(shù)據(jù)毫無用處。

反過來，高瞻遠矚的數(shù)據(jù)團隊和分析團隊順勢而變：之前采用依賴“大”數(shù)據(jù)的傳統(tǒng)AI技術，現(xiàn)在改而采用一類需要較少量但更多樣化的“小”數(shù)據(jù)的分析技術。

Gartner列出了2021年數(shù)據(jù)和分析領域的十大趨勢，從大數(shù)據(jù)向小而廣數(shù)據(jù)轉變是其中之一。這些趨勢代表著商業(yè)、市場和技術方面的動態(tài)，數(shù)據(jù)和分析領導者不可忽視。

Gartner杰出副總裁分析師Rita Sallam說：“數(shù)據(jù)和分析領域的這些趨勢可以幫助組織和社會應對顛覆性變化、巨大的不確定性以及它們在今后三年帶來的機遇。數(shù)據(jù)和分析領導者須積極研究如何充分利用這些趨勢，做出與時俱進的重要投入，以提升預測、轉變和響應的能力?！?/p>

每一個趨勢都符合以下三大主題之一：

1、數(shù)據(jù)和分析方面的變化加快：充分利用AI方面的創(chuàng)新、增強的可組合性以及更靈活更有效地集成更迥然不同的數(shù)據(jù)源。

2、通過更有效的XOps切實發(fā)揮業(yè)務價值：支持更有效的決策，并支持將數(shù)據(jù)和分析變成業(yè)務不可或缺的一部分。

3、分發(fā)一切：需要靈活地關聯(lián)數(shù)據(jù)和洞察力，以支持更廣泛的人和物件。

第1個趨勢：更智能化、更負責任、更靈活擴展的AI

更智能化、更負責任、更靈活擴展的AI將帶來更好的學習算法、可解釋的系統(tǒng)和實現(xiàn)價值的更短時間。組織將開始對AI系統(tǒng)提出多得多的要求，它們需要弄清楚如何擴展技術——到目前為止，這仍是一大挑戰(zhàn)。

雖然傳統(tǒng)的AI技術可能嚴重依賴歷史數(shù)據(jù)，但鑒于新冠疫情已改變了商業(yè)格局，歷史數(shù)據(jù)可能不再適用。這意味著AI技術必須能夠通過“小數(shù)據(jù)”技術和自適應機器學習，以更少的數(shù)據(jù)進行運作。這些AI系統(tǒng)還必須保護隱私、遵守聯(lián)邦法規(guī)并盡量減少偏差，以支持道德AI。

第2個趨勢：可組合式數(shù)據(jù)和分析

可組合式數(shù)據(jù)和分析的目的是使用來自多個數(shù)據(jù)、分析和AI解決方案的組件，以獲得一種靈活、對用戶友好和易用的體驗，從而使領導者能夠將數(shù)據(jù)洞察力與業(yè)務活動聯(lián)系起來。Gartner收到的客戶咨詢表明，大多數(shù)大組織擁有不止一種“企業(yè)標準”分析和商業(yè)智能工具。

利用各自的套裝業(yè)務功能組合新應用程序可提高生產(chǎn)力和敏捷性?？山M合式數(shù)據(jù)和分析不僅有助于協(xié)作、完善組織的分析功能，還會加大分析技術的普及程度。

第3個趨勢：數(shù)據(jù)結構充當基礎

隨著數(shù)據(jù)變得日益復雜、數(shù)字化業(yè)務加快發(fā)展，數(shù)據(jù)結構（data fabric）成為支持可組合式數(shù)據(jù)和分析及各種組件的體系結構。

數(shù)據(jù)結構將集成設計時間縮短了30%，將部署時間縮短了30%，將維護時間縮短了70%，原因是這種技術設計運用了使用/重用和結合不同數(shù)據(jù)集成方式的能力。此外，數(shù)據(jù)結構可以充分利用來自數(shù)據(jù)樞紐、數(shù)據(jù)湖和數(shù)據(jù)倉庫的現(xiàn)有技能和技術，同時又引入適應未來的新方法和工具。

第4個趨勢：從大數(shù)據(jù)到小而廣數(shù)據(jù)

