俄羅斯和烏克蘭所引發(fā)的地緣政治危機對于遭受新冠疫情長(cháng)期肆虐的世界無(wú)疑是雪上加霜。今年數據和分析領(lǐng)導者的工作重點(diǎn)之一是管理由此引發(fā)的持續不確定因素和波動(dòng)性。
現在應該根據關(guān)鍵數據和分析技術(shù)趨勢對于業(yè)務(wù)優(yōu)先事項的緊迫性和匹配性來(lái)監測、嘗試或積極投資于這些趨勢，以此預測、調整并擴大數據和分析戰略的價(jià)值。
今年的主要數據和分析趨勢主要關(guān)注以下三大主題：
激活多樣性和活力。使用自適應AI系統推動(dòng)增長(cháng)和創(chuàng )新，同時(shí)應對全球市場(chǎng)的波動(dòng)。
增強人員能力和決策，以提供由業(yè)務(wù)模塊化組件創(chuàng )建的豐富的、情境驅動(dòng)的分析。
將信任制度化，以大規模地實(shí)現數據和分析的價(jià)值。管理AI風(fēng)險并實(shí)施跨分布式系統、邊緣環(huán)境和新興生態(tài)系統的互聯(lián)治理。
2022年需要關(guān)注的十二項數據和分析（D&A）趨勢
我們所發(fā)布的數據和分析趨勢代表了不容忽視的業(yè)務(wù)、市場(chǎng)和技術(shù)動(dòng)態(tài)。這些趨勢還有助于確定推動(dòng)新增長(cháng)、效率、韌性和創(chuàng )新的投資優(yōu)先事項。
趨勢一：自適應AI系統（Adaptive AI systems）
隨著(zhù)決策變得更具關(guān)聯(lián)性、情境性和連續性，再造決策的重要性日益增加。企業(yè)可以通過(guò)自適應AI系統來(lái)做到這一點(diǎn)，它可以更迅速地適應變化，提供更加快速靈活的決策。
同時(shí)，構建和管理自適應AI系統需要采用AI工程實(shí)踐。AI工程能夠通過(guò)編排和優(yōu)化應用來(lái)適應、抵御或吸收各種干擾因素，促進(jìn)自適應系統的管理。
趨勢二：以數據為中心的AI（Data-centric AI）
在不考慮AI特有的數據管理問(wèn)題的情況下試圖解決AI問(wèn)題。Sallam表示：“如果沒(méi)有正確的數據，構建AI就會(huì )產(chǎn)生風(fēng)險并且可能帶來(lái)危險。”因此，正式規定使用以數據為中心的AI和以AI為中心的數據至關(guān)重要。在企業(yè)的數據管理戰略中，它們能夠更加系統地解決數據偏差、多樣性和標記問(wèn)題，包括在自動(dòng)化數據整合和主動(dòng)元數據管理中使用數據編織。”
趨勢三：元數據驅動(dòng)的數據編織（Metadata-driven data fabric）
數據編織通過(guò)元數據偵聽(tīng)、學(xué)習并行動(dòng)。它能為人員和系統標記和推薦行動(dòng)，最終提高企業(yè)機構內部對數據的信任和使用，減少包括設計、部署和操作在內70%的各類(lèi)數據管理任務(wù)。
例如芬蘭圖爾庫市發(fā)現該市的創(chuàng )新受到數據缺口的阻礙。通過(guò)整合分散的數據資產(chǎn)，圖爾庫市重新利用數據、減少三分之二的產(chǎn)品上市時(shí)間并創(chuàng )建一個(gè)可以變現的數據編織。
趨勢四：始終數據共享（Always share data）
雖然數據和分析領(lǐng)導者經(jīng)常承認數據共享是一項關(guān)鍵的數字化轉型能力，但他們缺少專(zhuān)業(yè)的知識，因此無(wú)法懷著(zhù)信任大規模地共享數據。
順利推動(dòng)數據共享并增加對匹配業(yè)務(wù)案例的正確數據的訪(fǎng)問(wèn)，應開(kāi)展跨業(yè)務(wù)和行業(yè)領(lǐng)域的合作，這將加快對增加預算授權和數據共享投資的支持。此外，還應考慮采用數據編織設計來(lái)實(shí)現跨不同類(lèi)型內部和外部數據來(lái)源的統一數據共享架構。
趨勢五：情境豐富的分析（Context-enriched analysis）
情境豐富的分析建立在圖形技術(shù)的基礎之上。關(guān)于用戶(hù)情境和需求的信息被保存在圖形中，以便利用數據點(diǎn)之間的關(guān)系以及數據點(diǎn)本身實(shí)現更深入的分析。這能幫助您基于相似性、制約因素、路徑和社區來(lái)識別和創(chuàng )建進(jìn)一步的情境。
為了捕獲、保存和使用情境數據，企業(yè)需要建立數據流水線(xiàn)、X分析技術(shù)和AI云服務(wù)方面的能力和技能，以便處理不同類(lèi)型的數據。到2025年，情境驅動(dòng)的分析和AI模型將取代60%建立在傳統數據基礎上的現有模型。
趨勢六：業(yè)務(wù)模塊組合式數據和分析（Business-composed D&A）
