這些數(shù)據(jù)和分析技術(shù)趨勢將有助于在未來三到五年內(nèi)加速更新、推動(dòng)創(chuàng)新和重建社會(huì)。數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須研究如何利用這些趨勢，進(jìn)行“必須擁有”的投資，從而在重置后實(shí)現(xiàn)復(fù)蘇和再造。

圖1 Gartner十大數(shù)據(jù)分析趨勢(2020)

趨勢1：更智能、更快、更負(fù)責(zé)的AI

到2024年底，75%的企業(yè)將從人工智能試點(diǎn)轉(zhuǎn)向運(yùn)營，流數(shù)據(jù)和分析型基礎(chǔ)設(shè)施規(guī)模將增加5倍。

在當(dāng)前的流行背景下，人工智能技術(shù)，如機(jī)器學(xué)習(xí)、優(yōu)化和自然語言處理，正在為病毒的傳播以及應(yīng)對(duì)措施的有效性和影響提供重要的洞察和預(yù)測。

其他更智能的AI技術(shù)，如強(qiáng)化學(xué)習(xí)和分布式學(xué)習(xí)，正在創(chuàng)建更具適應(yīng)性和靈活性的系統(tǒng)，以處理復(fù)雜業(yè)務(wù);例如，基于代理的系統(tǒng)可以建模并促進(jìn)復(fù)雜系統(tǒng)。

讓AI負(fù)責(zé)、模型透明化對(duì)于防止錯(cuò)誤決策至關(guān)重要！

對(duì)新的芯片架構(gòu)(如可部署在邊緣設(shè)備上的神經(jīng)形態(tài)硬件)的重大投資，正在加速AI、ML計(jì)算和工作負(fù)載，并減少對(duì)高帶寬集中式系統(tǒng)的依賴。最終，這可能導(dǎo)致更彈性的AI解決方案，具有更高的業(yè)務(wù)影響力。

讓AI負(fù)責(zé)、模型透明化對(duì)于防止錯(cuò)誤決策至關(guān)重要。它將推動(dòng)更好的人機(jī)協(xié)作與信任，使整個(gè)組織能更好地采納和調(diào)整決策。

趨勢2：儀表盤的衰退

更具自動(dòng)化和消費(fèi)體驗(yàn)的動(dòng)態(tài)數(shù)據(jù)應(yīng)用將取代可視化、點(diǎn)擊式創(chuàng)作和探索。因此，用戶使用預(yù)定義儀表盤的時(shí)間將會(huì)減少。向上下文數(shù)據(jù)應(yīng)用的轉(zhuǎn)變意味著最相關(guān)的見解將根據(jù)上下文、角色或用途傳遞給每個(gè)用戶。這些動(dòng)態(tài)洞察利用了增強(qiáng)分析、NLP、流異常檢測和協(xié)作等技術(shù)。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要定期評(píng)估他們現(xiàn)有的分析和商業(yè)智能(BI)工具。初創(chuàng)型公司，在預(yù)定義的儀表盤之外提供新增強(qiáng)的和NLP驅(qū)動(dòng)的用戶體驗(yàn)。

趨勢3：決策智能化

到2023年，超過三成的大型組織將有分析人員練習(xí)決策智能化，其中包括決策建模。決策智能化集合了多門學(xué)科，包括決策管理和決策支持。它包含了復(fù)雜自適應(yīng)系統(tǒng)領(lǐng)域的應(yīng)用，將多種傳統(tǒng)和先進(jìn)的學(xué)科相結(jié)合。

它提供了一個(gè)框架，幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者在業(yè)務(wù)結(jié)果和行為的關(guān)系中設(shè)計(jì)、建模、匹配、執(zhí)行、監(jiān)控和優(yōu)化決策模型以及流程。

當(dāng)決策需要多種邏輯和數(shù)學(xué)，自動(dòng)化是必須的，或者至少記錄和審計(jì)時(shí)，探索使用決策管理和建模技術(shù)。

