Gartner:2021年十大數(shù)據(jù)和分析趨勢

Gartner研究總監(jiān)孫鑫
在新冠疫情肆虐時(shí),使用傳統(tǒng)分析技術(shù)并因此而嚴(yán)重依賴大量歷史數(shù)據(jù)的企業(yè)意識(shí)到了一件重要的事情:許多此類模式已不再有用。這場疫情幾乎改變了一切,令許多數(shù)據(jù)失去了作用。

2345截圖20200908083720.png

在新冠疫情肆虐時(shí),使用傳統(tǒng)分析技術(shù)并因此而嚴(yán)重依賴大量歷史數(shù)據(jù)的企業(yè)意識(shí)到了一件重要的事情:許多此類模式已不再有用。這場疫情幾乎改變了一切,令許多數(shù)據(jù)失去了作用。

而具有前瞻性的數(shù)據(jù)和分析團(tuán)隊(duì)正在從依靠“大”數(shù)據(jù)的傳統(tǒng)人工智能技術(shù)轉(zhuǎn)向數(shù)量較少、但更加多樣化的“小”數(shù)據(jù)。

Gartner發(fā)布的2021年十大數(shù)據(jù)和分析趨勢之一便是從大數(shù)據(jù)轉(zhuǎn)向小而寬的數(shù)據(jù)。這十大趨勢是數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須重視的業(yè)務(wù)、市場和技術(shù)動(dòng)態(tài)。

2345截圖20200908083720.png

Gartner杰出研究副總裁Rita Sallam表示:“這些數(shù)據(jù)和分析趨勢可以幫助企業(yè)機(jī)構(gòu)和社會(huì)應(yīng)對未來三年的顛覆性變革、巨大不確定性以及它們所帶來的機(jī)遇。數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須主動(dòng)研究如何順勢而為,根據(jù)這些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。”

每一項(xiàng)趨勢都可以歸入以下三大主題之一:

加速數(shù)據(jù)和分析變革:運(yùn)用AI創(chuàng)新、經(jīng)過改進(jìn)的可組合性以及多元化數(shù)據(jù)源的敏捷、高效整合。

通過更有效的XOps實(shí)現(xiàn)業(yè)務(wù)價(jià)值的運(yùn)營:優(yōu)化決策并將數(shù)據(jù)和分析轉(zhuǎn)化為業(yè)務(wù)的一個(gè)組成部分。

分布式實(shí)體(人和物):需要靈活地將數(shù)據(jù)和洞察力聯(lián)系起來,以增強(qiáng)更多的人和物的能力。

趨勢一:更智能、更負(fù)責(zé)、可擴(kuò)展的AI

(Smarter,more responsible,scalable AI)

更智能、更負(fù)責(zé)、可擴(kuò)展的AI將優(yōu)化學(xué)習(xí)算法,使系統(tǒng)更具解釋性并加快價(jià)值實(shí)現(xiàn)速度。企業(yè)機(jī)構(gòu)將開始對人工智能系統(tǒng)提出更多的要求,它們需要明確如何擴(kuò)大技術(shù)規(guī)模。但到目前為止,這仍是一個(gè)難題。

傳統(tǒng)人工智能技術(shù)嚴(yán)重依賴歷史數(shù)據(jù),而新冠疫情給業(yè)務(wù)環(huán)境所帶來的改變使歷史數(shù)據(jù)失去作用。這意味著人工智能技術(shù)必須能夠通過“小數(shù)據(jù)”技術(shù)和自適應(yīng)機(jī)器學(xué)習(xí)來依靠較少的數(shù)據(jù)運(yùn)行。為了成為遵循道德約束的人工智能,這些人工智能系統(tǒng)還必須保護(hù)隱私、遵守法規(guī)并盡量減少偏見。

趨勢二:組裝式數(shù)據(jù)分析架構(gòu)

(Composable data and analytics)

