數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要在自適應(yīng)人工智能(AI)系統(tǒng)、數(shù)據(jù)共享和數(shù)據(jù)編織等趨勢的基礎(chǔ)上推動新增長、韌性和創(chuàng)新。

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期肆虐的世界無疑是雪上加霜。今年數(shù)據(jù)和分析領(lǐng)導(dǎo)者的工作重點之一是管理由此引發(fā)的持續(xù)不確定因素和波動性。

現(xiàn)在應(yīng)該根據(jù)關(guān)鍵數(shù)據(jù)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監(jiān)測、嘗試或積極投資于這些趨勢，以此預(yù)測、調(diào)整并擴大數(shù)據(jù)和分析戰(zhàn)略的價值。

今年的主要數(shù)據(jù)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(yīng)AI系統(tǒng)推動增長和創(chuàng)新，同時應(yīng)對全球市場的波動。
• 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(qū)動的分析。
• 將信任制度化，以大規(guī)模地實現(xiàn)數(shù)據(jù)和分析的價值。管理AI風險并實施跨分布式系統(tǒng)、邊緣環(huán)境和新興生態(tài)系統(tǒng)的互聯(lián)治理。

2022年需要關(guān)注的十二項數(shù)據(jù)和分析(D&A)趨勢

我們所發(fā)布的數(shù)據(jù)和分析趨勢代表了不容忽視的業(yè)務(wù)、市場和技術(shù)動態(tài)。這些趨勢還有助于確定推動新增長、效率、韌性和創(chuàng)新的投資優(yōu)先事項。

趨勢一：自適應(yīng)AI系統(tǒng)(Adaptive AI systems)

隨著決策變得更具關(guān)聯(lián)性、情境性和連續(xù)性，再造決策的重要性日益增加。企業(yè)可以通過自適應(yīng)AI系統(tǒng)來做到這一點，它可以更迅速地適應(yīng)變化，提供更加快速靈活的決策。

同時，構(gòu)建和管理自適應(yīng)AI系統(tǒng)需要采用AI工程實踐。AI工程能夠通過編排和優(yōu)化應(yīng)用來適應(yīng)、抵御或吸收各種干擾因素，促進自適應(yīng)系統(tǒng)的管理。

趨勢二：以數(shù)據(jù)為中心的AI(Data-centric AI)

在不考慮AI特有的數(shù)據(jù)管理問題的情況下試圖解決AI問題。Sallam表示：“如果沒有正確的數(shù)據(jù)，構(gòu)建AI就會產(chǎn)生風險并且可能帶來危險。”因此，正式規(guī)定使用以數(shù)據(jù)為中心的AI和以AI為中心的數(shù)據(jù)至關(guān)重要。在企業(yè)的數(shù)據(jù)管理戰(zhàn)略中，它們能夠更加系統(tǒng)地解決數(shù)據(jù)偏差、多樣性和標記問題，包括在自動化數(shù)據(jù)整合和主動元數(shù)據(jù)管理中使用數(shù)據(jù)編織。”

趨勢三：元數(shù)據(jù)驅(qū)動的數(shù)據(jù)編織(Metadata-driven data fabric)

數(shù)據(jù)編織通過元數(shù)據(jù)偵聽、學(xué)習并行動。它能為人員和系統(tǒng)標記和推薦行動，最終提高企業(yè)機構(gòu)內(nèi)部對數(shù)據(jù)的信任和使用，減少包括設(shè)計、部署和操作在內(nèi)70%的各類數(shù)據(jù)管理任務(wù)。

例如芬蘭圖爾庫市發(fā)現(xiàn)該市的創(chuàng)新受到數(shù)據(jù)缺口的阻礙。通過整合分散的數(shù)據(jù)資產(chǎn)，圖爾庫市重新利用數(shù)據(jù)、減少三分之二的產(chǎn)品上市時間并創(chuàng)建一個可以變現(xiàn)的數(shù)據(jù)編織。