趨勢4：X分析

Gartner創(chuàng)造了“X分析”這一術(shù)語，其中X是一系列不同結(jié)構(gòu)化和非結(jié)構(gòu)化內(nèi)容(如文本分析、視頻分析、音頻分析等)的數(shù)據(jù)變量。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者使用X分析來解決社會(huì)中最棘手的挑戰(zhàn)，包括氣候變化、疾病預(yù)防和野生動(dòng)物保護(hù)等。

在疫情期間，AI在梳理大量研究論文、新聞來源、社交媒體帖子和臨床試驗(yàn)數(shù)據(jù)方面發(fā)揮了關(guān)鍵作用，并幫助了醫(yī)療和公共衛(wèi)生專家預(yù)測疾病傳播、規(guī)劃能力、尋找新的治療方法和識(shí)別弱勢群體。X分析結(jié)合AI和其他技術(shù)，如圖表分析(另一個(gè)頂級(jí)趨勢)，在識(shí)別、預(yù)測和規(guī)劃未來自然災(zāi)害和其他危機(jī)中將發(fā)揮關(guān)鍵作用。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該探索現(xiàn)有供應(yīng)商提供的X分析能力，比如用于圖像、視頻和語音分析的云計(jì)算供應(yīng)商，但也要認(rèn)識(shí)到創(chuàng)新很可能來自小型的初創(chuàng)公司和云計(jì)算供應(yīng)商。

趨勢5：增強(qiáng)型數(shù)據(jù)管理：元數(shù)據(jù)是“新黑馬”

增強(qiáng)數(shù)據(jù)管理使用ML和AI技術(shù)來優(yōu)化和改進(jìn)操作。它還將用于審計(jì)、繼承和報(bào)告的元數(shù)據(jù)轉(zhuǎn)換為支持動(dòng)態(tài)系統(tǒng)的元數(shù)據(jù)。

增強(qiáng)數(shù)據(jù)管理產(chǎn)品可以檢查操作數(shù)據(jù)的大量樣本，包括實(shí)際查詢、性能數(shù)據(jù)和模式。使用現(xiàn)有的情況和工作負(fù)載數(shù)據(jù)，增強(qiáng)引擎可以優(yōu)化操作、配置、安全性和性能。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該尋找增強(qiáng)型數(shù)據(jù)管理，支持活動(dòng)元數(shù)據(jù)來簡化和整合他們的架構(gòu)，并增加冗余數(shù)據(jù)管理任務(wù)的自動(dòng)化。

趨勢6：云是一種饋贈(zèng)

到2022年，公有云服務(wù)將對(duì)90%的數(shù)據(jù)和分析創(chuàng)新起關(guān)鍵性作用。

隨著數(shù)據(jù)和分析轉(zhuǎn)移到云端，數(shù)據(jù)和分析的領(lǐng)導(dǎo)者仍然在努力將正確的服務(wù)與用例保持一致，這將導(dǎo)致不必要的治理和集成開銷的增加。

數(shù)據(jù)和分析的問題已經(jīng)從給定服務(wù)的成本轉(zhuǎn)移到如何滿足工作負(fù)載的性能需求，而不僅僅是價(jià)格表。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要優(yōu)先考慮能夠利用云計(jì)算功能的工作負(fù)載，并在遷移到云計(jì)算時(shí)關(guān)注成本優(yōu)化。

趨勢7：數(shù)據(jù)與分析的沖突

傳統(tǒng)上，數(shù)據(jù)和分析能力被認(rèn)為是不同的實(shí)體，并分別進(jìn)行管理。通過增強(qiáng)分析提供端到端工作流的供應(yīng)商模糊了這兩個(gè)市場間的區(qū)別。

數(shù)據(jù)和分析的這種沖突將增加獨(dú)立的數(shù)據(jù)和分析角色之間的交互與協(xié)作。這不僅會(huì)影響所提供的技術(shù)和能力，還會(huì)影響支持和使用它們的人員和過程。角色的范圍將從IT中的傳統(tǒng)數(shù)據(jù)和分析角色擴(kuò)展到信息瀏覽器、消費(fèi)者和公民開發(fā)人員等。

為了將沖突轉(zhuǎn)化為建設(shè)性的整合，可以將數(shù)據(jù)和分析工具與功能合并到分析堆棧中。除工具之外，關(guān)注人員和過程以促進(jìn)交流和協(xié)作。利用數(shù)據(jù)和分析生態(tài)系統(tǒng)、增強(qiáng)方法，有潛力提供一致性的堆棧。

趨勢8：數(shù)據(jù)市場與數(shù)據(jù)交換

到2022年，35%的大型機(jī)構(gòu)將通過正式的在線數(shù)據(jù)市場成為數(shù)據(jù)的賣家或買家，而2020年這一比例為25%.

