Gartner發(fā)布2021年十大數(shù)據(jù)和分析技術(shù)趨勢

根據(jù)全球領(lǐng)先的信息技術(shù)研究和顧問公司Gartner發(fā)布了2021年十大數(shù)據(jù)和分析（D&A）技術(shù)趨勢，幫助企業(yè)機構(gòu)應(yīng)對這些趨勢在未來一年所帶來的變化、不確定性和機遇。

Gartner杰出研究副總裁Rita Sallam表示：“新冠疫情顛覆企業(yè)機構(gòu)的速度之快迫使數(shù)據(jù)和分析領(lǐng)導(dǎo)者使用工具和流程識別關(guān)鍵技術(shù)趨勢并優(yōu)先考慮那些對其競爭優(yōu)勢具有最大潛在影響的技術(shù)趨勢?！?/p>

數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)根據(jù)這十個趨勢做出加快自身預(yù)測、轉(zhuǎn)變和應(yīng)對能力的關(guān)鍵任務(wù)投資。

趨勢一：更智能、負(fù)責(zé)、可擴展的AI

人工智能（AI）和機器學(xué)習(xí)（ML）的影響力日益增加，因此企業(yè)必須使用新技術(shù)獲得更智能、對數(shù)據(jù)需求更小、在道德層面更加負(fù)責(zé)并且更有韌性的AI解決方案。企業(yè)可通過部署更智能、更負(fù)責(zé)、可擴展的AI，運用學(xué)習(xí)算法和可解釋的系統(tǒng)加快價值實現(xiàn)時間和提高業(yè)務(wù)影響力。

趨勢二：組裝式數(shù)據(jù)和分析架構(gòu)

開放、容器化的分析架構(gòu)提高了分析能力的可組裝性。組裝式數(shù)據(jù)分析架構(gòu)使用來自多個數(shù)據(jù)、分析和人工智能解決方案的組件來快速構(gòu)建靈活、對用戶友好的智能應(yīng)用，幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者能夠?qū)⒍匆娕c行動相聯(lián)系。

隨著數(shù)據(jù)重心向云轉(zhuǎn)移，組裝式數(shù)據(jù)和分析架構(gòu)將成為一種通過云市場以及低代碼和無代碼解決方案構(gòu)建分析應(yīng)用的更敏捷方式。

趨勢三：數(shù)據(jù)編織是基礎(chǔ)

隨著數(shù)字化程度的提高和限制數(shù)據(jù)消費者的束縛日益減少，數(shù)據(jù)和分析領(lǐng)導(dǎo)者正在越來越多地使用數(shù)據(jù)編織幫助解決企業(yè)機構(gòu)數(shù)據(jù)資產(chǎn)多樣性、分散性、規(guī)模和復(fù)雜性不斷增加這一問題。

數(shù)據(jù)編織使用分析技術(shù)保持對數(shù)據(jù)管道的監(jiān)控。數(shù)據(jù)編織通過持續(xù)分析數(shù)據(jù)資產(chǎn)來支持不同數(shù)據(jù)的設(shè)計、部署和利用，使集成時間縮短30%、部署時間縮短30%、維護時間縮短70%。

趨勢四：從“大”數(shù)據(jù)到“小”而“寬”的數(shù)據(jù)

新冠疫情所引發(fā)的極端業(yè)務(wù)變化導(dǎo)致基于大量歷史數(shù)據(jù)的機器學(xué)習(xí)和人工智能模型變得不那么可靠。同時，人類和人工智能的決策變得更加復(fù)雜和嚴(yán)格，數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須掌握更多的數(shù)據(jù)以便更好地了解情況。

因此，數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)選擇能夠更加有效利用現(xiàn)有數(shù)據(jù)的分析技術(shù)。數(shù)據(jù)和分析領(lǐng)導(dǎo)者依賴于實現(xiàn)各類“小”和“大”、非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)源分析和協(xié)同的“寬”數(shù)據(jù)，同時也依賴于“小”數(shù)據(jù)——即對數(shù)據(jù)需求量較少，但仍能提供實用洞見的分析技術(shù)。

Sallam女士表示：“使用‘小’而‘寬’的數(shù)據(jù)能夠提供強大的分析和AI，同時降低企業(yè)機構(gòu)對大型數(shù)據(jù)集的依賴性。企業(yè)機構(gòu)可以使用‘寬’數(shù)據(jù)獲得更豐富、更完整的態(tài)勢感知或360度視圖，這將使企業(yè)機構(gòu)能夠使用分析技術(shù)做出更好的決策?！?/p>

