Gartner發佈2021年必定要關注的十大數據和分析技術趨勢

Gartner近日公佈了2021年十大數據和分析技術趨勢，這些技術趨勢將幫助企業組織應對這一年中的各類變化、不肯定性和機遇。

Gartner傑出研究副總裁Rita Sallam表示：「疫情給企業組織帶來顛覆的速度，迫使數據和分析領導者必須採用恰當的工具和流程應對這些關鍵技術趨勢，對那些可能會給他們競爭優點帶來最大潛在影響的技術趨勢設置更高優先級。」

數據和分析領導者應該把如下10個技術趨勢做爲他們的關鍵投資方向，增強他們預測、轉移和響應的能力。

趨勢1：更智能、負責任的、可擴展的AI

人工智能（AI）和機器學習（ML）正在帶來更大的影響，這就要求企業採用新技術構建更智能的、消耗數據更少的、符合道德原則的、更具彈性的AI解決方案。企業組織經過部署更智能、更負責任的、更可擴展的AI，將利用學習算法和可解釋的系統，加速價值實現，給業務帶來更大影響力。

趨勢2：可組合式的數據和分析

開放的、容器化的分析架構讓數據分析功能可組合性更強。可組合式的數據分析利用來自多個數據、分析和AI解決方案的組件，快速構建靈活且用戶友好型的智能應用，從而幫助數據分析領導者將洞察和行動鏈接在一塊兒。

隨着數據重心轉移到雲端，可組合式的數據分析將成爲一種更加敏捷的方式，開發支持雲市場、低代碼和無代碼解決方案的分析應用。

趨勢3：數據架構是基礎

更高程度的數字化和再也不受約束的消費者，推進着數據分析領導者愈來愈多地使用數據架構來一個對企業組織數據資產日益加重的多樣化、分佈式、規模和複雜性。

數據架構利用分析功能來持續監控數據管道，經過對數據資產的持續分析，支持各類數據的設計、部署和使用，縮短集成時間30％，縮短部署時間30％，縮短維護時間70％。

趨勢4：從大數據到小數據、寬數據

疫情給企業帶來的極端變革，致使那些基於大量歷史數據的機器學習和人工智能模型變得不那麼重要了。同時，由人類和AI作出的決策變得更加複雜和苛刻，要求數據分析領導者擁有更多種類的數據才能更好地瞭解態勢。

所以，數據分析領導者應該選擇那些能夠更有效地利用可用數據的分析技術。數據分析領導者依賴於所謂的「寬數據」和「小數據」，寬數據能夠對各類小型的、大型的、非結構化的、結構化的數據源進行分析和協同，小數據指的是那些須要較少數據但仍提供有用看法的分析技術應用。

Sallam表示：「小數據和寬數據提供強大的分析和人工智能功能，下降了企業組織對大數據集的依賴性，並且經過使用寬數據，企業組織還能夠得到更豐富、更完整的、全方位的態勢感知，使他們可以運用分析來作出更好的決策。」

趨勢5：XOps

XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目標是利用DevOps最佳實踐來實現效率和規模經濟，確保可靠性、可重用性和可重複性，同時減小技術和流程的重複，實現自動化。

大多數分析和人工智能項目都由於僅僅在過後才能解決可操做性問題而失敗了。若是數據分析領導者利用XOps進行大規模運營，將實現分析和人工智能資產的再生性、可追溯性、完整性和可集成性。

趨勢6：工程決策智能

工程決策智能不只適用於單個決策，還適用於決策序列，可將其分爲多個業務流程，甚至是突發決策和結果構成的多個網絡。隨着決策獲得加強而且愈來愈自動化，工程決策讓數據分析領導者有機會作出更準確、可重複、透明和可追溯的決策。

趨勢7：數據和分析是一項核心業務功能

數據分析再也不是一個次要項目，而是變成了核心的業務功能。在這種狀況下，數據分析變成與業務成果一致的共享業務資產，並且由於中央和聯合數據分析團隊之間可以更好地展開協做，數據分析孤島問題也獲得瞭解決。

趨勢8：關聯一切的圖形技術

圖形技術構成了不少現代數據分析功能的基礎，能夠在各類數據資產之間找到人、地方、事物、事件和位置之間的關係。數據分析領導者依靠圖形技術快速回答覆雜的業務問題，而這些問題每每須要上下文感知，以及理解多個實體之間的關聯本質。

Gartner預測，到2025年圖形技術將被用於80％的數據分析創新項目中，高於2021年的10％，從而促進整個企業組織的快速決策。

趨勢9：加強型消費者的崛起

現在大多數企業用戶使用的是預約義的儀表板和手動數據瀏覽功能，這可能致使結論、決策和操做失誤，而自動的、對話式的、移動且動態生成的洞察將取代預約義的儀表板，可根據用戶需求進行定製，交付給消費方。

Sallam表示：「這將推進分析能力轉移到信息消費者——加強型消費者，讓他們具有那些之前只有分析師和數據科學家才能擁有的能力。」

趨勢10：邊緣位置的數據和分析

數據、分析和其餘支持技術正在被愈來愈多地運用於邊緣計算環境中，而且這些技術更靠近物理資產所在的位置，位於IT權限範圍以外。Gartner預測，到2023年超過50％的數據分析領導者的主要職責將涉及到在邊緣環境中建立、管理和分析的數據。

數據分析領導者能夠利用這一趨勢來提升數據管理的靈活性、速度、治理和彈性。從支持實時事件分析到實現「物」的自主行爲，各類各樣的使用場景正在吸引着人們對數據分析邊緣能力的興趣。