Gartner發(fā)布2022年十二大數(shù)據(jù)和分析趨勢(shì) 助力企業(yè)構(gòu)建業(yè)務(wù)價(jià)值新等式

（CWW）近日，Gartner發(fā)布2022年十二大數(shù)據(jù)和分析趨勢(shì)，趨勢(shì)圍繞“激活企業(yè)的數(shù)據(jù)活力和多樣性”、“增強(qiáng)員工能力與決策”和“信任的制度化”三大主題，以期在當(dāng)前全球大背景下，幫助企業(yè)“構(gòu)建業(yè)務(wù)價(jià)值的新等式”，完成基于數(shù)據(jù)分析業(yè)務(wù)能力的建設(shè)。

Gartner高級(jí)研究總監(jiān)孫鑫表示，當(dāng)前對(duì)數(shù)據(jù)分析的需求日益繁重，企業(yè)希望通過(guò)數(shù)據(jù)分析實(shí)現(xiàn)更多價(jià)值兌現(xiàn)，向更多部門(mén)擴(kuò)展，也希望數(shù)據(jù)分析成為創(chuàng)新起源，為企業(yè)帶來(lái)新想法和新助力。與此同時(shí)，基于數(shù)據(jù)本身的變現(xiàn)與日俱增，通過(guò)數(shù)據(jù)的降本增效，為企業(yè)帶來(lái)非常多的盈利增長(zhǎng)。數(shù)據(jù)分析帶來(lái)的決策能力，已經(jīng)變成企業(yè)成為一個(gè)有韌性企業(yè)的核心能力。

趨勢(shì)一：自適應(yīng)人工智能系統(tǒng)（Adaptive AI Systems）。

很多企業(yè)號(hào)稱(chēng)有AI舉措、AI的一些想法，但是真正把這些AI模型運(yùn)營(yíng)起來(lái)的卻少之又少。Gartner建議企業(yè)利用DevOps等類(lèi)Ops手段，完成更好的AI模型建立，在新數(shù)據(jù)和新業(yè)務(wù)環(huán)境進(jìn)入時(shí)，可以持續(xù)迭代所需的AI模型功能。

AI工程化所賦能的自適應(yīng)型AI系統(tǒng)，將成為一個(gè)明顯趨勢(shì)，使企業(yè)可以快速生成有效果的AI模型。

趨勢(shì)二：以數(shù)據(jù)為中心的人工智能。

大多數(shù)企業(yè)交付的AI解決方案，很大程度上取決于數(shù)據(jù)質(zhì)量，以及能否被業(yè)務(wù)理解。而在很多人工智能項(xiàng)目當(dāng)中，數(shù)據(jù)管理經(jīng)常被低估，即使它可以大大提效人工智能的開(kāi)發(fā)和部署。

以數(shù)據(jù)為核心的人工智能將會(huì)不發(fā)展，擴(kuò)展的學(xué)科也會(huì)越來(lái)越多，數(shù)據(jù)管理的技術(shù)和技能，數(shù)據(jù)質(zhì)量、數(shù)據(jù)集成、數(shù)據(jù)治理……都會(huì)擴(kuò)展成為人工智能的基礎(chǔ)能力。AI模型被開(kāi)發(fā)出來(lái)后，數(shù)據(jù)管理活動(dòng)并沒(méi)結(jié)束，它會(huì)像動(dòng)態(tài)數(shù)據(jù)管道一樣，持續(xù)支持AI模型的開(kāi)發(fā)。

企業(yè)需要更健壯的數(shù)據(jù)管理模式，完成對(duì)于AI運(yùn)營(yíng)的能力。

趨勢(shì)三：元數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)架構(gòu)（Metadata-Driven Data Fabric）

“元數(shù)據(jù)”是描繪數(shù)據(jù)的數(shù)據(jù)，過(guò)去多為被動(dòng)地使用?，F(xiàn)在，元數(shù)據(jù)可以被高效利用起來(lái)。通過(guò)元數(shù)據(jù)驅(qū)動(dòng)機(jī)器學(xué)習(xí)能力，幫助企業(yè)做好數(shù)據(jù)管理，打通數(shù)據(jù)孤島，解決數(shù)據(jù)利用率低的問(wèn)題。

未來(lái)幾年里，我們會(huì)看到越來(lái)越多對(duì)元數(shù)據(jù)的考量，利用元數(shù)據(jù)基于知識(shí)圖譜的能力完成更好的數(shù)據(jù)發(fā)現(xiàn)。

