Alteryx公司首席數據和分析官Alan Jacobson表示，如今的“分析鴻溝”將越來越嚴重。就像廣為人知的“數字鴻溝”一樣。由于發生的新冠病毒疫情，許多組織被迫投資于數據分析，而另一些組織被迫削減他們認為不重要的支出，以保持業務正常運轉。對這些組織來說，需要對數據分析進行適當投資。這意味著分析鴻溝在2021年將會進一步擴大，并且這種趨勢將持續多年。毫無疑問，各行業組織的業務成敗取決于數據分析。

[[376658]]

Teradata公司數據科學和高級分析產品營銷總監Sri Raghavan表示，零散的分析和報告解決方案的時代可能已經過去，它們很可能滿足利基業務用例的需求，這是不可持續的。組織不能采用高度部門化的分析實施方案，從而無法解決本地化問題，大型組織則無法獲得全部收益。目前的情況將轉變為對組織訪問的所有數據進行分析的能力，這些分析的能力將由具有不同技能的各種興趣小組以協作的方式實施(例如數據科學和業務領導者)，并全力近乎實時地實施分析見解。換句話說，其分析不再是零散的，并且不僅僅是科學實驗。

Kalypso公司總經理George Young表示，規范分析將是成功實現數字化轉型的關鍵組成部分。隨著越來越多的組織收集和分析大量數據，高級分析正成為一種主流，在過去三年中，有35%的美國制造商在部署高級分析。為了使人工智能在整個價值鏈中產生重大影響，規范分析將成為優化績效的催化劑。通過利用產品和客戶數據為人工智能模型提供有關如何改進流程、調整生產和提高效率的建議，規范性分析將成為在組織內部擴展人工智能的重要組成部分。規范性分析可以根據不斷變化的條件進行連續監視和調整，從而通過人工智能模型實現持續改進。然后，描述性模型可以實現決策自動化，其中模型可以采取最佳行動方案。從預測分析到說明性分析，最終將使制造商在2021年實現數字化轉型。

Ness公司全球數據、分析和人工智能業務主管Scott Schlesinger表示，考慮到組織的員工遠程工作以及對信息的渴望，增強分析和自助服務的需求將更加廣泛。作為回應，傳統的數據分析將越來越受到人工智能的影響。遠程勞動力的增加將對增強的分析產生更大的需求，在這種分析中，個人用戶將通過創建查詢的過程獲得對其數據問題的即時回答。人們看到了數據分析和人工智能在基礎設施和分析師這兩個領域的融合。人們開始意識到，他們有不同的數據管道為分析引擎提供數據，他們正在為機器學習構建不同的堆棧。人們看到的不是兩個完全獨立的堆棧，而是將這些堆棧聚合到一個更易于維護的基礎設施中，同時確保使用相同的數據來提供兩個數據引擎。關于信息的渴望和彌合使用數據回答問題的差距將發生第二次融合。傳統的分析將開始受到人工智能的更多干擾。分析平臺(例如Tableau、Power BI等)將開始被機器人和虛擬助理取代，而這些機器人和虛擬助理本質上是會話式的。此外還預計自然語言處理(NLP)將在2021年得到更廣泛的應用。

Signals Analytics公司首席營銷官Frances Zelazny表示，尤其是在數據和分析方面，IT部門與其他部門之間的界限將繼續模糊。數據和分析有可能推動非常積極和有意義的業務成果，當它發生時，往往也有強大的跨不同職能領域的合作，因為每個人在分析方法方面都有責任。數據治理、數據讀寫能力、開放數據平臺、組織不同部分數據的集成和利用等領域將使業務用戶能夠執行傳統上為IT團隊保留的任務，業務部門生成的數據將輸入IT管理的平臺。再加上數據科學家和分析專業人士的短缺，這也意味著數據平臺將變得更加無縫和易于部署，以便組織的所有部門都能夠利用它。

ThoughtSpot公司首席執行官Sudheesh Nair表示，隨著數據素養的提高，分析技能將成為所有業務專業人員的常識，并開始從求職者的簡歷中消失。就像現在不太可能需要填寫“Office熟練程度”欄目一樣，將來也不太可能看到填寫“數據熟練程度”欄目。人們進入了第三次分析浪潮，并期望無需專家的幫助即可與數據進行交互。如果無法將硬數據與業務環境相結合來定義和執行策略，那么將在工作場所中陷入困境。 2021年及以后的組織的理想人選是既能理解又能描述數據的人員，因為在短短的幾年內，數據素養將成為組織雇主的要求和期望。那些希望獲得成功的組織現在需要招聘這些人才。

