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

4月13日消息，因?yàn)橐咔榈挠绊?，越來越多的企業(yè)業(yè)務(wù)不得不搬到線上，越來越多的數(shù)據(jù)分析發(fā)生在業(yè)務(wù)端。據(jù)Gartner的問卷結(jié)果顯示，82%的CEO認(rèn)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(jù)”這個詞在“十四五”規(guī)劃中出現(xiàn)了14次，“數(shù)據(jù)”這個詞出現(xiàn)了60余次，由此也可以看出，“數(shù)據(jù)”已經(jīng)成為了國民經(jīng)濟(jì)和社會發(fā)展的重要風(fēng)向標(biāo)。

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

Gartner研究總監(jiān)孫鑫

Gartner 2021年十大數(shù)據(jù)和分析趨勢包括：

趨勢一：更智能、更負(fù)責(zé)、可擴(kuò)展的AI（Smarter, more responsible, scalable AI）

孫鑫：傳統(tǒng)人工智能技術(shù)嚴(yán)重依賴歷史數(shù)據(jù)，而新冠疫情給業(yè)務(wù)環(huán)境所帶來的改變使歷史數(shù)據(jù)失去作用。這意味著人工智能技術(shù)必須能夠通過“小數(shù)據(jù)”技術(shù)和自適應(yīng)機(jī)器學(xué)習(xí)來依靠較少的數(shù)據(jù)運(yùn)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(hù)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(jǐn)慎。

Gartner是把AI放在數(shù)據(jù)分析領(lǐng)域去研究的，也就是說我們是先有數(shù)據(jù)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(chǎn)環(huán)境當(dāng)中去做運(yùn)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(jǐn)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(jǐn)慎度就沒有那么高。但是隨著企業(yè)把應(yīng)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(jǐn)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(jù)分析架構(gòu)（Composable data and analytics）

孫鑫：Gartner怎么給組裝式數(shù)據(jù)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(wù)的架構(gòu)，以及數(shù)據(jù)編織概念。然后從現(xiàn)有的資產(chǎn)當(dāng)中組合出靈活的、模塊化的、可重用的、消費(fèi)者友好的數(shù)據(jù)分析功能。

Gartner預(yù)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(dǎo)向型應(yīng)用。組裝式數(shù)據(jù)和分析不再是一個簡簡單單的業(yè)務(wù)行為，而是一種能夠去注入分析的決策導(dǎo)向型的業(yè)務(wù)，并且能夠?qū)⑵髽I(yè)由數(shù)據(jù)分析提供的洞察力和行動力關(guān)聯(lián)起來。

Gartner建議企業(yè)納入這種模塊化可以復(fù)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(jù)分析，把已經(jīng)投資的商業(yè)技能的BI報表工具，或者是機(jī)器學(xué)習(xí)提供的預(yù)測分析能力給組合起來，變成一種應(yīng)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(jù)編織是基礎(chǔ)（Data fabric as the foundation）

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

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

孫鑫：隨著企業(yè)逐漸認(rèn)識到大數(shù)據(jù)作為分析和人工智能關(guān)鍵推動者的局限性，被稱為小數(shù)據(jù)和寬數(shù)據(jù)的方法正在慢慢涌現(xiàn)，小數(shù)據(jù)的方法拋開了對于大型單體數(shù)據(jù)的依賴，實(shí)現(xiàn)了對于小型、大型、結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)源的分析和協(xié)同。

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

Gartner預(yù)測，到2025年，70%的企業(yè)將不得不把關(guān)注點(diǎn)從原先的大數(shù)據(jù)轉(zhuǎn)向現(xiàn)在的小數(shù)據(jù)或是寬數(shù)據(jù)，從而為數(shù)據(jù)分析提供更多背景。人工智能對數(shù)據(jù)的需求將進(jìn)一步減少。到2025年，超過85%的技術(shù)供應(yīng)商，將在人工智能解決方案當(dāng)中加入讓數(shù)據(jù)變得更豐富的方法和模型訓(xùn)練技術(shù)，以提高模型的彈性和敏捷性，而在2020年，這樣做的供應(yīng)商只有不到5%。

