[[391424]]

關(guān)于2021年數(shù)據(jù)分析技術(shù)趨勢(shì)我們提前了解一下：

一、更智能、負(fù)責(zé)任的、可擴(kuò)展的AI

人工智能和機(jī)器學(xué)習(xí)正在帶來更大的影響，要求企業(yè)采用新技術(shù)構(gòu)建更智能的、消耗數(shù)據(jù)更少的、符合道德原則的、更具彈性的AI解決方案。企業(yè)組織通過部署更智能、更負(fù)責(zé)任的、更可擴(kuò)展的AI，將利用學(xué)習(xí)算法和可解釋的系統(tǒng)加速價(jià)值實(shí)現(xiàn)給業(yè)務(wù)帶來更大影響力。

二、可組合式的數(shù)據(jù)和分析

開放的、容器化的分析架構(gòu)讓數(shù)據(jù)分析功能可組合性更強(qiáng)。可組合式的數(shù)據(jù)分析利用來自多個(gè)數(shù)據(jù)、分析和AI解決方案的組件，快速構(gòu)建靈活且用戶友好型的智能應(yīng)用，從而幫助數(shù)據(jù)分析領(lǐng)導(dǎo)者將洞察和行動(dòng)連接在一起。隨著數(shù)據(jù)重心轉(zhuǎn)移到云端，可組合式的數(shù)據(jù)分析將成為一種更加敏捷的方式，開發(fā)支持云市場(chǎng)、低代碼和無代碼解決方案的分析應(yīng)用。

三、數(shù)據(jù)架構(gòu)是基礎(chǔ)

更高程度的數(shù)字化和不再受約束的消費(fèi)者，推動(dòng)著數(shù)據(jù)分析領(lǐng)導(dǎo)者越來越多地使用數(shù)據(jù)架構(gòu)來一個(gè)對(duì)企業(yè)組織數(shù)據(jù)資產(chǎn)日益加劇的多樣化、分布式、規(guī)模和復(fù)雜性。數(shù)據(jù)架構(gòu)利用分析功能來持續(xù)監(jiān)控?cái)?shù)據(jù)管道，通過對(duì)數(shù)據(jù)資產(chǎn)的持續(xù)分析，支持各種數(shù)據(jù)的設(shè)計(jì)、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(hù)時(shí)間70%。

四、從大數(shù)據(jù)到小數(shù)據(jù)、寬數(shù)據(jù)

疫情給企業(yè)帶來的極端變革，導(dǎo)致那些基于大量歷史數(shù)據(jù)的機(jī)器學(xué)習(xí)和人工智能模型變得不那么重要了。同時(shí)，由人類和AI做出的決策變得更加復(fù)雜和苛刻，要求數(shù)據(jù)分析領(lǐng)導(dǎo)者擁有更多種類的數(shù)據(jù)才能更好地了解態(tài)勢(shì)。

因此數(shù)據(jù)分析領(lǐng)導(dǎo)者應(yīng)該選擇那些可以更有效地利用可用數(shù)據(jù)的分析技術(shù)。數(shù)據(jù)分析領(lǐng)導(dǎo)者依賴于所謂的“寬數(shù)據(jù)”和“小數(shù)據(jù)”，寬數(shù)據(jù)可以對(duì)各種小型的、大型的、非結(jié)構(gòu)化的、結(jié)構(gòu)化的數(shù)據(jù)源進(jìn)行分析和協(xié)同，小數(shù)據(jù)指的是那些需要較少數(shù)據(jù)但仍提供有用見解的分析技術(shù)應(yīng)用。

小數(shù)據(jù)和寬數(shù)據(jù)提供強(qiáng)大的分析和人工智能功能，降低了企業(yè)組織對(duì)大數(shù)據(jù)集的依賴性，而且通過使用寬數(shù)據(jù)，企業(yè)組織還可以獲得更豐富、更完整的、全方位的態(tài)勢(shì)感知，使他們能夠運(yùn)用分析來做出更好的決策。