趨勢五：XOps

XOps（數(shù)據(jù)、機器學(xué)習(xí)、模型和平臺）的目標(biāo)是利用DevOps最佳實踐實現(xiàn)效率和規(guī)模經(jīng)濟，在保證可靠性、可重用性和可重復(fù)性的同時，減少技術(shù)和流程的重復(fù)并實現(xiàn)自動化。

大多數(shù)分析和AI項目失敗的原因是將業(yè)務(wù)化視為一個事后思考的問題。如果數(shù)據(jù)和分析領(lǐng)導(dǎo)者使用XOps實施大規(guī)模的業(yè)務(wù)化，他們將能夠?qū)崿F(xiàn)分析和AI資產(chǎn)的可復(fù)制性、可追溯性、完整性和可集成性。

趨勢六：工程化決策智能

工程化決策智能不僅適用于單個決策，還適用于連續(xù)的決策。這項技術(shù)可以將決策編組為業(yè)務(wù)流程，甚至為新興決策網(wǎng)絡(luò)。隨著決策自動化和增強程度的日益提高，工程化決策為數(shù)據(jù)和分析領(lǐng)導(dǎo)者提供了使決策變得更加準(zhǔn)確、可重復(fù)、透明和可追溯的機會。

趨勢七：數(shù)據(jù)和分析成為核心業(yè)務(wù)功能

數(shù)據(jù)和分析活動不再是一項次要的活動，而是轉(zhuǎn)變?yōu)橐豁椇诵臉I(yè)務(wù)功能。在這種情況下，數(shù)據(jù)和分析已成為與業(yè)務(wù)結(jié)果一致的共享業(yè)務(wù)資產(chǎn)，并且由于中央與聯(lián)邦數(shù)據(jù)和分析團隊之間的更好協(xié)作，數(shù)據(jù)和分析孤島問題迎刃而解。

趨勢八：圖技術(shù)使一切產(chǎn)生關(guān)聯(lián)

圖技術(shù)已成為許多現(xiàn)代數(shù)據(jù)和分析能力的基礎(chǔ)，能夠在不同的數(shù)據(jù)資產(chǎn)中發(fā)現(xiàn)人、地點、事物、事件和位置之間的關(guān)系。數(shù)據(jù)和分析領(lǐng)導(dǎo)者依靠圖技術(shù)快速回答需要在了解情況并理解多個實體之間的聯(lián)系和優(yōu)勢的性質(zhì)后才能回答的復(fù)雜業(yè)務(wù)問題。

Gartner預(yù)測，到2025年圖技術(shù)在數(shù)據(jù)和分析創(chuàng)新中的占比將從2021年的10%上升到80%。該技術(shù)將促進(jìn)整個企業(yè)機構(gòu)的快速決策。

趨勢九：日益增多的增強型數(shù)據(jù)消費者

如今，大多數(shù)企業(yè)用戶都在使用預(yù)定義儀表盤和手動的數(shù)據(jù)探索，而這可能會導(dǎo)致錯誤的結(jié)論以及有缺陷的決策和行動。預(yù)定義儀表盤將逐漸被自動化、對話式、移動式和動態(tài)生成的洞見所取代，而且這些洞見均根據(jù)用戶需求定制并被交付至用戶需要消費這些數(shù)據(jù)的時候。

Sallam女士認(rèn)為：“這將使信息數(shù)據(jù)消費者，即增強型數(shù)據(jù)消費者能夠運用分析技術(shù)，讓他們都能獲得原來只有分析師和公民數(shù)據(jù)專家才能掌握的洞見和知識?！?/p>

趨勢十：數(shù)據(jù)和分析正在向邊緣移動

數(shù)據(jù)、分析和其他支持它們的技術(shù)正在向邊緣計算環(huán)境移動，不斷接近現(xiàn)實世界中的資產(chǎn)并超出IT的范疇。Gartner預(yù)測，到2023年數(shù)據(jù)和分析領(lǐng)導(dǎo)者主要負(fù)責(zé)的工作中將有一半以上是在邊緣環(huán)境中創(chuàng)建、管理和分析數(shù)據(jù)。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者可以運用這一趨勢實現(xiàn)更高的數(shù)據(jù)管理靈活性、速度、治理和韌性。從支持實時事件分析到實現(xiàn)“物”的自主行為，各種不同類型的用例正在激發(fā)人們對邊緣數(shù)據(jù)和分析能力的興趣。