從AI到小數(shù)據(jù)和圖形技術(shù)，數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)考慮充分利用這些趨勢(shì)。

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

反過(guò)來(lái)，高瞻遠(yuǎn)矚的數(shù)據(jù)團(tuán)隊(duì)和分析團(tuán)隊(duì)順勢(shì)而變：之前采用依賴“大”數(shù)據(jù)的傳統(tǒng)AI技術(shù)，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(shù)。

Gartner列出了2021年數(shù)據(jù)和分析領(lǐng)域的十大趨勢(shì)，從大數(shù)據(jù)向小而廣數(shù)據(jù)轉(zhuǎn)變是其中之一。這些趨勢(shì)代表著商業(yè)、市場(chǎng)和技術(shù)方面的動(dòng)態(tài)，數(shù)據(jù)和分析領(lǐng)導(dǎo)者不可忽視。

Gartner杰出副總裁分析師Rita Sallam說(shuō)：“數(shù)據(jù)和分析領(lǐng)域的這些趨勢(shì)可以幫助組織和社會(huì)應(yīng)對(duì)顛覆性變化、巨大的不確定性以及它們?cè)诮窈笕陰?lái)的機(jī)遇。數(shù)據(jù)和分析領(lǐng)導(dǎo)者須積極研究如何充分利用這些趨勢(shì)，做出與時(shí)俱進(jìn)的重要投入，以提升預(yù)測(cè)、轉(zhuǎn)變和響應(yīng)的能力?！?/p>

每一個(gè)趨勢(shì)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(qiáng)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(guò)更有效的XOps切實(shí)發(fā)揮業(yè)務(wù)價(jià)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(wù)不可或缺的一部分。

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

第1個(gè)趨勢(shì)：更智能化、更負(fù)責(zé)任、更靈活擴(kuò)展的AI

更智能化、更負(fù)責(zé)任、更靈活擴(kuò)展的AI將帶來(lái)更好的學(xué)習(xí)算法、可解釋的系統(tǒng)和實(shí)現(xiàn)價(jià)值的更短時(shí)間。組織將開(kāi)始對(duì)AI系統(tǒng)提出多得多的要求，它們需要弄清楚如何擴(kuò)展技術(shù)——到目前為止，這仍是一大挑戰(zhàn)。

雖然傳統(tǒng)的AI技術(shù)可能嚴(yán)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(shù)必須能夠通過(guò)“小數(shù)據(jù)”技術(shù)和自適應(yīng)機(jī)器學(xué)習(xí)，以更少的數(shù)據(jù)進(jìn)行運(yùn)作。這些AI系統(tǒng)還必須保護(hù)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(gè)趨勢(shì)：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(lái)自多個(gè)數(shù)據(jù)、分析和AI解決方案的組件，以獲得一種靈活、對(duì)用戶友好和易用的體驗(yàn)，從而使領(lǐng)導(dǎo)者能夠?qū)?shù)據(jù)洞察力與業(yè)務(wù)活動(dòng)聯(lián)系起來(lái)。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(biāo)準(zhǔn)”分析和商業(yè)智能工具。

利用各自的套裝業(yè)務(wù)功能組合新應(yīng)用程序可提高生產(chǎn)力和敏捷性。可組合式數(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(huì)加大分析技術(shù)的普及程度。

第3個(gè)趨勢(shì)：數(shù)據(jù)結(jié)構(gòu)充當(dāng)基礎(chǔ)

隨著數(shù)據(jù)變得日益復(fù)雜、數(shù)字化業(yè)務(wù)加快發(fā)展，數(shù)據(jù)結(jié)構(gòu)（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(jié)構(gòu)。

數(shù)據(jù)結(jié)構(gòu)將集成設(shè)計(jì)時(shí)間縮短了30%，將部署時(shí)間縮短了30%，將維護(hù)時(shí)間縮短了70%，原因是這種技術(shù)設(shè)計(jì)運(yùn)用了使用/重用和結(jié)合不同數(shù)據(jù)集成方式的能力。此外，數(shù)據(jù)結(jié)構(gòu)可以充分利用來(lái)自數(shù)據(jù)樞紐、數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)的現(xiàn)有技能和技術(shù)，同時(shí)又引入適應(yīng)未來(lái)的新方法和工具。