趨勢四：始終數(shù)據(jù)共享(Always share data)

雖然數(shù)據(jù)和分析領(lǐng)導(dǎo)者經(jīng)常承認數(shù)據(jù)共享是一項關(guān)鍵的數(shù)字化轉(zhuǎn)型能力，但他們?nèi)鄙賹I(yè)的知識，因此無法懷著信任大規(guī)模地共享數(shù)據(jù)。

順利推動數(shù)據(jù)共享并增加對匹配業(yè)務(wù)案例的正確數(shù)據(jù)的訪問，應(yīng)開展跨業(yè)務(wù)和行業(yè)領(lǐng)域的合作，這將加快對增加預(yù)算授權(quán)和數(shù)據(jù)共享投資的支持。此外，還應(yīng)考慮采用數(shù)據(jù)編織設(shè)計來實現(xiàn)跨不同類型內(nèi)部和外部數(shù)據(jù)來源的統(tǒng)一數(shù)據(jù)共享架構(gòu)。

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(chǔ)之上。關(guān)于用戶情境和需求的信息被保存在圖形中，以便利用數(shù)據(jù)點之間的關(guān)系以及數(shù)據(jù)點本身實現(xiàn)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(qū)來識別和創(chuàng)建進一步的情境。

為了捕獲、保存和使用情境數(shù)據(jù)，企業(yè)需要建立數(shù)據(jù)流水線、X分析技術(shù)和AI云服務(wù)方面的能力和技能，以便處理不同類型的數(shù)據(jù)。到2025年，情境驅(qū)動的分析和AI模型將取代60%建立在傳統(tǒng)數(shù)據(jù)基礎(chǔ)上的現(xiàn)有模型。

趨勢六：業(yè)務(wù)模塊組合式數(shù)據(jù)和分析(Business-composed D&A)

Gartner建議企業(yè)采用模塊化的數(shù)據(jù)和分析方法或“組合式數(shù)據(jù)和分析”。業(yè)務(wù)模塊組合式數(shù)據(jù)和分析建立在這一趨勢的基礎(chǔ)上，但重點正在從IT人員轉(zhuǎn)向業(yè)務(wù)人員。

業(yè)務(wù)模塊組合式數(shù)據(jù)和分析使業(yè)務(wù)用戶或業(yè)務(wù)技術(shù)人員應(yīng)聯(lián)合構(gòu)建業(yè)務(wù)驅(qū)動的數(shù)據(jù)和分析能力。

趨勢七：以決策為中心的數(shù)據(jù)和分析(Decision-centric D&A)

決策智能學(xué)科(即對如何做出決策進行深思熟慮)正在使企業(yè)機構(gòu)重新思考在數(shù)據(jù)和分析能力方面的投資。使用決策智能學(xué)科設(shè)計最佳決策，然后提供所需的信息和資源。

Gartner預(yù)測到2023年，超過33%的大型企業(yè)機構(gòu)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(yǎng)的不足(Skills and literacy shortfall)

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要團隊中的人才來推動可衡量的成果。但虛擬工作場所和激烈的人才競爭加劇了員工數(shù)據(jù)素養(yǎng)(讀、寫和傳遞數(shù)據(jù)的能力)的不足。

Gartner預(yù)測，從現(xiàn)在起到2025年，大多數(shù)首席數(shù)據(jù)官(CDO)將無法培養(yǎng)實現(xiàn)戰(zhàn)略數(shù)據(jù)驅(qū)動的既定業(yè)務(wù)目標所必需的員工數(shù)據(jù)素養(yǎng)。

由于數(shù)據(jù)素養(yǎng)和員工技能提升方面的投資成本不斷上升，應(yīng)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收回成本。

趨勢九：互聯(lián)治理(Connected governance)

