關于“數據”的幾項事實是：如今國內數據利用率仍然很低，企業數據孤島問題顯著，但數據分享成為更加主流的趨勢，數據外泄的風險性愈發低于分享贏得的價值......

近日，Gartner發布2022年數據分析十二大趨勢，并從全球視角及中國視角對相關趨勢進行解讀。

“很多中國企業把數據分析看作一個IT話題。”Gartner高級研究總監孫鑫表示，但如今的趨勢是，數據分析愈發涵蓋著業務討論，它帶來的決策能力已經變成企業發展韌性最為核心的能力。

在“構建業務價值的新等式”的理念下，Gartner將2022年數據分析十二大趨勢分為三大主題：激活企業的活力和多樣性，增強員工能力與決策，信任的制度化，分別聚焦企業發展、員工培養以及信任的制度化，每項主題下包括四種趨勢。

其中，企業層面趨勢包括：自適應人工智能系統、以數據為中心的人工智能、元數據驅動的數據編織、始終數據共享;員工層面趨勢包括：語境豐富的分析、業務模塊組裝式數據和分析、以決策為中心的數據和分析、人員技能和素養的不足;信任制度化層面趨勢包括：互聯治理、AI風險管理、廠商和地區生態系統、向邊緣的擴展。

對于企業來說，四種趨勢和數據息息相關，發揮數據的潛在價值將帶來新機會。

“AI工程化”是Gartner在近年研究中提出的舉措，該舉措旨在推動企業真正運營起AI模型，建立自適應AI系統，趨向以組裝方式完成數字化能力建設的“組裝式企業”。據結果預測，到2026年，AI工程化手段將幫助企業平均多運營25%的AI模型。

以建立自適應AI系統為目的，幾項趨勢環環相扣。以數據為中心的人工智能作為重要的解決方案，需要更“健壯”的數據管理模式，這就需要基于“元數據”驅動的數據編織，并藉此推動數據共享的持續性。

“但企業最終的決策者是人?！睂O鑫表示，當企業的數據分析能力愈發復雜，情景化分析將愈發重要，例如不少企業開始考慮使用釘釘、飛書驅動一些數據分析的項目，希望通過數據化辦公軟件完成更多的數據分析。

據Gartner預測，2025年，情境驅動/背景驅動的數據分析和人工智能模型將取代60%建立在傳統數據上的現有模型。而隨著情景分析的深化，“全生命周期的數據分析”的可能性將促使企業傳統的IT能力搭載更多業務思考，從而使數據分析應用趨向模塊化、產品化，一項生動的表述是：“數據分析驅動的決策，漸漸轉為決策驅動的數據分析?！?/p>

此外孫鑫還表示，培養有數據素養的數據分析人才，將使企業在上述趨勢中更成功，并提出Gartner的人員培養三步走方案：以業務成果激勵獲取人才;以社區治理培養人才;將數據分析工作結合KPI留存人才。

最后，數據分析將依賴于可信的數據，因此“信任的制度化”尤為重要。

Gartner提出，在國內外復雜的法律、地域、道德等治理因素的挑戰下，成立跨組織、跨業務，甚至是跨地域的虛擬的數據和分析治理層，以實現跨企業的治理結果，完成“互聯治理”成為必要的趨勢，不少企業考慮建立“首席數據官”辦公室正與此相對。

在過去的研究中，Gartner發現50%的AI模型是從未進入到生產環境，在企業內外壓力之下，“安全”和“隱私”上的偷工減料導致了上述結果。在生態上，“廠商和區域性的數據分析生態”成為重要趨勢，越來越多的企業傾向于用一家“云廠商”的生態，建立本土化、國產化的數據分析能力，以規避不同地域、廠商帶來的兼容性問題。而在“數據主權”和“監管訴求”之下，邊緣數據分析解決方案部署的趨勢在加速，當前數據分析的環境更歡迎分布式架構的部署，而非“All in”的形式。

“疫情成為不少企業數據化轉型的契機。”孫鑫總結道，在“云”上做數據分析已經變成首選項，疫情大背景下，公有云的上限數據分析能力已有顯著增長，而在業務側使用數據分析的趨勢也隨之誕生。