[[383822]]

從AI到小數據和圖形技術，數據和分析領導者應考慮充分利用這些趨勢。

一些組織使用嚴重依賴大量歷史數據的傳統分析技術，新冠疫情襲來時，這些組織意識到了一件重要的事情：許多這些數據模型不再適用。實際上，新冠疫情改變了一切，導致許多數據毫無用處。

反過來，高瞻遠矚的數據團隊和分析團隊順勢而變：之前采用依賴“大”數據的傳統AI技術，現在改而采用一類需要較少量但更多樣化的“小”數據的分析技術。

Gartner列出了2021年數據和分析領域的十大趨勢，從大數據向小而廣數據轉變是其中之一。這些趨勢代表著商業、市場和技術方面的動態，數據和分析領導者不可忽視。

Gartner杰出副總裁分析師Rita Sallam說：“數據和分析領域的這些趨勢可以幫助組織和社會應對顛覆性變化、巨大的不確定性以及它們在今后三年帶來的機遇。數據和分析領導者須積極研究如何充分利用這些趨勢，做出與時俱進的重要投入，以提升預測、轉變和響應的能力。”

每一個趨勢都符合以下三大主題之一：

1、數據和分析方面的變化加快：充分利用AI方面的創新、增強的可組合性以及更靈活更有效地集成更迥然不同的數據源。

2、通過更有效的XOps切實發揮業務價值：支持更有效的決策，并支持將數據和分析變成業務不可或缺的一部分。

3、分發一切：需要靈活地關聯數據和洞察力，以支持更廣泛的人和物件。

第1個趨勢：更智能化、更負責任、更靈活擴展的AI

更智能化、更負責任、更靈活擴展的AI將帶來更好的學習算法、可解釋的系統和實現價值的更短時間。組織將開始對AI系統提出多得多的要求，它們需要弄清楚如何擴展技術——到目前為止，這仍是一大挑戰。

雖然傳統的AI技術可能嚴重依賴歷史數據，但鑒于新冠疫情已改變了商業格局，歷史數據可能不再適用。這意味著AI技術必須能夠通過“小數據”技術和自適應機器學習，以更少的數據進行運作。這些AI系統還必須保護隱私、遵守聯邦法規并盡量減少偏差，以支持道德AI。

第2個趨勢：可組合式數據和分析

可組合式數據和分析的目的是使用來自多個數據、分析和AI解決方案的組件，以獲得一種靈活、對用戶友好和易用的體驗，從而使領導者能夠將數據洞察力與業務活動聯系起來。Gartner收到的客戶咨詢表明，大多數大組織擁有不止一種“企業標準”分析和商業智能工具。

利用各自的套裝業務功能組合新應用程序可提高生產力和敏捷性。可組合式數據和分析不僅有助于協作、完善組織的分析功能，還會加大分析技術的普及程度。

第3個趨勢：數據結構充當基礎

隨著數據變得日益復雜、數字化業務加快發展，數據結構（data fabric）成為支持可組合式數據和分析及各種組件的體系結構。

數據結構將集成設計時間縮短了30%，將部署時間縮短了30%，將維護時間縮短了70%，原因是這種技術設計運用了使用/重用和結合不同數據集成方式的能力。此外，數據結構可以充分利用來自數據樞紐、數據湖和數據倉庫的現有技能和技術，同時又引入適應未來的新方法和工具。

第4個趨勢：從大數據到小而廣數據

許多組織在處理AI方面日益復雜的問題以及數據使用場景寥寥無幾的挑戰，與大數據相反，小而廣數據為這些組織解決了許多問題。廣數據充分利用“X分析”技術，支持分析眾多小而多樣化（廣）數據源、非結構化數據源和結構化數據源，并實現協同效應，以增強上下文意識和決策。顧名思義，小數據能夠使用需要較少數據，但仍提供實用洞察力的數據模型。

第5個趨勢：XOps

XOps（數據、機器學習、模型和平臺）的目的是，使用DevOps最佳實踐來獲得效率和規模經濟效益，并確保可靠性、可重用性和可重復性，同時減少技術和流程的重復，并實現自動化。

這些技術將能夠擴展原型，并提供受控決策系統的靈活設計和敏捷編排。總體而言，XOps將使組織能夠實際運用數據和分析技術以提高業務價值。

第6個趨勢：集成的決策智能

決策智能是一門學科，涵蓋一系列廣泛的決策，其中包括常規的分析、AI和復雜的自適應系統應用軟件。集成決策智能不僅適用于單個決策，還適用于一系列決策，可以將它們分組為業務流程，甚至新興決策網絡。

這使組織能夠更快地獲得促使公司采取行動所需要的洞察力。如果結合可組合性和通用數據結構，集成的決策智能帶來了新的機會，以便組織重新思考或重新設計如何優化決策，并使決策更準確、可重復和可追溯。

第7個趨勢：數據和分析是一項核心業務職能

業務領導者開始認識到使用數據和分析技術來加快數字化業務計劃的重要性。數據和分析不再是不同團隊完成的次要工作，而是轉而成為一項核心職能。然而，業務領導者常常低估了數據的復雜性，因而最終錯失了機會。如果首席數據官（CDO）參與制定目標和策略，他們可以將源源不斷獲取的業務價值提高2.6倍。

第8個趨勢：圖形關乎一切

圖形構成了現代數據和分析的基礎，能夠增強和改善用戶協作、機器學習模型和可解釋型AI。雖然圖形技術不是數據和分析領域的新技術，但隨著組織識別越來越多的使用場景，圍繞它們的觀念已發生了轉變。實際上，關于AI話題的Gartner客戶咨詢當中多達50%都離不開討論圖形技術的使用。

第9個趨勢：增強型消費者的崛起

在過去，業務用戶囿于預定義的儀表板和手動探索數據。這常常意味著數據和分析儀表板僅限于數據分析員或平民數據科學家探究預定義的問題。

然而Gartner認為，展望將來，這些儀表板將被自動化、對話式、移動、動態生成的洞察力取而代之，這種洞察力可根據用戶的需求進行定制，并交付到用戶的消費點。這將洞察力知識從一小撮數據專家的手里轉移到組織中任何人的手里。

第10個趨勢：邊緣端數據和分析

 

隨著更多的數據分析技術開始出現在傳統數據中心和云環境之外的環境，它們更靠近實體資產。這縮短或消除了以數據為中心的解決方案的延遲，并支持獲得更大的實時價值。

將數據和分析技術轉移到邊緣將為數據團隊帶來機會，以擴大功能，并將影響擴展到公司的不同部門。這還可以為因法律或法規原因而無法從特定地理位置刪除數據的情況提供解決方案。