許多組織在處理AI方面日益復雜的問題以及數(shù)據(jù)使用場景寥寥無幾的挑戰(zhàn)，與大數(shù)據(jù)相反，小而廣數(shù)據(jù)為這些組織解決了許多問題。廣數(shù)據(jù)充分利用“X分析”技術，支持分析眾多小而多樣化（廣）數(shù)據(jù)源、非結構化數(shù)據(jù)源和結構化數(shù)據(jù)源，并實現(xiàn)協(xié)同效應，以增強上下文意識和決策。顧名思義，小數(shù)據(jù)能夠使用需要較少數(shù)據(jù)，但仍提供實用洞察力的數(shù)據(jù)模型。

第5個趨勢：XOps

XOps（數(shù)據(jù)、機器學習、模型和平臺）的目的是，使用DevOps最佳實踐來獲得效率和規(guī)模經(jīng)濟效益，并確?？煽啃?、可重用性和可重復性，同時減少技術和流程的重復，并實現(xiàn)自動化。

這些技術將能夠擴展原型，并提供受控決策系統(tǒng)的靈活設計和敏捷編排?？傮w而言，XOps將使組織能夠實際運用數(shù)據(jù)和分析技術以提高業(yè)務價值。

第6個趨勢：集成的決策智能

決策智能是一門學科，涵蓋一系列廣泛的決策，其中包括常規(guī)的分析、AI和復雜的自適應系統(tǒng)應用軟件。集成決策智能不僅適用于單個決策，還適用于一系列決策，可以將它們分組為業(yè)務流程，甚至新興決策網(wǎng)絡。

這使組織能夠更快地獲得促使公司采取行動所需要的洞察力。如果結合可組合性和通用數(shù)據(jù)結構，集成的決策智能帶來了新的機會，以便組織重新思考或重新設計如何優(yōu)化決策，并使決策更準確、可重復和可追溯。

第7個趨勢：數(shù)據(jù)和分析是一項核心業(yè)務職能

業(yè)務領導者開始認識到使用數(shù)據(jù)和分析技術來加快數(shù)字化業(yè)務計劃的重要性。數(shù)據(jù)和分析不再是不同團隊完成的次要工作，而是轉而成為一項核心職能。然而，業(yè)務領導者常常低估了數(shù)據(jù)的復雜性，因而最終錯失了機會。如果首席數(shù)據(jù)官（CDO）參與制定目標和策略，他們可以將源源不斷獲取的業(yè)務價值提高2.6倍。

第8個趨勢：圖形關乎一切

圖形構成了現(xiàn)代數(shù)據(jù)和分析的基礎，能夠增強和改善用戶協(xié)作、機器學習模型和可解釋型AI。雖然圖形技術不是數(shù)據(jù)和分析領域的新技術，但隨著組織識別越來越多的使用場景，圍繞它們的觀念已發(fā)生了轉變。實際上，關于AI話題的Gartner客戶咨詢當中多達50%都離不開討論圖形技術的使用。

第9個趨勢：增強型消費者的崛起

在過去，業(yè)務用戶囿于預定義的儀表板和手動探索數(shù)據(jù)。這常常意味著數(shù)據(jù)和分析儀表板僅限于數(shù)據(jù)分析員或平民數(shù)據(jù)科學家探究預定義的問題。

然而Gartner認為，展望將來，這些儀表板將被自動化、對話式、移動、動態(tài)生成的洞察力取而代之，這種洞察力可根據(jù)用戶的需求進行定制，并交付到用戶的消費點。這將洞察力知識從一小撮數(shù)據(jù)專家的手里轉移到組織中任何人的手里。

第10個趨勢：邊緣端數(shù)據(jù)和分析

隨著更多的數(shù)據(jù)分析技術開始出現(xiàn)在傳統(tǒng)數(shù)據(jù)中心和云環(huán)境之外的環(huán)境，它們更靠近實體資產(chǎn)。這縮短或消除了以數(shù)據(jù)為中心的解決方案的延遲，并支持獲得更大的實時價值。

將數(shù)據(jù)和分析技術轉移到邊緣將為數(shù)據(jù)團隊帶來機會，以擴大功能，并將影響擴展到公司的不同部門。這還可以為因法律或法規(guī)原因而無法從特定地理位置刪除數(shù)據(jù)的情況提供解決方案。
責編AJX