組裝式數(shù)據(jù)分析架構(gòu)使用來自多個(gè)數(shù)據(jù)、分析和人工智能解決方案的組件來獲得靈活、對用戶友好且實(shí)用的體驗(yàn),讓高管能夠?qū)?shù)據(jù)洞見與業(yè)務(wù)行動(dòng)相聯(lián)系。Gartner客戶問詢顯示,大部分大型企業(yè)機(jī)構(gòu)都有一個(gè)以上的“企業(yè)標(biāo)準(zhǔn)”分析和商業(yè)智能工具。

將多個(gè)業(yè)務(wù)能力組件組合成新的應(yīng)用可促進(jìn)生產(chǎn)力和敏捷性。組裝式數(shù)據(jù)分析不但可以鼓勵(lì)合作、提高企業(yè)機(jī)構(gòu)的分析能力,還可以增加分析的使用。

趨勢三:數(shù)據(jù)編織是基礎(chǔ)

(Data fabric as the foundation)

隨著數(shù)據(jù)的日益復(fù)雜以及數(shù)字化業(yè)務(wù)的加速發(fā)展,數(shù)據(jù)編織架構(gòu)已成為支持組裝式數(shù)據(jù)分析及其各種組件的基礎(chǔ)架構(gòu)。

由于在技術(shù)設(shè)計(jì)上能夠使用/重復(fù)使用及組合不同的數(shù)據(jù)集成方式,數(shù)據(jù)編織可縮短30%的集成設(shè)計(jì)時(shí)間、30%的部署時(shí)間和70%的維護(hù)時(shí)間。另外,數(shù)據(jù)編織既可以運(yùn)用現(xiàn)有的數(shù)據(jù)中樞、數(shù)據(jù)湖和數(shù)據(jù)倉庫的技術(shù)和技能,也可以在未來加入新的方法和工具。

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

(From big to small and wide data)

面對日益復(fù)雜的人工智能問題及數(shù)據(jù)用例稀缺方面的挑戰(zhàn),企業(yè)機(jī)構(gòu)正用小而寬的數(shù)據(jù)取代大數(shù)據(jù)來解決許多問題。憑借“X分析”技術(shù),即使用寬數(shù)據(jù)分析各種小而多樣化(寬)的非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)源并發(fā)揮它們的協(xié)同效果,從而增強(qiáng)情境感知和決策。顧名思義,小數(shù)據(jù)指的是能夠使用所需數(shù)據(jù)量較少,但仍能提供實(shí)用洞見的數(shù)據(jù)模型。

趨勢五:XOps

XOps(數(shù)據(jù)、機(jī)器學(xué)習(xí)、模型、平臺(tái))的目標(biāo)是運(yùn)用DevOps的最佳實(shí)踐實(shí)現(xiàn)效率和規(guī)模經(jīng)濟(jì),在保證可靠性、可重用性和可重復(fù)性的同時(shí),減少技術(shù)和流程的重復(fù)并實(shí)現(xiàn)自動(dòng)化。

這項(xiàng)技術(shù)將實(shí)現(xiàn)原型的擴(kuò)展并為受管轄的決策系統(tǒng)提供靈活的設(shè)計(jì)與敏捷的協(xié)調(diào)??傮w而言,XOps將使企業(yè)機(jī)構(gòu)能夠通過數(shù)據(jù)和分析的運(yùn)營化來推動(dòng)業(yè)務(wù)價(jià)值的實(shí)現(xiàn)。

趨勢六:工程化決策智能

(Engineered decision intelligence)

工程化決策智能是一門包含傳統(tǒng)分析、人工智能和復(fù)雜自適應(yīng)系統(tǒng)應(yīng)用等廣泛決策的學(xué)科。工程化決策智能不僅適用于單個(gè)決策,還適用于連續(xù)的決策。這項(xiàng)技術(shù)可以將決策編組成為業(yè)務(wù)流程,甚至為新興決策網(wǎng)絡(luò)。

