2020年是充滿動蕩的一年，組織面臨著眾多挑戰。進入2021年，大數據行業將會更加快速地發展。為了對2021年的重要新趨勢有所了解，行業媒體采訪了各行業廠商的高管，以獲取他們的思想和見解，以及對可能發生的事情的預測。

2021年大數據產業的預測

Luminati Networks公司首席技術官(CTO)Ron Kol表示，2021年，開放和免費的數據收集將會推動未來的創新。調研機構Frost&Sullivan公司最近的一項調查發現，54%的IT決策者表示需要進行大規模數據收集，以跟上組織業務增長和在線競爭的步伐。但是，為了使組織有效地利用數據，首先需要訪問數據，而不是對其進行阻止。如今，組織通常被禁止收集公共數據。這種情況是由兩個主要因素引起的：作為安全預防措施的一部分，持續需要阻止惡意或欺詐性在線活動，以及這種公共數據有助于組織獲得競爭優勢的觀念。在2021年及以后，組織將會認識到公共數據收集是常規且必要的持續業務行為的一部分。他們還將意識到，數據并不是組織獲得競爭優勢的全部。庫存、價格、產品質量和服務質量等領域也發揮著重要作用。一旦意識到這一點，可以阻止數據的濫用。為了確保道德數據的收集，希望所有人促進信息的公開交換。最終，在線數據收集的未來取決于控制者。未來的數據收集工作將會發展和壯大。組織將需要自動收集數據以跟上其競爭對手，并能夠以更快的速度收集數據。畢竟，組織司收集新數據的速度將決定它們的成敗。

Information Builders公司工程和產品高級副總裁Eric Raab表示，數據將真正在企業規模上變得可操作：組織的數據量正在成倍增長，來源、類型和數量比以往任何時候都多，而且近乎實時地交付了越來越多的數據。但是要真正理解和訪問數據并對數據采取行動，組織將需要改變其使用方式，首先要削減中間商。通過尋找使數據分類和配置過程自動化的方法，員工(包括技術背景較少的員工)將能夠獲取他們所需的數據，并有效地制定良好的業務決策。

Qlik公司全球市場情報主管高級總監Dan Sommer表示，捕獲“替代”數據非常重要：例如能否提前預測到冠狀病毒疫情?對“替代”數據的研究(例如在某個醫院的交通數據以及該地區互聯網用戶的關鍵詞搜索)表明，該病毒可能已在2019年末傳播。在2020年之后，替代數據將成為主流，其目標是更早發現異常。由此可以獲得衍生數據，這些數據來自記錄系統的數據的組合、關聯和合成。正如IDC公司所說：“隨著越來越多的數據被捕獲并可以從外部來源獲得，使用更多數據的能力成為一個與眾不同的因素。這包括從其他行業吸取教訓。這種趨勢類似于Gartner所說的‘X分析’，但是由于更低成本的處理和更成熟的人工智能技術(其中包括知識圖和數據結構等)，最終成為現代數據和分析的重要基礎。自然語言處理(NLP)、可解釋的人工智能和所有類型內容的分析。這種趨勢完全取決于機器學習和人工智能，因為人類無法完全掌握。

Collibra公司聯合創始人兼首席技術官Stijn Christiaens表示，人們經常談論打破數據孤島，但是應該承認有些孤島將永遠存在。在大型組織中，將始終擁有具有自己的工具或數據庫的部門或分支機構，并且這些分支機構將繼續存在。如果組織擁有數據主權，則其辦公室將具有孤島。因此，最好的方法是著眼于如何更好地理解所擁有的數據。數據智能平臺可以用作索引和地圖，通過提供360度的數據資產視圖，向組織展示其擁有的孤島以及它們之間的連接方式。

Moogsoft公司首席執行官Phil Tee表示，OpenTelemetry將會導致數據過載。在2021年，OpenTelemetry的使用將成為新的行業規范。通過在各個數據源之間建立一致性，這將使數據收集更加容易，但是它也將為組織創建數據流水線，甚至更難找到包含可行見解的一小部分數據。如果沒有合適的系統來快速找到真正可行的5%，那么持續不斷的數據流將讓組織難以應對。因此，IT團隊將把重點從獲取數據轉移到建立一個框架，以根據數據采取行動。

Absolutdata公司首席執行官Anil Kaul表示，數字孿生是流程、產品或服務的虛擬模型。虛擬世界和物理世界的配套允許進行數據分析和系統監視，以幫助在問題發生之前就識別出問題。通過使用模擬，可以防止停機，開發新機會，甚至制定未來計劃。新一代的數字孿生技術使組織不僅可以對其資產進行建模和可視化，還可以進行預測，實時采取行動，并使用人工智能和機器學習等當前技術以巧妙的方式增強數據并對其進行操作。

UiPath公司首席信息官Guy Kirkwood表示，數字化轉型將開始轉變。在這一點上，“數字化轉型”已成為所有組織都關注的流行術語，但是這些努力中的絕大部分本質上還是過于戰術化。例如，機器人流程自動化(RPA)可能被認為是一種轉型工具，但它本身并不是。為了使組織在2021年看到真正的轉型，他們需要利用更高級的平臺，這些平臺結合了核心自動化和人工智能功能，例如文本分析、文檔理解和流程挖掘。同樣重要的是，這些平臺必須具有低代碼功能​​，以使公民開發人員能夠構建和部署可將價值帶回其組織的企業級自動化。否則，組織要實現數字化轉型將一直充滿挑戰，而數字化轉型的推動力是輕松部署自動化，甚至部署最復雜的流程。

Metallic公司總經理Manoj Nair表示，組織需要解決新的數據重力問題，疫情導致組織在家遠程工作的員工人數發生了巨大變化，加劇了組織現有的數據重力挑戰。即使疫情消退，仍然會有很多人在家遠程工作。這些組織希望將其應用程序和工作負載移至公共云，但是現有內部部署基礎設施上的數據復雜性則使這一事項變得困難，從而阻礙了這些組織的數字化轉型計劃。有望在2021年看到組織在技術和服務上的投資激增，從而使他們能夠應對這一數據復雜性挑戰。例如，組織需求將有助于推動新的有線10G技術和無線5G技術的發展，使組織能夠確保其邊緣數據與云平臺之間的連接快速、響應迅速、可靠且安全。此外，希望看到更多采用“備份即服務”(BaaS)和其他智能數據管理解決方案，這些解決方案使組織能夠將許多本地數據和員工筆記本電腦上的數據遷移到云平臺中，同時還為他們提供保護、管理和控制保留在邊緣的分布式數據的能力。組織還將投資于培訓和其他變更管理服務，這將使它們能夠為遠程工作的員工建立基于云計算的文化。面對這一數據復雜性問題的組織可以阻止日益分散的數據環境減緩向云平臺遷移的步伐。如果他們希望獲得在當今數字經濟中進行創新所需要的靈活性、可擴展性和敏捷性，就必須采取這一舉措。