Gartner研究總監(jiān)孫鑫解讀“2021年十大數(shù)據和分析趨勢”

4月13日消息，因為疫情的影響，越來越多的企業(yè)業(yè)務不得不搬到線上，越來越多的數(shù)據分析發(fā)生在業(yè)務端。據Gartner的問卷結果顯示，82%的CEO認為追加自己在數(shù)字化舉措上的投資是毋庸置疑的。

與此同時，“大數(shù)據”這個詞在“十四五”規(guī)劃中出現(xiàn)了14次，“數(shù)據”這個詞出現(xiàn)了60余次，由此也可以看出，“數(shù)據”已經成為了國民經濟和社會發(fā)展的重要風向標。

近期Gartner發(fā)布了“2021年十大數(shù)據和分析趨勢”，Gartner研究總監(jiān)孫鑫對新趨勢進行了解讀。TechWeb對解讀內容進行了整理。

Gartner研究總監(jiān)孫鑫

Gartner 2021年十大數(shù)據和分析趨勢包括：

趨勢一：更智能、更負責、可擴展的AI（Smarter, more responsible, scalable AI）

孫鑫：傳統(tǒng)人工智能技術嚴重依賴歷史數(shù)據，而新冠疫情給業(yè)務環(huán)境所帶來的改變使歷史數(shù)據失去作用。這意味著人工智能技術必須能夠通過“小數(shù)據”技術和自適應機器學習來依靠較少的數(shù)據運行。為了成為遵循道德約束的人工智能，這些人工智能系統(tǒng)還必須保護隱私、遵守法規(guī)并盡量減少偏見。

現(xiàn)在企業(yè)對于AI的態(tài)度都是非常積極的，積極中也一定會帶有更多的謹慎。

Gartner是把AI放在數(shù)據分析領域去研究的，也就是說我們是先有數(shù)據分析這一個大的課題、然后再把AI放在里面去做一些研究。所以如果說涉及到要把AI放到生產環(huán)境當中去做運行，要讓用戶能夠真正的使用AI的能力，企業(yè)一定會變得更加謹慎一些，但是這也分階段，有些企業(yè)可能屬于AI初始探索階段；有些企業(yè)會更多抱有積極的態(tài)度，比如會嘗試不同的廠商交互，這時候謹慎度就沒有那么高。但是隨著企業(yè)把應用場景“0到1”做完之后，要做一個“1到N”的過程時，就不得不變得更謹慎、更有緊迫感，要思考如何能夠把AI的能力賦能到更多的一些人。

趨勢二：組裝式數(shù)據分析架構（Composable data and analytics）

孫鑫：Gartner怎么給組裝式數(shù)據和分析做定義？首先它利用了我們現(xiàn)在基于容器或者是微服務的架構，以及數(shù)據編織概念。然后從現(xiàn)有的資產當中組合出靈活的、模塊化的、可重用的、消費者友好的數(shù)據分析功能。

Gartner預測，到2023年，60%的企業(yè)將會利用三個或者更多的分析解決方案，來組成一些組件，以建立這種注入了分析的決策導向型應用。組裝式數(shù)據和分析不再是一個簡簡單單的業(yè)務行為，而是一種能夠去注入分析的決策導向型的業(yè)務，并且能夠將企業(yè)由數(shù)據分析提供的洞察力和行動力關聯(lián)起來。

Gartner建議企業(yè)納入這種模塊化可以復用的分析能力來改善現(xiàn)在的決策。另外，可以通過組裝式的數(shù)據分析，把已經投資的商業(yè)技能的BI報表工具，或者是機器學習提供的預測分析能力給組合起來，變成一種應用程序，從而通過組合式的分析推動一些創(chuàng)新。

趨勢三：數(shù)據編織是基礎（Data fabric as the foundation）

孫鑫：數(shù)據編織是一個可以解決企業(yè)當中數(shù)據資產多樣性、分布規(guī)模和復雜程度的綜合架構，可以幫助企業(yè)解決現(xiàn)存的數(shù)據孤島的問題的。數(shù)據編織會大量使用企業(yè)以往使用數(shù)據所留下來的消費行為，幫助企業(yè)減少維護管理數(shù)據的時間。推薦企業(yè)通過利用數(shù)據編織的概念去支持不同的數(shù)據交互，并且用這種動態(tài)的形式去管理各種各樣的數(shù)據，同時投資越來越多的元數(shù)據驅動更多開發(fā)。

趨勢四：從“大”數(shù)據到“小”而“寬”的數(shù)據（From big to small and wide data）

孫鑫：隨著企業(yè)逐漸認識到大數(shù)據作為分析和人工智能關鍵推動者的局限性，被稱為小數(shù)據和寬數(shù)據的方法正在慢慢涌現(xiàn)，小數(shù)據的方法拋開了對于大型單體數(shù)據的依賴，實現(xiàn)了對于小型、大型、結構化、非結構化的數(shù)據源的分析和協(xié)同。