憑借這項(xiàng)技術(shù),企業(yè)機(jī)構(gòu)能夠更快獲取推動(dòng)業(yè)務(wù)行動(dòng)所需的洞見。當(dāng)與可組裝性和通用數(shù)據(jù)編織架構(gòu)相結(jié)合時(shí),工程化決策智能將為企業(yè)機(jī)構(gòu)決策優(yōu)化方式的重新考量或重新設(shè)計(jì)帶來新的可能性并提高決策的準(zhǔn)確性、可重復(fù)性和可追溯性。

趨勢七:數(shù)據(jù)和分析成為核心業(yè)務(wù)功能

(Data and analytics as acorebusiness function)

企業(yè)領(lǐng)導(dǎo)者正逐漸了解到使用數(shù)據(jù)和分析來加速數(shù)字化業(yè)務(wù)計(jì)劃的重要性。數(shù)據(jù)和分析不再只是一個(gè)由獨(dú)立團(tuán)隊(duì)負(fù)責(zé)完成的次要重點(diǎn),而是轉(zhuǎn)變?yōu)橐豁?xiàng)核心功能。但企業(yè)領(lǐng)導(dǎo)者往往低估了數(shù)據(jù)的復(fù)雜性,最終錯(cuò)失良機(jī)。如果首席數(shù)據(jù)官(CDO)能夠參與目標(biāo)和戰(zhàn)略的制定,那么他們就可以將業(yè)務(wù)價(jià)值的持續(xù)產(chǎn)出效率提高2.6倍。

趨勢八:圖技術(shù)使一切產(chǎn)生關(guān)聯(lián)

(Graph relates everything)

圖技術(shù)已成為現(xiàn)代數(shù)據(jù)和分析的基礎(chǔ),能夠增強(qiáng)并改進(jìn)用戶協(xié)作、機(jī)器學(xué)習(xí)模型和可解釋的人工智能。雖然圖技術(shù)對數(shù)據(jù)和分析而言并不是一項(xiàng)新鮮的事物,但隨著企業(yè)機(jī)構(gòu)發(fā)現(xiàn)的用例日益增加,圍繞圖技術(shù)的思維方式已發(fā)生轉(zhuǎn)變。事實(shí)上,在關(guān)于人工智能的Gartner客戶問詢中,有多達(dá)50%的問詢涉及到有關(guān)圖表技術(shù)使用的討論。

趨勢九:日益增多的增強(qiáng)型數(shù)據(jù)消費(fèi)者

(The rise of the augmenter consumer)

以前的企業(yè)用戶受限于預(yù)定義儀表盤和手動(dòng)的數(shù)據(jù)探索。一般情況下,只有探索預(yù)定義問題的數(shù)據(jù)分析師或公民數(shù)據(jù)科學(xué)家才能使用數(shù)據(jù)和分析儀表盤。

但Gartner認(rèn)為,未來這些儀表盤將被自動(dòng)化、對話式、移動(dòng)式和動(dòng)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(fèi)這些數(shù)據(jù)的時(shí)候,使企業(yè)機(jī)構(gòu)中的任何人都能獲得原來只有少數(shù)數(shù)據(jù)專家才能掌握的洞見和知識(shí)。

趨勢十:數(shù)據(jù)和分析正在向邊緣移動(dòng)

(Data and analytics at the edge)

存在于傳統(tǒng)數(shù)據(jù)中心和云環(huán)境之外的數(shù)據(jù)分析技術(shù)開始增加,它們正在向物靠近。這能夠減少或杜絕以數(shù)據(jù)為中心的解決方案所產(chǎn)生的延遲并增加實(shí)時(shí)價(jià)值。

通過將數(shù)據(jù)和分析轉(zhuǎn)移到邊緣,數(shù)據(jù)團(tuán)隊(duì)將有機(jī)會(huì)擴(kuò)展自身的能力并將變化延伸到業(yè)務(wù)的不同部分。同時(shí),這還解決了因法律或監(jiān)管原因而無法從特定地域移動(dòng)數(shù)據(jù)這一問題。

THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無評(píng)論