Gartner公布了2021年十大數(shù)據(jù)和分析（D＆A）技術(shù)趨勢，這些趨勢可以幫助企業(yè)組織應(yīng)對各種變化、不確定性以及未來一年的潛在機(jī)遇。
Gartner知名研究副總裁Rita Sallam表示：“COVID-19疫情顛覆企業(yè)組織的速度，迫使數(shù)據(jù)分析負(fù)責(zé)人必須采用適當(dāng)?shù)墓ぞ吆土鞒虂戆l(fā)現(xiàn)關(guān)鍵技術(shù)趨勢，優(yōu)先應(yīng)對那些會對他們競爭優(yōu)勢帶來最大潛在影響的趨勢。”
數(shù)據(jù)分析負(fù)責(zé)人應(yīng)該利用以下10大趨勢作為他們的關(guān)鍵投資，以提高預(yù)測、轉(zhuǎn)移和響應(yīng)能力。
趨勢一：更智能的、更負(fù)責(zé)任的、可擴(kuò)展的AI
人工智能（AI）和機(jī)器學(xué)習(xí)（ML）正在發(fā)揮越來越大的影響力，這就需要企業(yè)運(yùn)用新的技術(shù)以實(shí)現(xiàn)更智能的、數(shù)據(jù)消耗更少的、符合道德原則的、更具彈性的AI解決方案。企業(yè)組織通過部署更智能的、更負(fù)責(zé)任的、可擴(kuò)展的AI，利用機(jī)器學(xué)習(xí)算法和可解釋的系統(tǒng)，縮短實(shí)現(xiàn)價值的時間，并提高業(yè)務(wù)影響力。
趨勢二：可組合式的數(shù)據(jù)分析
開放的容器化分析架構(gòu)讓分析功能的可組合性更高�？山M合式數(shù)據(jù)分析利用來自多個數(shù)據(jù)、分析和AI解決方案的組件，來快速構(gòu)建靈活且用戶友好的智能應(yīng)用，從而幫助數(shù)據(jù)分析負(fù)責(zé)人將洞察用于指導(dǎo)實(shí)際行動。
隨著數(shù)據(jù)重心逐漸轉(zhuǎn)移到云端，可組合式的數(shù)據(jù)分析將成為一種更為敏捷的方式，去構(gòu)建實(shí)現(xiàn)了云市場、低代碼和無代碼解決方案的分析應(yīng)用。
趨勢三：數(shù)據(jù)結(jié)構(gòu)是基礎(chǔ)
隨著數(shù)字化程度逐漸提高和對消費(fèi)者的約束越來越少，數(shù)據(jù)分析負(fù)責(zé)人開始越來越多地使用數(shù)據(jù)結(jié)構(gòu)來解決企業(yè)組織數(shù)據(jù)資產(chǎn)中日益突出的多樣性、分布式、規(guī)�；蛷�(fù)雜性等問題。
數(shù)據(jù)結(jié)構(gòu)采用分析功能來持續(xù)監(jiān)控數(shù)據(jù)管道，利用對數(shù)據(jù)資產(chǎn)的持續(xù)分析，來支持各種數(shù)據(jù)的設(shè)計(jì)、部署和利用，從而將集成時間縮短了30％，部署時間縮短了30％，維護(hù)時間縮短了70％。
趨勢四：從大數(shù)據(jù)到小數(shù)據(jù)，再到寬數(shù)據(jù)
新冠疫情造成業(yè)務(wù)發(fā)生極端的變化，這導(dǎo)致那些基于大量歷史數(shù)據(jù)的機(jī)器學(xué)習(xí)和AI模型都不再適用了。同時，由人類和AI共同做出決策變得更加復(fù)雜和苛刻了，這就要求數(shù)據(jù)分析負(fù)責(zé)人擁有更加多樣化的數(shù)據(jù)，以更好地了解態(tài)勢。
因此，數(shù)據(jù)分析負(fù)責(zé)人應(yīng)該選擇那些可以更有效利用可用數(shù)據(jù)的分析技術(shù)。他們依賴于所謂的“寬數(shù)據(jù)”，實(shí)現(xiàn)對各種小數(shù)據(jù)、大數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)來源的分析和協(xié)同處理，還有“小數(shù)據(jù)”，就是那些所需數(shù)據(jù)較少、但仍可以提供有用洞察的分析技術(shù)應(yīng)用。
Sallam表示：“小而廣泛的數(shù)據(jù)方法提供了強(qiáng)大的分析和AI，同時減少了企業(yè)組織對大數(shù)據(jù)集的依賴。使用廣泛的數(shù)據(jù)，讓企業(yè)組織可以獲得更豐富的、更完整的態(tài)勢感知或360度視圖，從而使他們能夠運(yùn)用數(shù)據(jù)分析做出更好的決策。”