Gartner的調(diào)研顯示，更好的利用數(shù)據(jù)編織手段、利用主動(dòng)元數(shù)據(jù)管理數(shù)據(jù)源，可以有效降低繁瑣的數(shù)據(jù)管理工作，降低手動(dòng)工作量。到2025年，數(shù)據(jù)利用率可以提高到400%。

趨勢(shì)四：始終分享的數(shù)據(jù)（Always Share Data）。

近年來(lái)，企業(yè)發(fā)現(xiàn)，因擔(dān)心安全風(fēng)險(xiǎn)而拒絕分享數(shù)據(jù)，會(huì)使企業(yè)面臨被競(jìng)爭(zhēng)者超過(guò)，或數(shù)字化舉措執(zhí)行失敗的風(fēng)險(xiǎn)增加。越來(lái)越多企業(yè)考慮用數(shù)據(jù)資產(chǎn)化、數(shù)據(jù)目錄、數(shù)據(jù)字典、數(shù)據(jù)地圖等方式，在可被治理的方式下分享數(shù)據(jù)。

企業(yè)投資方向更關(guān)注于，如何通過(guò)自動(dòng)化手段發(fā)現(xiàn)更多相關(guān)數(shù)據(jù)，還有用OpenData（開(kāi)放數(shù)據(jù)）的方式，對(duì)自身數(shù)據(jù)可能性做更多探索。

業(yè)界已經(jīng)展開(kāi)了更多公開(kāi)標(biāo)準(zhǔn)的元數(shù)據(jù)，以實(shí)現(xiàn)更好的數(shù)據(jù)分享。

趨勢(shì)五：情境豐富的數(shù)據(jù)分析（Context Enriched Analysis）。

Gartner預(yù)測(cè)，由于更多知識(shí)圖譜的利用，到2025年，情境驅(qū)動(dòng)/背景驅(qū)動(dòng)的數(shù)據(jù)分析和人工智能模型，將取代60%建立在傳統(tǒng)數(shù)據(jù)上的現(xiàn)有模型。

情境豐富的數(shù)據(jù)分析能力，會(huì)成為企業(yè)未來(lái)必須尋找的能力。這一趨勢(shì)不止在全球，在中國(guó)也有所呈現(xiàn)：越來(lái)越多企業(yè)考慮，如何通過(guò)釘釘、飛書(shū)等企業(yè)數(shù)據(jù)化辦公軟件，完成更多的數(shù)據(jù)分析。

趨勢(shì)六：從IT嵌入到業(yè)務(wù)組裝式數(shù)據(jù)分析（From IT-Embedded toBusiness-Composed D&A）。

現(xiàn)在，業(yè)務(wù)用戶(hù)完成全生命周期數(shù)據(jù)分析，已經(jīng)具備可能性。

Gartner預(yù)測(cè)，到2025年，50%的嵌入式數(shù)據(jù)分析，將由業(yè)務(wù)用戶(hù)利用低代碼、無(wú)代碼工具，以組裝式、模塊化拼湊的方式完成。

過(guò)去，技術(shù)多為固化的、單體軟件形式，設(shè)計(jì)模式角度從IT出發(fā)，考慮報(bào)表美觀度與易理解性。未來(lái)，企業(yè)將大多以組裝式的技術(shù)完成應(yīng)用搭建，業(yè)務(wù)人員會(huì)更多從自身產(chǎn)品化角度出發(fā)，進(jìn)行數(shù)據(jù)分析產(chǎn)品的運(yùn)維。

趨勢(shì)七：決策驅(qū)動(dòng)的數(shù)據(jù)分析（Decision Centric D&A）。

數(shù)據(jù)分析驅(qū)動(dòng)的決策，逐漸轉(zhuǎn)變?yōu)闆Q策驅(qū)動(dòng)的數(shù)據(jù)分析。

孫鑫在解讀中提出“融合團(tuán)隊(duì)”概念，成員來(lái)自業(yè)務(wù)和IT，團(tuán)隊(duì)展開(kāi)合作、思考與嘗試，完善數(shù)據(jù)決策的路徑。

Gartner數(shù)據(jù)和分析決策智能模型

Gartner提出了上圖的決策智能模型，幫助企業(yè)從頂層設(shè)計(jì)角度，管理決策鏈。

當(dāng)企業(yè)需要越來(lái)越多人，從更高的高度為決策做基于數(shù)據(jù)分析的建議和規(guī)劃。企業(yè)可以利用該決策框架，讓更多用戶(hù)進(jìn)入決策層，實(shí)現(xiàn)企業(yè)數(shù)據(jù)分析的搭建。

趨勢(shì)八：缺乏數(shù)據(jù)分析技能與素養(yǎng)（Data and Analytics Skills and Literacy Shortfall）。