五、XOps

XOps包括DataOps、MLOps、ModelOps和PlatformOps的目標(biāo)是利用DevOps最佳實(shí)踐來實(shí)現(xiàn)效率和規(guī)模經(jīng)濟(jì)，確保可靠性、可重用性和可重復(fù)性，同時(shí)減少技術(shù)和流程的重復(fù)，實(shí)現(xiàn)自動(dòng)化。大多數(shù)分析和人工智能項(xiàng)目都因?yàn)閮H僅在事后才能解決可操作性問題而失敗了。如果數(shù)據(jù)分析領(lǐng)導(dǎo)者利用XOps進(jìn)行大規(guī)模運(yùn)營(yíng)，將實(shí)現(xiàn)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。

六、工程決策智能

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(jié)果構(gòu)成的多個(gè)網(wǎng)絡(luò)。隨著決策得到增強(qiáng)并且越來越自動(dòng)化，工程決策讓數(shù)據(jù)分析領(lǐng)導(dǎo)者有機(jī)會(huì)做出更準(zhǔn)確、可重復(fù)、透明和可追溯的決策。

七、數(shù)據(jù)和分析是一項(xiàng)核心業(yè)務(wù)功能

數(shù)據(jù)分析不再是一個(gè)次要項(xiàng)目，而是變成了核心的業(yè)務(wù)功能。在這種情況下，數(shù)據(jù)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?yàn)橹醒牒吐?lián)合數(shù)據(jù)分析團(tuán)隊(duì)之間能夠更好地展開協(xié)作，數(shù)據(jù)分析孤島問題也得到了解決。

八、關(guān)聯(lián)一切的圖形技術(shù)

圖形技術(shù)構(gòu)成了很多現(xiàn)代數(shù)據(jù)分析功能的基礎(chǔ)，可以在各種數(shù)據(jù)資產(chǎn)之間找到人、地方、事物、事件和位置之間的關(guān)系。數(shù)據(jù)分析領(lǐng)導(dǎo)者依靠圖形技術(shù)快速回答復(fù)雜的業(yè)務(wù)問題，而這些問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)。有專業(yè)認(rèn)識(shí)預(yù)測(cè)到2025年圖形技術(shù)將被用于80%的數(shù)據(jù)分析創(chuàng)新項(xiàng)目中，高于2021年的10%，從而促進(jìn)整個(gè)企業(yè)組織的快速?zèng)Q策。

九、增強(qiáng)型消費(fèi)者的崛起

如今大多數(shù)企業(yè)用戶使用的是預(yù)定義的儀表板和手動(dòng)數(shù)據(jù)瀏覽功能，這可能導(dǎo)致結(jié)論、決策和操作失誤，而自動(dòng)的、對(duì)話式的、移動(dòng)且動(dòng)態(tài)生成的洞察將取代預(yù)定義的儀表板，可根據(jù)用戶需求進(jìn)行定制，交付給消費(fèi)方。這將推動(dòng)分析能力轉(zhuǎn)移到信息消費(fèi)者——增強(qiáng)型消費(fèi)者，讓他們具備那些以前只有分析師和數(shù)據(jù)科學(xué)家才能擁有的能力。

十、邊緣位置的數(shù)據(jù)和分析

數(shù)據(jù)、分析和其他支持技術(shù)正在被越來越多地運(yùn)用于邊緣計(jì)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(quán)限范圍之外。Gartner預(yù)測(cè)，到2023年超過50%的數(shù)據(jù)分析領(lǐng)導(dǎo)者的主要職責(zé)將涉及到在邊緣環(huán)境中創(chuàng)建、管理和分析的數(shù)據(jù)。

數(shù)據(jù)分析領(lǐng)導(dǎo)者可以利用這一趨勢(shì)來提高數(shù)據(jù)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(xiàn)“物”的自主行為，各種各樣的使用場(chǎng)景正在吸引著人們對(duì)數(shù)據(jù)分析邊緣能力的興趣。

數(shù)據(jù)分析技術(shù)趨勢(shì)總結(jié)：更智能、負(fù)責(zé)任的、可擴(kuò)展的AI、可組合式的數(shù)據(jù)和分析、數(shù)據(jù)架構(gòu)是基礎(chǔ)、從大數(shù)據(jù)到小數(shù)據(jù)、寬數(shù)據(jù)、XOps、工程決策智能、數(shù)據(jù)和分析是一項(xiàng)核心業(yè)務(wù)功能、關(guān)聯(lián)一切的圖形技術(shù)、增強(qiáng)型消費(fèi)者的崛起、邊緣位置的數(shù)據(jù)和分析。