第4個(gè)趨勢(shì)：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(fù)雜的問(wèn)題以及數(shù)據(jù)使用場(chǎng)景寥寥無(wú)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(wèn)題。廣數(shù)據(jù)充分利用“X分析”技術(shù)，支持分析眾多小而多樣化（廣）數(shù)據(jù)源、非結(jié)構(gòu)化數(shù)據(jù)源和結(jié)構(gòu)化數(shù)據(jù)源，并實(shí)現(xiàn)協(xié)同效應(yīng)，以增強(qiáng)上下文意識(shí)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(shí)用洞察力的數(shù)據(jù)模型。

第5個(gè)趨勢(shì)：XOps

XOps（數(shù)據(jù)、機(jī)器學(xué)習(xí)、模型和平臺(tái)）的目的是，使用DevOps最佳實(shí)踐來(lái)獲得效率和規(guī)模經(jīng)濟(jì)效益，并確保可靠性、可重用性和可重復(fù)性，同時(shí)減少技術(shù)和流程的重復(fù)，并實(shí)現(xiàn)自動(dòng)化。

這些技術(shù)將能夠擴(kuò)展原型，并提供受控決策系統(tǒng)的靈活設(shè)計(jì)和敏捷編排?？傮w而言，XOps將使組織能夠?qū)嶋H運(yùn)用數(shù)據(jù)和分析技術(shù)以提高業(yè)務(wù)價(jià)值。

第6個(gè)趨勢(shì)：集成的決策智能

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

這使組織能夠更快地獲得促使公司采取行動(dòng)所需要的洞察力。如果結(jié)合可組合性和通用數(shù)據(jù)結(jié)構(gòu)，集成的決策智能帶來(lái)了新的機(jī)會(huì)，以便組織重新思考或重新設(shè)計(jì)如何優(yōu)化決策，并使決策更準(zhǔn)確、可重復(fù)和可追溯。

第7個(gè)趨勢(shì)：數(shù)據(jù)和分析是一項(xiàng)核心業(yè)務(wù)職能

業(yè)務(wù)領(lǐng)導(dǎo)者開(kāi)始認(rèn)識(shí)到使用數(shù)據(jù)和分析技術(shù)來(lái)加快數(shù)字化業(yè)務(wù)計(jì)劃的重要性。數(shù)據(jù)和分析不再是不同團(tuán)隊(duì)完成的次要工作，而是轉(zhuǎn)而成為一項(xiàng)核心職能。然而，業(yè)務(wù)領(lǐng)導(dǎo)者常常低估了數(shù)據(jù)的復(fù)雜性，因而最終錯(cuò)失了機(jī)會(huì)。如果首席數(shù)據(jù)官（CDO）參與制定目標(biāo)和策略，他們可以將源源不斷獲取的業(yè)務(wù)價(jià)值提高2.6倍。

第8個(gè)趨勢(shì)：圖形關(guān)乎一切

圖形構(gòu)成了現(xiàn)代數(shù)據(jù)和分析的基礎(chǔ)，能夠增強(qiáng)和改善用戶協(xié)作、機(jī)器學(xué)習(xí)模型和可解釋型AI。雖然圖形技術(shù)不是數(shù)據(jù)和分析領(lǐng)域的新技術(shù)，但隨著組織識(shí)別越來(lái)越多的使用場(chǎng)景，圍繞它們的觀念已發(fā)生了轉(zhuǎn)變。實(shí)際上，關(guān)于AI話題的Gartner客戶咨詢當(dāng)中多達(dá)50%都離不開(kāi)討論圖形技術(shù)的使用。

第9個(gè)趨勢(shì)：增強(qiáng)型消費(fèi)者的崛起

在過(guò)去，業(yè)務(wù)用戶囿于預(yù)定義的儀表板和手動(dòng)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(xué)家探究預(yù)定義的問(wèn)題。

然而Gartner認(rèn)為，展望將來(lái)，這些儀表板將被自動(dòng)化、對(duì)話式、移動(dòng)、動(dòng)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(jìn)行定制，并交付到用戶的消費(fèi)點(diǎn)。這將洞察力知識(shí)從一小撮數(shù)據(jù)專家的手里轉(zhuǎn)移到組織中任何人的手里。

第10個(gè)趨勢(shì)：邊緣端數(shù)據(jù)和分析

隨著更多的數(shù)據(jù)分析技術(shù)開(kāi)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(shí)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(shí)時(shí)價(jià)值。

將數(shù)據(jù)和分析技術(shù)轉(zhuǎn)移到邊緣將為數(shù)據(jù)團(tuán)隊(duì)帶來(lái)機(jī)會(huì)，以擴(kuò)大功能，并將影響擴(kuò)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(wú)法從特定地理位置刪除數(shù)據(jù)的情況提供解決方案。
責(zé)編AJX