Gartner建議企業(yè)采用模塊化的數據和分析方法或“組合式數據和分析”。業(yè)務(wù)模塊組合式數據和分析建立在這一趨勢的基礎上，但重點(diǎn)正在從IT人員轉向業(yè)務(wù)人員。
業(yè)務(wù)模塊組合式數據和分析使業(yè)務(wù)用戶(hù)或業(yè)務(wù)技術(shù)人員應聯(lián)合構建業(yè)務(wù)驅動(dòng)的數據和分析能力。
趨勢七：以決策為中心的數據和分析（Decision-centric D&A）
決策智能學(xué)科（即對如何做出決策進(jìn)行深思熟慮）正在使企業(yè)機構重新思考在數據和分析能力方面的投資。使用決策智能學(xué)科設計最佳決策，然后提供所需的信息和資源。
Gartner預測到2023年，超過(guò)33%的大型企業(yè)機構將有從事決策智能工作的分析師，包括決策建模。
趨勢八：人員技能和素養的不足（Skills and literacy shortfall）
數據和分析領(lǐng)導者需要團隊中的人才來(lái)推動(dòng)可衡量的成果。但虛擬工作場(chǎng)所和激烈的人才競爭加劇了員工數據素養（讀、寫(xiě)和傳遞數據的能力）的不足。
Gartner預測，從現在起到2025年，大多數首席數據官（CDO）將無(wú)法培養實(shí)現戰略數據驅動(dòng)的既定業(yè)務(wù)目標所必需的員工數據素養。
由于數據素養和員工技能提升方面的投資成本不斷上升，應在與新員工的合同中加入“薪酬索回”或“費用償還”條款，這樣就能在員工離職時(shí)收回成本。
趨勢九：互聯(lián)治理（Connected governance）
企業(yè)機構需要在各個(gè)層面采取有效的治理來(lái)解決他們當前的運營(yíng)挑戰，而且這些治理措施還必須靈活、可擴展并且能夠迅速響應不斷變化的市場(chǎng)動(dòng)態(tài)和具有戰略意義的組織挑戰。
然而，疫情進(jìn)一步突出表明，企業(yè)迫切需要強有力的跨職能協(xié)作，并隨時(shí)準備改變組織結構，以實(shí)現業(yè)務(wù)模型的敏捷性。
應使用互聯(lián)治理建立一個(gè)跨業(yè)務(wù)職能和地域的虛擬數據和分析治理層來(lái)實(shí)現所期望的跨企業(yè)業(yè)務(wù)成果。
趨勢十：AI風(fēng)險管理（AI risk management）
如果企業(yè)機構將時(shí)間和資源用于支持AI信任、風(fēng)險和安全管理（TRiSM），那么他們就能改進(jìn)AI在采用、業(yè)務(wù)目標實(shí)現以及內部和外部用戶(hù)接受度方面的成果。
Gartner預測，到2026年，開(kāi)發(fā)出可信賴(lài)的目標導向型AI的企業(yè)機構將實(shí)現75%以上的AI創(chuàng )新成功率，而未能做到這一點(diǎn)的企業(yè)機構只有40%的成功率。
通過(guò)加強對AI TRiSM的重視，企業(yè)機構就能可控而穩定地實(shí)現AI模型的實(shí)施與操作化。此外，Gartner還預測AI的失敗會(huì )大幅減少，包括不完整的AI項目、意外或負面結果的減少等。
趨勢十一：廠(chǎng)商和地區生態(tài)系統（Vendor and region ecosystems）
隨著(zhù)各地區數據安全法的頒布，許多跨國企業(yè)機構正在為遵守當地法規而構建數據和分析生態(tài)系統。這一趨勢將在新的多極世界中加速。
您將需要考慮遷移和復制特定地區內的部分或全部數據和分析堆棧，并且將多云和多廠(chǎng)商戰略管理納入設計或預設。
企業(yè)需要采取多項行動(dòng)構建一個(gè)有凝聚力的云數據生態(tài)系統。應評估廠(chǎng)商解決方案的可擴展性和在整個(gè)生態(tài)系統的供應情況，并考慮與它們保持一致。應通過(guò)權衡單一廠(chǎng)商生態(tài)系統在成本、敏捷性和速度方面的優(yōu)勢，重新評估有利于最佳或最合適的云中端到端數據和分析能力戰略的政策。
趨勢十二：向邊緣的擴展（Expansion to the edge）
在數據中心和公有云基礎設施之外的分布式設備、服務(wù)器或網(wǎng)關(guān)中執行的數據和分析活動(dòng)日益增加。它們越來(lái)越多地位于邊緣計算環(huán)境，更加靠近數據和相關(guān)決策的創(chuàng )建和執行地點(diǎn)。
Gartner預測，到2025年，超過(guò)50%的企業(yè)關(guān)鍵數據將在數據中心以外或云以外的地點(diǎn)創(chuàng )建和處理。
企業(yè)應將數據和分析治理能力擴展到邊緣環(huán)境，并通過(guò)主動(dòng)元數據實(shí)現可見(jiàn)性。還可通過(guò)加入位于邊緣的以IT為中心的技術(shù)（關(guān)系型和非關(guān)系型數據庫管理系統）以及用于存儲和處理更加靠近設備邊緣的數據且內存占用量少的嵌入式數據庫，為邊緣環(huán)境中的數據持久化提供支持。