趨勢五：XOps
XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目標(biāo)是使用DevOps最佳實(shí)踐來實(shí)現(xiàn)效率和規(guī)模經(jīng)濟(jì)，確保可靠性、可重用性和可重復(fù)性，同時減少技術(shù)和流程的重復(fù)，實(shí)現(xiàn)了自動化。
大多數(shù)分析和AI項(xiàng)目都失敗了，因?yàn)檫@些項(xiàng)目僅僅是在事后才解決可操作性等問題。如果數(shù)據(jù)分析負(fù)責(zé)人在大規(guī)模運(yùn)營中使用XOps，那么他們將實(shí)現(xiàn)分析和AI資產(chǎn)的可再現(xiàn)性、可追溯性、完整性和可集成性。
趨勢六：工程決策智能
工程決策智能不僅適用于單個決策，還適用于決策序列，將多個決策分組到不同的業(yè)務(wù)流程中，甚至是突發(fā)決策和后果網(wǎng)絡(luò)。隨著決策變得越來越自動化和增強(qiáng)化，工程決策有望幫助數(shù)據(jù)分析負(fù)責(zé)人讓決策變得更加準(zhǔn)確、可重復(fù)的、透明的和可追溯的。
趨勢七：數(shù)據(jù)分析成為一項(xiàng)核心業(yè)務(wù)功能
數(shù)據(jù)分析不再是次要的，而是變成了一項(xiàng)核心業(yè)務(wù)職能。在這種情況下，數(shù)據(jù)分析成為與業(yè)務(wù)成果保持一致的共享業(yè)務(wù)資產(chǎn)，中央數(shù)據(jù)分析和聯(lián)合數(shù)據(jù)分析團(tuán)隊(duì)之間能夠更好地協(xié)作，也打破了數(shù)據(jù)分析孤島。
趨勢八：圖表與一切相關(guān)
圖形構(gòu)成了很多現(xiàn)代數(shù)據(jù)分析功能的基礎(chǔ)，使我們能夠在各種數(shù)據(jù)資產(chǎn)之間找到人、地方、事物、事件和位置之間的關(guān)系。數(shù)據(jù)分析負(fù)責(zé)人依靠圖形關(guān)系來快速回答復(fù)雜的業(yè)務(wù)問題，這些問題需要能夠理解上下文，理解多個實(shí)體之間的聯(lián)系和優(yōu)勢本質(zhì)。
Gartner預(yù)測，到2025年圖形技術(shù)將用于80％的數(shù)據(jù)分析創(chuàng)新中，高于2021年的10％，這將促進(jìn)整個企業(yè)組織的快速決策。
趨勢九：增強(qiáng)型消費(fèi)者的崛起
如今，大多數(shù)企業(yè)用戶在使用預(yù)定義的儀表板和手動數(shù)據(jù)瀏覽功能，這可能導(dǎo)致錯誤的結(jié)論以及錯誤的決策和操作。以前我們花費(fèi)在預(yù)定義儀表板上的操作時間，逐漸被自動的、對話式的、移動且動態(tài)生成的洞察所取代，這些洞察根據(jù)用戶的需求進(jìn)行定制，并交付給他們的消費(fèi)者。
Sallam表示：“這將把分析能力轉(zhuǎn)移給信息消費(fèi)者——也就是所謂的增強(qiáng)型消費(fèi)者——使他們擁有以前只能由分析師和數(shù)據(jù)科學(xué)家才能使用的功能。”
趨勢十：在邊緣的數(shù)據(jù)分析
數(shù)據(jù)、分析和其他支持?jǐn)?shù)據(jù)分析的技術(shù)越來越多地位于邊緣計(jì)算環(huán)境中，更接近物理環(huán)境和IT權(quán)限范圍之外的資產(chǎn)。據(jù)Gartner預(yù)測，到2023年超過50％的數(shù)據(jù)分析負(fù)責(zé)人的主要職責(zé)將包括在邊緣環(huán)境中創(chuàng)建、管理和分析數(shù)據(jù)。
數(shù)據(jù)分析負(fù)責(zé)人可以利用這一趨勢來提升數(shù)據(jù)管理的靈活性、速度、治理和彈性。從支持實(shí)時事件分析，到實(shí)現(xiàn)“事物”的自主行為，各種各樣的使用場景正在吸引著人們對數(shù)據(jù)分析邊緣功能的興趣。