企業(yè)數(shù)據(jù)素養(yǎng)普遍不高，IT采購(gòu)很多工具但業(yè)務(wù)沒(méi)有真正用起來(lái)。

Gartner預(yù)測(cè)，到2025年，大多數(shù)企業(yè)的首席數(shù)據(jù)官，將無(wú)法在員工中培養(yǎng)出足夠的數(shù)據(jù)素養(yǎng)，以實(shí)現(xiàn)他們計(jì)劃的數(shù)據(jù)驅(qū)動(dòng)戰(zhàn)略。

數(shù)據(jù)分析人才的匱乏，困擾很多企業(yè)管理者。針對(duì)數(shù)據(jù)素養(yǎng)缺失現(xiàn)象，Gartner給予了一個(gè)“三步走”方案，分別是：對(duì)人才的獲取、人才的培養(yǎng)，以及人才的留存。

趨勢(shì)九：互聯(lián)治理（Connected Governance）。

“互聯(lián)治理”并非指企業(yè)要建立一個(gè)新團(tuán)隊(duì)，而是一個(gè)框架，用于建立跨組織、跨業(yè)務(wù)職能、跨地域的虛擬數(shù)據(jù)分析治理層，以實(shí)現(xiàn)跨企業(yè)的治理結(jié)果。

數(shù)據(jù)治理的因素變得越來(lái)越多，如數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)隱私、數(shù)據(jù)道德，數(shù)據(jù)定義模型和全生命周期的管理都被納入治理范疇之內(nèi)。

對(duì)企業(yè)來(lái)說(shuō)，“互聯(lián)治理”或成為不得不采取的舉措，建立起一個(gè)更廣泛的數(shù)據(jù)治理團(tuán)隊(duì)，也顯得非常重要。

趨勢(shì)十：AI信任風(fēng)險(xiǎn)和安全治理（AI Trust Risk and SecurityManagement）。

研究發(fā)現(xiàn)，有50%的AI模型從未進(jìn)入生產(chǎn)環(huán)境，“安全”和“隱私”是主要誘因。

AI創(chuàng)新速度受到來(lái)自企業(yè)內(nèi)部和外部壓力，企業(yè)需要花更多的時(shí)間、資源，用于人工智能的風(fēng)險(xiǎn)和安全管理。而企業(yè)往往沒(méi)有完整的流程、工具、衡量標(biāo)準(zhǔn)，用于AI信任風(fēng)險(xiǎn)和安全的治理。

趨勢(shì)十一：廠商和區(qū)域性的數(shù)據(jù)分析生態(tài)（Vendor and Region Ecosystems）。

很多時(shí)候，數(shù)據(jù)分析生態(tài)建立的初始原因就是“信任”。

去年一年，越來(lái)越多企業(yè)正建立自己本土化/國(guó)產(chǎn)化的數(shù)據(jù)分析能力。

Gartner發(fā)現(xiàn)，當(dāng)企業(yè)用一家云廠商的數(shù)據(jù)分析生態(tài)產(chǎn)品時(shí)，所涉及的數(shù)據(jù)管理、分析管理麻煩更少，因此，越來(lái)越多企業(yè)更傾向于用一家云廠商的生態(tài)。

數(shù)據(jù)分析的生態(tài)產(chǎn)品能力已經(jīng)越來(lái)越多，未來(lái)，企業(yè)建立自身數(shù)據(jù)分析本身生態(tài)時(shí)，要更多考慮廠商與廠商之間的兼容性。

趨勢(shì)十二：數(shù)據(jù)分析向邊緣擴(kuò)展（Data and Analytics Expansion to The Edge）。

邊緣數(shù)據(jù)分析解決方案部署，呈現(xiàn)持續(xù)增長(zhǎng)態(tài)勢(shì)。數(shù)據(jù)和分析活動(dòng)，更多在數(shù)據(jù)中心、公有云基礎(chǔ)設(shè)施之外的分布式設(shè)備——即在邊緣側(cè)完成。原因在于，位于邊緣的數(shù)據(jù)分析，更符合當(dāng)前“數(shù)據(jù)主權(quán)”和“監(jiān)管”的訴求。

數(shù)據(jù)分析的管理者，可能要放棄將數(shù)據(jù)分析能力全部部署在公有云/數(shù)據(jù)中心，增加部署分布式的數(shù)據(jù)分析環(huán)境。

Gartner預(yù)測(cè)，到2025年，超過(guò)50%的企業(yè)核心數(shù)據(jù)，將會(huì)在數(shù)據(jù)中心和云以外的地方創(chuàng)建并分析。

關(guān)鍵詞： 通信世界網(wǎng) Gartner 數(shù)據(jù)分析