這些數據和分析技術趨勢將有助于在未來三到五年內加速更新、推動創新和重建社會。數據和分析領導者必須研究如何利用這些趨勢，進行“必須擁有”的投資，從而在重置后實現復蘇和再造。

圖1 Gartner十大數據分析趨勢(2020)

趨勢1：更智能、更快、更負責的AI

到2024年底，75%的企業將從人工智能試點轉向運營，流數據和分析型基礎設施規模將增加5倍。

在當前的流行背景下，人工智能技術，如機器學習、優化和自然語言處理，正在為病毒的傳播以及應對措施的有效性和影響提供重要的洞察和預測。

其他更智能的AI技術，如強化學習和分布式學習，正在創建更具適應性和靈活性的系統，以處理復雜業務;例如，基于代理的系統可以建模并促進復雜系統。

讓AI負責、模型透明化對于防止錯誤決策至關重要！

對新的芯片架構(如可部署在邊緣設備上的神經形態硬件)的重大投資，正在加速AI、ML計算和工作負載，并減少對高帶寬集中式系統的依賴。最終，這可能導致更彈性的AI解決方案，具有更高的業務影響力。

讓AI負責、模型透明化對于防止錯誤決策至關重要。它將推動更好的人機協作與信任，使整個組織能更好地采納和調整決策。

趨勢2：儀表盤的衰退

更具自動化和消費體驗的動態數據應用將取代可視化、點擊式創作和探索。因此，用戶使用預定義儀表盤的時間將會減少。向上下文數據應用的轉變意味著最相關的見解將根據上下文、角色或用途傳遞給每個用戶。這些動態洞察利用了增強分析、NLP、流異常檢測和協作等技術。

數據和分析領導者需要定期評估他們現有的分析和商業智能(BI)工具。初創型公司，在預定義的儀表盤之外提供新增強的和NLP驅動的用戶體驗。

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決策智能化，其中包括決策建模。決策智能化集合了多門學科，包括決策管理和決策支持。它包含了復雜自適應系統領域的應用，將多種傳統和先進的學科相結合。

它提供了一個框架，幫助數據和分析領導者在業務結果和行為的關系中設計、建模、匹配、執行、監控和優化決策模型以及流程。

當決策需要多種邏輯和數學，自動化是必須的，或者至少記錄和審計時，探索使用決策管理和建模技術。

趨勢4：X分析

Gartner創造了“X分析”這一術語，其中X是一系列不同結構化和非結構化內容(如文本分析、視頻分析、音頻分析等)的數據變量。

數據和分析領導者使用X分析來解決社會中最棘手的挑戰，包括氣候變化、疾病預防和野生動物保護等。

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數據方面發揮了關鍵作用，并幫助了醫療和公共衛生專家預測疾病傳播、規劃能力、尋找新的治療方法和識別弱勢群體。X分析結合AI和其他技術，如圖表分析(另一個頂級趨勢)，在識別、預測和規劃未來自然災害和其他危機中將發揮關鍵作用。

數據和分析領導者應該探索現有供應商提供的X分析能力，比如用于圖像、視頻和語音分析的云計算供應商，但也要認識到創新很可能來自小型的初創公司和云計算供應商。

趨勢5：增強型數據管理：元數據是“新黑馬”

增強數據管理使用ML和AI技術來優化和改進操作。它還將用于審計、繼承和報告的元數據轉換為支持動態系統的元數據。

增強數據管理產品可以檢查操作數據的大量樣本，包括實際查詢、性能數據和模式。使用現有的情況和工作負載數據，增強引擎可以優化操作、配置、安全性和性能。

數據和分析領導者應該尋找增強型數據管理，支持活動元數據來簡化和整合他們的架構，并增加冗余數據管理任務的自動化。

趨勢6：云是一種饋贈

到2022年，公有云服務將對90%的數據和分析創新起關鍵性作用。

隨著數據和分析轉移到云端，數據和分析的領導者仍然在努力將正確的服務與用例保持一致，這將導致不必要的治理和集成開銷的增加。

數據和分析的問題已經從給定服務的成本轉移到如何滿足工作負載的性能需求，而不僅僅是價格表。

數據和分析領導者需要優先考慮能夠利用云計算功能的工作負載，并在遷移到云計算時關注成本優化。

趨勢7：數據與分析的沖突

傳統上，數據和分析能力被認為是不同的實體，并分別進行管理。通過增強分析提供端到端工作流的供應商模糊了這兩個市場間的區別。

數據和分析的這種沖突將增加獨立的數據和分析角色之間的交互與協作。這不僅會影響所提供的技術和能力，還會影響支持和使用它們的人員和過程。角色的范圍將從IT中的傳統數據和分析角色擴展到信息瀏覽器、消費者和公民開發人員等。

為了將沖突轉化為建設性的整合，可以將數據和分析工具與功能合并到分析堆棧中。除工具之外，關注人員和過程以促進交流和協作。利用數據和分析生態系統、增強方法，有潛力提供一致性的堆棧。

趨勢8：數據市場與數據交換

到2022年，35%的大型機構將通過正式的在線數據市場成為數據的賣家或買家，而2020年這一比例為25%.

數據市場和交易所提供單一平臺來整合第三方數據產品。這些市場和交換中心提供了集中的可用性和訪問(例如X分析和其他獨特的數據集)，創造了可以降低第三方數據成本的規模經濟以。

為了通過數據市場將數據資產貨幣化，數據和分析的領導者應該通過定義一個生態系統合作伙伴可以依賴的數據治理原則來建立一個公平和透明的方法。

趨勢9：數據分析中的區塊鏈

區塊鏈技術解決了數據和分析中的兩個挑戰。首先，區塊鏈提供了資產和事務的完整繼承。其次，區塊鏈為復雜的參與者網絡提供了透明性。

除了有限的比特幣和智能合同實例，分類數據庫管理系統(DBMS)將為單個企業審計數據源提供一個更有吸引力的選擇。Gartner估計，到2021年，分類DBMS產品將取代大多數現在使用的區塊鏈。

數據和分析應該通過強調數據管理基礎設施和區塊鏈技術功能的不匹配，將區塊鏈技術定位成對現有數據管理基礎設施的補充。

趨勢10：來自數據分析基礎和價值中的關系

到2023年，圖像技術將在全球30%的組織中促進快速情景化決策。圖像分析是一組分析技術，它允許探索相關實體(如組織、人員和事務)之間的關系。

它幫助數據和分析領導者發現數據中未知的關系，并審查傳統分析中難以分析的數據。

例如,在世界應對當前和未來疫情時，圖像技術可以從人們手機上的地理空間數據到人臉識別系統,對照片進行分析,以確定誰可能接觸過被確診冠狀病毒檢測呈陽性的個體。

考慮對圖形算法和技術如何改進AI和ML計劃的研究：

當與ML算法相結合時，這些技術可用于梳理數千個數據源和文檔，從而幫助醫療和公共衛生專家迅速發現新的治療方法或可能導致某些患者出現更多負面影響的因素。

數據和分析領導者需要評估將圖形分析整合到分析組合及應用程序中的機會，以發現隱藏的模式和關系。另外，考慮對圖形算法和技術如何改進AI和ML計劃進行研究。

附：其他頂級數據分析非技術趨勢2020：