趨勢五：XOps

孫鑫：XOps（數(shù)據(jù)、機(jī)器學(xué)習(xí)、模型、平臺）的目標(biāo)是運(yùn)用DevOps的最佳實(shí)踐實(shí)現(xiàn)效率和規(guī)模經(jīng)濟(jì)，在保證可靠性、可重用性和可重復(fù)性的同時，減少技術(shù)和流程的重復(fù)并實(shí)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(shí)踐的多樣性，其原因在于應(yīng)用當(dāng)中的DevOps的最佳實(shí)踐的多個Ops學(xué)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(biāo)都是利用DevOps的最佳實(shí)踐去實(shí)現(xiàn)效率和規(guī)模經(jīng)濟(jì)，并確保可靠性、可重用性和可重復(fù)性，同時減少技術(shù)和流程的重復(fù)，從而實(shí)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(jìn)技術(shù)結(jié)合在一起，從而設(shè)計(jì)、建模、調(diào)整、執(zhí)行、監(jiān)控和調(diào)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(wù)流程，甚至是新興的決策網(wǎng)絡(luò)。

憑借這項(xiàng)技術(shù)，企業(yè)機(jī)構(gòu)能夠更快獲取推動業(yè)務(wù)行動所需的洞見。當(dāng)與可組裝性和通用數(shù)據(jù)編織架構(gòu)相結(jié)合時，工程化決策智能將為企業(yè)機(jī)構(gòu)決策優(yōu)化方式的重新考量或重新設(shè)計(jì)帶來新的可能性并提高決策的準(zhǔn)確性、可重復(fù)性和可追溯性。

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

孫鑫：Gartner預(yù)測到2022年，超過75%的中央組織和企業(yè)的分析項(xiàng)目，將被分散的部門，也就是說與業(yè)務(wù)部門領(lǐng)域的數(shù)據(jù)和分析的高管共享權(quán)力。這種共享權(quán)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(wù)轉(zhuǎn)型的能力，業(yè)務(wù)領(lǐng)域主導(dǎo)的數(shù)據(jù)分析將會變得越來越多。

趨勢八：圖技術(shù)使一切產(chǎn)生關(guān)聯(lián)（Graph relates everything）

孫鑫：圖技術(shù)已成為現(xiàn)代數(shù)據(jù)和分析的基礎(chǔ)，能夠增強(qiáng)并改進(jìn)用戶協(xié)作、機(jī)器學(xué)習(xí)模型和可解釋的人工智能。

Gartner預(yù)測，到了2025年，圖技術(shù)將從2021年的10%上升到80%，從而在數(shù)據(jù)分析創(chuàng)新當(dāng)中，促進(jìn)整個企業(yè)的快速決策。

“圖”是構(gòu)成現(xiàn)代數(shù)據(jù)分析的一個基礎(chǔ)，它具有增強(qiáng)和改善用戶協(xié)作、及學(xué)習(xí)建模和人工智能的能力，是一個能夠?qū)崿F(xiàn)可視化探索與無數(shù)據(jù)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(qiáng)型數(shù)據(jù)消費(fèi)者（The rise of the augmenter consumer）

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

但Gartner認(rèn)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(jù)用戶需求定制并被交付至用戶需要消費(fèi)這些數(shù)據(jù)的時候，使企業(yè)機(jī)構(gòu)中的任何人都能獲得原來只有少數(shù)數(shù)據(jù)專家才能掌握的洞見和知識。

趨勢十：數(shù)據(jù)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(jù)中心和云環(huán)境之外的數(shù)據(jù)分析技術(shù)開始增加，它們正在向物靠近。這能夠減少或杜絕以數(shù)據(jù)為中心的解決方案所產(chǎn)生的延遲并增加實(shí)時價值。

通過將數(shù)據(jù)和分析轉(zhuǎn)移到邊緣，數(shù)據(jù)團(tuán)隊(duì)將有機(jī)會擴(kuò)展自身的能力并將變化延伸到業(yè)務(wù)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(jù)這一問題。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。