企業(yè)機構(gòu)需要在各個層面采取有效的治理來解決他們當前的運營挑戰(zhàn)，而且這些治理措施還必須靈活、可擴展并且能夠迅速響應(yīng)不斷變化的市場動態(tài)和具有戰(zhàn)略意義的組織挑戰(zhàn)。

然而，疫情進一步突出表明，企業(yè)迫切需要強有力的跨職能協(xié)作，并隨時準備改變組織結(jié)構(gòu)，以實現(xiàn)業(yè)務(wù)模型的敏捷性。

應(yīng)使用互聯(lián)治理建立一個跨業(yè)務(wù)職能和地域的虛擬數(shù)據(jù)和分析治理層來實現(xiàn)所期望的跨企業(yè)業(yè)務(wù)成果。

趨勢十：AI風險管理(AI risk management)

如果企業(yè)機構(gòu)將時間和資源用于支持AI信任、風險和安全管理(TRiSM)，那么他們就能改進AI在采用、業(yè)務(wù)目標實現(xiàn)以及內(nèi)部和外部用戶接受度方面的成果。

Gartner預(yù)測，到2026年，開發(fā)出可信賴的目標導(dǎo)向型AI的企業(yè)機構(gòu)將實現(xiàn)75%以上的AI創(chuàng)新成功率，而未能做到這一點的企業(yè)機構(gòu)只有40%的成功率。

通過加強對AI TRiSM的重視，企業(yè)機構(gòu)就能可控而穩(wěn)定地實現(xiàn)AI模型的實施與操作化。此外，Gartner還預(yù)測AI的失敗會大幅減少，包括不完整的AI項目、意外或負面結(jié)果的減少等。

趨勢十一：廠商和地區(qū)生態(tài)系統(tǒng)(Vendor and region ecosystems)

隨著各地區(qū)數(shù)據(jù)安全法的頒布，許多跨國企業(yè)機構(gòu)正在為遵守當?shù)胤ㄒ?guī)而構(gòu)建數(shù)據(jù)和分析生態(tài)系統(tǒng)。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(fù)制特定地區(qū)內(nèi)的部分或全部數(shù)據(jù)和分析堆棧，并且將多云和多廠商戰(zhàn)略管理納入設(shè)計或預(yù)設(shè)。

企業(yè)需要采取多項行動構(gòu)建一個有凝聚力的云數(shù)據(jù)生態(tài)系統(tǒng)。應(yīng)評估廠商解決方案的可擴展性和在整個生態(tài)系統(tǒng)的供應(yīng)情況，并考慮與它們保持一致。應(yīng)通過權(quán)衡單一廠商生態(tài)系統(tǒng)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(shù)據(jù)和分析能力戰(zhàn)略的政策。

趨勢十二：向邊緣的擴展(Expansion to the edge)

在數(shù)據(jù)中心和公有云基礎(chǔ)設(shè)施之外的分布式設(shè)備、服務(wù)器或網(wǎng)關(guān)中執(zhí)行的數(shù)據(jù)和分析活動日益增加。它們越來越多地位于邊緣計算環(huán)境，更加靠近數(shù)據(jù)和相關(guān)決策的創(chuàng)建和執(zhí)行地點。

Gartner預(yù)測，到2025年，超過50%的企業(yè)關(guān)鍵數(shù)據(jù)將在數(shù)據(jù)中心以外或云以外的地點創(chuàng)建和處理。

企業(yè)應(yīng)將數(shù)據(jù)和分析治理能力擴展到邊緣環(huán)境，并通過主動元數(shù)據(jù)實現(xiàn)可見性。還可通過加入位于邊緣的以IT為中心的技術(shù)(關(guān)系型和非關(guān)系型數(shù)據(jù)庫管理系統(tǒng))以及用于存儲和處理更加靠近設(shè)備邊緣的數(shù)據(jù)且內(nèi)存占用量少的嵌入式數(shù)據(jù)庫，為邊緣環(huán)境中的數(shù)據(jù)持久化提供支持。