Ahana公司聯合創始人兼首席技術官(CTO)Dave Simmen表示，隨著組織將數據基礎設施轉移到聯合(采用引擎查詢不同的源)、分解(計算與存儲獨立、數據與數據湖獨立)堆棧的過程中，將會看到傳統的數據倉庫和緊密耦合的數據庫架構被降級到原有的工作負載。但是就這一轉變而言，有一件事將保持不變，SQL將繼續成為分析的通用語言。數據分析師、數據工程師、數據科學家和產品經理以及他們的數據庫管理員將使用SQL進行分析。

Push Technology公司首席執行官Sean Bowen表示，很多組織都在逐步擴展其對分析系統的使用，但面臨對需要可以執行實時數據整理的事件數據平臺的挑戰。在2021年，組織將需要智能數據平臺，這些平臺可以使用各種格式、大小或速度的各種來源的靜態數據和流數據。并將數據實時地傳輸到系統、設備和應用程序。

SingleStore公司首席執行官Raj Verma表示，針對所有數據工作負載的SQL查詢。前進的道路不僅取決于自動化，還取決于使分析可訪問和可共享的速度和范圍。分析為組織下一步應該如何做使客戶和員工感到滿意提供了明確的方向。管理數據不再是一種奢侈舉措，而是一種必要，它決定了組織將取得多大的成功。如果可以消除數據管理的復雜性或成本，那將非常有效。最終，該領域的贏家將消除數據管理的復雜性和成本，并且工作負載將被統一，因此組織可以編寫SQL查詢來管理和訪問跨多個數據駐留的所有工作負載。

Aluxio公司創始人兼首席執行官Haoyuan Li表示，不同平臺/團隊在過去提供了人工智能和分析功能。多年來，人們看到平臺正在融合，并且人工智能團隊更加專注于算法方面，而人工智能和分析平臺團隊進行了合并，以提供用于分析和人工智能用例的軟件基礎設施。

數據專業人員對廣大公眾有責任。在意識到潛在濫用嚴重性的有意識的組織的領導下，將在數據分析領域內朝著道德規范邁進。也許一些國家政府部門將通過某些法規干預，但相信科技公司將負責這項指控。Facebook公司對參與度數據所做的事情不是違法的，但是已經看到，它可能對人們的個人習慣產生不利影響。

Denodo公司數據架構高級副總裁Paul Moxon表示，情感是影響客戶行為的關鍵因素，對組織品牌忠誠度有很大影響。因此，對于組織來說，找到一種在客戶決策過程中衡量客戶情緒的方法越來越有用。情緒分析專注于研究和識別人類情緒的全部范圍，其中包括情緒、態度和個性。它使用預測模型和人工智能/機器學習來分析人類動作、單詞選擇、語音音調和面部表情。情緒分析可以幫助組織建立更全面的客戶資料，了解如何影響情緒并開發針對個人的定制產品和服務。跨地域、社交網絡和評論網站的有關產品和服務的情感分析，使組織可以更好地理解和提高客戶滿意度。通過使用情感分析，組織可以更好地了解其營銷和服務如何影響情感，從而提供更積極的客戶體驗。

Heap公司首席執行官兼創始人Matin Movassate表示，正確進行產品分析非常困難。每次交互都會產生大量的數據，并通過挖掘大量數據來發現“大海撈針”的洞察力需要大量的精力、紀律和時間來使其發揮作用。這些進入壁壘意味著數據分析通常僅限于擁有足夠資源，帶寬和知識以正確執行的組織。但這也是一門越來越重要的學科。甚至在新冠病毒疫情發生之前，消費者與品牌的互動通常都在數字平臺上進行，而現在它們幾乎都在那里。那里有大量信息可以解釋每次互動的投資回報率，毫無疑問，其中一些信息可能會改變游戲規則。但是坦率地說，如果必須努力工作以從某件事中獲得價值，那么將不太可能始終如一地實現它。分析將不再是一種被動的游戲，而是收集分析人員必須篩選以發現這些見解的數據。