Gartner公布2021年十大數據分析技術趨勢
Gartner公布了2021年十大數據和分析(D&A)技術趨勢，這些趨勢可以幫助企業組織應對各種變化、不確定性以及未來一年的潛在機遇。
Gartner知名研究副總裁Rita Sallam表示：“COVID-19疫情顛覆企業組織的速度，迫使數據分析負責人必須采用適當的工具和流程來發現關鍵技術趨勢，優先應對那些會對他們競爭優勢帶來最大潛在影響的趨勢。”
數據分析負責人應該利用以下10大趨勢作為他們的關鍵投資，以提高預測、轉移和響應能力。
趨勢一：更智能的、更負責任的、可擴展的AI
人工智能(AI)和機器學習(ML)正在發揮越來越大的影響力，這就需要企業運用新的技術以實現更智能的、數據消耗更少的、符合道德原則的、更具彈性的AI解決方案。企業組織通過部署更智能的、更負責任的、可擴展的AI，利用機器學習算法和可解釋的系統，縮短實現價值的時間，并提高業務影響力。
趨勢二：可組合式的數據分析
開放的容器化分析架構讓分析功能的可組合性更高。可組合式數據分析利用來自多個數據、分析和AI解決方案的組件，來快速構建靈活且用戶友好的智能應用，從而幫助數據分析負責人將洞察用于指導實際行動。
隨著數據重心逐漸轉移到云端，可組合式的數據分析將成為一種更為敏捷的方式，去構建實現了云市場、低代碼和無代碼解決方案的分析應用。
趨勢三：數據結構是基礎
隨著數字化程度逐漸提高和對消費者的約束越來越少，數據分析負責人開始越來越多地使用數據結構來解決企業組織數據資產中日益突出的多樣性、分布式、規模化和復雜性等問題。
數據結構采用分析功能來持續監控數據管道，利用對數據資產的持續分析，來支持各種數據的設計、部署和利用，從而將集成時間縮短了30%，部署時間縮短了30%，維護時間縮短了70%。
趨勢四：從大數據到小數據，再到寬數據
新冠疫情造成業務發生極端的變化，這導致那些基于大量歷史數據的機器學習和AI模型都不再適用了。同時，由人類和AI共同做出決策變得更加復雜和苛刻了，這就要求數據分析負責人擁有更加多樣化的數據，以更好地了解態勢。
因此，數據分析負責人應該選擇那些可以更有效利用可用數據的分析技術。他們依賴于所謂的“寬數據”，實現對各種小數據、大數據、非結構化數據、結構化數據來源的分析和協同處理，還有“小數據”，就是那些所需數據較少、但仍可以提供有用洞察的分析技術應用。
Sallam表示：“小而廣泛的數據方法提供了強大的分析和AI，同時減少了企業組織對大數據集的依賴。使用廣泛的數據，讓企業組織可以獲得更豐富的、更完整的態勢感知或360度視圖，從而使他們能夠運用數據分析做出更好的決策。”
趨勢五：XOps
XOps(包括DataOps、MLOps、ModelOps和PlatformOps)的目標是使用DevOps最佳實踐來實現效率和規模經濟，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，實現了自動化。
大多數分析和AI項目都失敗了，因為這些項目僅僅是在事后才解決可操作性等問題。如果數據分析負責人在大規模運營中使用XOps，那么他們將實現分析和AI資產的可再現性、可追溯性、完整性和可集成性。
趨勢六：工程決策智能
工程決策智能不僅適用于單個決策，還適用于決策序列，將多個決策分組到不同的業務流程中，甚至是突發決策和后果網絡。隨著決策變得越來越自動化和增強化，工程決策有望幫助數據分析負責人讓決策變得更加準確、可重復的、透明的和可追溯的。
趨勢七：數據分析成為一項核心業務功能
數據分析不再是次要的，而是變成了一項核心業務職能。在這種情況下，數據分析成為與業務成果保持一致的共享業務資產，中央數據分析和聯合數據分析團隊之間能夠更好地協作，也打破了數據分析孤島。
趨勢八：圖表與一切相關
圖形構成了很多現代數據分析功能的基礎，使我們能夠在各種數據資產之間找到人、地方、事物、事件和位置之間的關系。數據分析負責人依靠圖形關系來快速回答復雜的業務問題，這些問題需要能夠理解上下文，理解多個實體之間的聯系和優勢本質。
Gartner預測，到2025年圖形技術將用于80%的數據分析創新中，高于2021年的10%，這將促進整個企業組織的快速決策。
趨勢九：增強型消費者的崛起
如今，大多數企業用戶在使用預定義的儀表板和手動數據瀏覽功能，這可能導致錯誤的結論以及錯誤的決策和操作。以前我們花費在預定義儀表板上的操作時間，逐漸被自動的、對話式的、移動且動態生成的洞察所取代，這些洞察根據用戶的需求進行定制，并交付給他們的消費者。
Sallam表示：“這將把分析能力轉移給信息消費者——也就是所謂的增強型消費者——使他們擁有以前只能由分析師和數據科學家才能使用的功能。”
趨勢十：在邊緣的數據分析
數據、分析和其他支持數據分析的技術越來越多地位于邊緣計算環境中，更接近物理環境和IT權限范圍之外的資產。據Gartner預測，到2023年超過50%的數據分析負責人的主要職責將包括在邊緣環境中創建、管理和分析數據。
數據分析負責人可以利用這一趨勢來提升數據管理的靈活性、速度、治理和彈性。從支持實時事件分析，到實現“事物”的自主行為，各種各樣的使用場景正在吸引著人們對數據分析邊緣功能的興趣。