數(shù)據(jù)市場和交易所提供單一平臺(tái)來整合第三方數(shù)據(jù)產(chǎn)品。這些市場和交換中心提供了集中的可用性和訪問(例如X分析和其他獨(dú)特的數(shù)據(jù)集)，創(chuàng)造了可以降低第三方數(shù)據(jù)成本的規(guī)模經(jīng)濟(jì)以。

為了通過數(shù)據(jù)市場將數(shù)據(jù)資產(chǎn)貨幣化，數(shù)據(jù)和分析的領(lǐng)導(dǎo)者應(yīng)該通過定義一個(gè)生態(tài)系統(tǒng)合作伙伴可以依賴的數(shù)據(jù)治理原則來建立一個(gè)公平和透明的方法。

趨勢9：數(shù)據(jù)分析中的區(qū)塊鏈

區(qū)塊鏈技術(shù)解決了數(shù)據(jù)和分析中的兩個(gè)挑戰(zhàn)。首先，區(qū)塊鏈提供了資產(chǎn)和事務(wù)的完整繼承。其次，區(qū)塊鏈為復(fù)雜的參與者網(wǎng)絡(luò)提供了透明性。

除了有限的比特幣和智能合同實(shí)例，分類數(shù)據(jù)庫管理系統(tǒng)(DBMS)將為單個(gè)企業(yè)審計(jì)數(shù)據(jù)源提供一個(gè)更有吸引力的選擇。Gartner估計(jì)，到2021年，分類DBMS產(chǎn)品將取代大多數(shù)現(xiàn)在使用的區(qū)塊鏈。

數(shù)據(jù)和分析應(yīng)該通過強(qiáng)調(diào)數(shù)據(jù)管理基礎(chǔ)設(shè)施和區(qū)塊鏈技術(shù)功能的不匹配，將區(qū)塊鏈技術(shù)定位成對(duì)現(xiàn)有數(shù)據(jù)管理基礎(chǔ)設(shè)施的補(bǔ)充。

趨勢10：來自數(shù)據(jù)分析基礎(chǔ)和價(jià)值中的關(guān)系

到2023年，圖像技術(shù)將在全球30%的組織中促進(jìn)快速情景化決策。圖像分析是一組分析技術(shù)，它允許探索相關(guān)實(shí)體(如組織、人員和事務(wù))之間的關(guān)系。

它幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者發(fā)現(xiàn)數(shù)據(jù)中未知的關(guān)系，并審查傳統(tǒng)分析中難以分析的數(shù)據(jù)。

例如,在世界應(yīng)對(duì)當(dāng)前和未來疫情時(shí)，圖像技術(shù)可以從人們手機(jī)上的地理空間數(shù)據(jù)到人臉識(shí)別系統(tǒng),對(duì)照片進(jìn)行分析,以確定誰可能接觸過被確診冠狀病毒檢測呈陽性的個(gè)體。

考慮對(duì)圖形算法和技術(shù)如何改進(jìn)AI和ML計(jì)劃的研究：

當(dāng)與ML算法相結(jié)合時(shí)，這些技術(shù)可用于梳理數(shù)千個(gè)數(shù)據(jù)源和文檔，從而幫助醫(yī)療和公共衛(wèi)生專家迅速發(fā)現(xiàn)新的治療方法或可能導(dǎo)致某些患者出現(xiàn)更多負(fù)面影響的因素。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要評(píng)估將圖形分析整合到分析組合及應(yīng)用程序中的機(jī)會(huì)，以發(fā)現(xiàn)隱藏的模式和關(guān)系。另外，考慮對(duì)圖形算法和技術(shù)如何改進(jìn)AI和ML計(jì)劃進(jìn)行研究。

附：其他頂級(jí)數(shù)據(jù)分析非技術(shù)趨勢2020：