小數(shù)據的方法是指應用相對較少的數(shù)據，但仍能提供有見解的分析技術。其中包括了有針對性的使用數(shù)據要求比較低的模型，比如一些時間序列分析的技術，而不是用一刀切的方式去使用數(shù)據要求較高的深度學習的技術。

Gartner預測，到2025年，70%的企業(yè)將不得不把關注點從原先的大數(shù)據轉向現(xiàn)在的小數(shù)據或是寬數(shù)據，從而為數(shù)據分析提供更多背景。人工智能對數(shù)據的需求將進一步減少。到2025年，超過85%的技術供應商，將在人工智能解決方案當中加入讓數(shù)據變得更豐富的方法和模型訓練技術，以提高模型的彈性和敏捷性，而在2020年，這樣做的供應商只有不到5%。

趨勢五：XOps

孫鑫：XOps（數(shù)據、機器學習、模型、平臺）的目標是運用DevOps的最佳實踐實現(xiàn)效率和規(guī)模經濟，在保證可靠性、可重用性和可重復性的同時，減少技術和流程的重復并實現(xiàn)自動化。

現(xiàn)在的分析和AI解決方案沒有跟上日益增長的實踐的多樣性，其原因在于應用當中的DevOps的最佳實踐的多個Ops學科，大家可以看到的有DataOps、ModelOps以及DevOps，造成了市場的混亂，所以Gartner把它叫做XOps。

無論是什么Ops，它的目標都是利用DevOps的最佳實踐去實現(xiàn)效率和規(guī)模經濟，并確?？煽啃?、可重用性和可重復性，同時減少技術和流程的重復，從而實現(xiàn)自動化。

趨勢六：工程化決策智能（Engineered decision intelligence）

孫鑫：決策智能提供了一個框架，將多種傳統(tǒng)和先進技術結合在一起，從而設計、建模、調整、執(zhí)行、監(jiān)控和調整決策模型。工程決策智能不僅適用于單個決策，還適用于決策序列，可以將其歸入業(yè)務流程，甚至是新興的決策網絡。

憑借這項技術，企業(yè)機構能夠更快獲取推動業(yè)務行動所需的洞見。當與可組裝性和通用數(shù)據編織架構相結合時，工程化決策智能將為企業(yè)機構決策優(yōu)化方式的重新考量或重新設計帶來新的可能性并提高決策的準確性、可重復性和可追溯性。

趨勢七：數(shù)據和分析成為核心業(yè)務功能（Data and analytics as a core business function）

孫鑫：Gartner預測到2022年，超過75%的中央組織和企業(yè)的分析項目，將被分散的部門，也就是說與業(yè)務部門領域的數(shù)據和分析的高管共享權力。這種共享權力的混合組織模式將會是未來的主流。隨著企業(yè)加快企業(yè)數(shù)字化業(yè)務轉型的能力，業(yè)務領域主導的數(shù)據分析將會變得越來越多。

趨勢八：圖技術使一切產生關聯(lián)（Graph relates everything）

孫鑫：圖技術已成為現(xiàn)代數(shù)據和分析的基礎，能夠增強并改進用戶協(xié)作、機器學習模型和可解釋的人工智能。

Gartner預測，到了2025年，圖技術將從2021年的10%上升到80%，從而在數(shù)據分析創(chuàng)新當中，促進整個企業(yè)的快速決策。

“圖”是構成現(xiàn)代數(shù)據分析的一個基礎，它具有增強和改善用戶協(xié)作、及學習建模和人工智能的能力，是一個能夠實現(xiàn)可視化探索與無數(shù)據庫交互的無代碼和低代碼的工具，正在使人們無須圖查詢語言就能夠發(fā)現(xiàn)。

趨勢九：日益增多的增強型數(shù)據消費者（The rise of the augmenter consumer）

孫鑫：以前的企業(yè)用戶受限于預定義儀表盤和手動的數(shù)據探索。一般情況下，只有探索預定義問題的數(shù)據分析師或公民數(shù)據科學家才能使用數(shù)據和分析儀表盤。

但Gartner認為，未來這些儀表盤將被自動化、對話式、移動式和動態(tài)生成的洞見所取代，而且這些洞見均根據用戶需求定制并被交付至用戶需要消費這些數(shù)據的時候，使企業(yè)機構中的任何人都能獲得原來只有少數(shù)數(shù)據專家才能掌握的洞見和知識。

趨勢十：數(shù)據和分析正在向邊緣移動（Data and analytics at the edge）

孫鑫：存在于傳統(tǒng)數(shù)據中心和云環(huán)境之外的數(shù)據分析技術開始增加，它們正在向物靠近。這能夠減少或杜絕以數(shù)據為中心的解決方案所產生的延遲并增加實時價值。

通過將數(shù)據和分析轉移到邊緣，數(shù)據團隊將有機會擴展自身的能力并將變化延伸到業(yè)務的不同部分。同時，這還解決了因法律或監(jiān)管原因而無法從特定地域移動數(shù)據這一問題。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。