Gartner近日公布了2021年十大數據和分析技術(shù)趨勢，這些技術(shù)趨勢將幫助企業(yè)組織應對這一年中的各種變化、不確定性和機遇。

　　Gartner杰出研究副總裁Rita Sallam表示：“疫情給企業(yè)組織帶來(lái)顛覆的速度，迫使數據和分析領(lǐng)導者必須采用恰當的工具和流程應對這些關(guān)鍵技術(shù)趨勢，對那些可能會(huì )給他們競爭優(yōu)勢帶來(lái)最大潛在影響的技術(shù)趨勢設置更高優(yōu)先級。”

　　數據和分析領(lǐng)導者應該把以下10個(gè)技術(shù)趨勢作為他們的關(guān)鍵投資方向，加強他們預測、轉移和響應的能力。

　　人工智能（AI）和機器學(xué)習（ML）正在帶來(lái)更大的影響，這就要求企業(yè)采用新技術(shù)構建更智能的、消耗數據更少的、符合道德原則的、更具彈性的AI解決方案。企業(yè)組織通過(guò)部署更智能、更負責任的、更可擴展的AI，將利用學(xué)習算法和可解釋的系統，加速價(jià)值實(shí)現，給業(yè)務(wù)帶來(lái)更大影響力。

　　開(kāi)放的、容器化的分析架構讓數據分析功能可組合性更強。可組合式的數據分析利用來(lái)自多個(gè)數據、分析和AI解決方案的組件，快速構建靈活且用戶(hù)友好型的智能應用，從而幫助數據分析領(lǐng)導者將洞察和行動(dòng)連接在一起。

　　隨著(zhù)數據重心轉移到云端，可組合式的數據分析將成為一種更加敏捷的方式，開(kāi)發(fā)支持云市場(chǎng)、低代碼和無(wú)代碼解決方案的分析應用。

　　更高程度的數字化和不再受約束的消費者，推動(dòng)著(zhù)數據分析領(lǐng)導者越來(lái)越多地使用數據架構來(lái)一個(gè)對企業(yè)組織數據資產(chǎn)日益加劇的多樣化、分布式、規模和復雜性。

　　數據架構利用分析功能來(lái)持續監控數據管道，通過(guò)對數據資產(chǎn)的持續分析，支持各種數據的設計、部署和使用，縮短集成時(shí)間30％，縮短部署時(shí)間30％，縮短維護時(shí)間70％。

　　疫情給企業(yè)帶來(lái)的極端變革，導致那些基于大量歷史數據的機器學(xué)習和人工智能模型變得不那么重要了。同時(shí)，由人類(lèi)和AI做出的決策變得更加復雜和苛刻，要求數據分析領(lǐng)導者擁有更多種類(lèi)的數據才能更好地了解態(tài)勢。

　　因此，數據分析領(lǐng)導者應該選擇那些可以更有效地利用可用數據的分析技術(shù)。數據分析領(lǐng)導者依賴(lài)于所謂的“寬數據”和“小數據”，寬數據可以對各種小型的、大型的、非結構化的、結構化的數據源進(jìn)行分析和協(xié)同，小數據指的是那些需要較少數據但仍提供有用見(jiàn)解的分析技術(shù)應用。

　　Sallam表示：“小數據和寬數據提供強大的分析和人工智能功能，降低了企業(yè)組織對大數據集的依賴(lài)性，而且通過(guò)使用寬數據，企業(yè)組織還可以獲得更豐富、更完整的、全方位的態(tài)勢感知，使他們能夠運用分析來(lái)做出更好的決策。”

　　XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目標是利用DevOps最佳實(shí)踐來(lái)實(shí)現效率和規模經(jīng)濟，確保可靠性、可重用性和可重復性，同時(shí)減少技術(shù)和流程的重復，實(shí)現自動(dòng)化。

　　大多數分析和人工智能項目都因為僅僅在事后才能解決可操作性問(wèn)題而失敗了。如果數據分析領(lǐng)導者利用XOps進(jìn)行大規模運營(yíng)，將實(shí)現分析和人工智能資產(chǎn)的再生性、可追溯性、完整性和可集成性。

　　工程決策智能不僅適用于單個(gè)決策，還適用于決策序列，可將其分為多個(gè)業(yè)務(wù)流程，甚至是突發(fā)決策和結果構成的多個(gè)網(wǎng)絡(luò )。隨著(zhù)決策得到增強并且越來(lái)越自動(dòng)化，工程決策讓數據分析領(lǐng)導者有機會(huì )做出更準確、可重復、透明和可追溯的決策。

　　數據分析不再是一個(gè)次要項目，而是變成了核心的業(yè)務(wù)功能。在這種情況下，數據分析變成與業(yè)務(wù)成果一致的共享業(yè)務(wù)資產(chǎn)，而且因為中央和聯(lián)合數據分析團隊之間能夠更好地展開(kāi)協(xié)作，數據分析孤島問(wèn)題也得到了解決。

　　圖形技術(shù)構成了很多現代數據分析功能的基礎，可以在各種數據資產(chǎn)之間找到人、地方、事物、事件和位置之間的關(guān)系。數據分析領(lǐng)導者依靠圖形技術(shù)快速回答復雜的業(yè)務(wù)問(wèn)題，而這些問(wèn)題往往需要上下文感知，以及理解多個(gè)實(shí)體之間的關(guān)聯(lián)本質(zhì)。

　　Gartner預測，到2025年圖形技術(shù)將被用于80％的數據分析創(chuàng )新項目中，高于2021年的10％，從而促進(jìn)整個(gè)企業(yè)組織的快速決策。

　　如今大多數企業(yè)用戶(hù)使用的是預定義的儀表板和手動(dòng)數據瀏覽功能，這可能導致結論、決策和操作失誤，而自動(dòng)的、對話(huà)式的、移動(dòng)且動(dòng)態(tài)生成的洞察將取代預定義的儀表板，可根據用戶(hù)需求進(jìn)行定制，交付給消費方。

　　Sallam表示：“這將推動(dòng)分析能力轉移到信息消費者——增強型消費者，讓他們具備那些以前只有分析師和數據科學(xué)家才能擁有的能力。”

　　數據、分析和其他支持技術(shù)正在被越來(lái)越多地運用于邊緣計算環(huán)境中，并且這些技術(shù)更靠近物理資產(chǎn)所在的位置，位于IT權限范圍之外。Gartner預測，到2023年超過(guò)50％的數據分析領(lǐng)導者的主要職責將涉及到在邊緣環(huán)境中創(chuàng )建、管理和分析的數據。

　　數據分析領(lǐng)導者可以利用這一趨勢來(lái)提高數據管理的靈活性、速度、治理和彈性。從支持實(shí)時(shí)事件分析到實(shí)現“物”的自主行為，各種各樣的使用場(chǎng)景正在吸引著(zhù)人們對數據分析邊緣能力的興趣。
　　來(lái)源：Gartner