[[391424]]

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

一、更智能、負(fù)責(zé)任的、可擴展的AI

人工智能和機器學(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、更可擴展的AI，將利用學(xué)習(xí)算法和可解釋的系統(tǒng)加速價值實現(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?？山M合式的數(shù)據(jù)分析利用來自多個數(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、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者，推動著數(shù)據(jù)分析領(lǐng)導(dǎo)者越來越多地使用數(shù)據(jù)架構(gòu)來一個對企業(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)控數(shù)據(jù)管道，通過對數(shù)據(jù)資產(chǎn)的持續(xù)分析，支持各種數(shù)據(jù)的設(shè)計、部署和使用，縮短集成時間30%，縮短部署時間30%，縮短維護(hù)時間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)的機器學(xué)習(xí)和人工智能模型變得不那么重要了。同時，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。

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)提供強大的分析和人工智能功能，降低了企業(yè)組織對大數(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)勢感知，使他們能夠運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最佳實踐來實現(xiàn)效率和規(guī)模經(jīng)濟，確?？煽啃浴⒖芍赜眯院涂芍貜?fù)性，同時減少技術(shù)和流程的重復(fù)，實現(xiàn)自動化。大多數(shù)分析和人工智能項目都因為僅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)模運營，將實現(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決策，還適用于決策序列，可將其分為多個業(yè)務(wù)流程，甚至是突發(fā)決策和結(jié)果構(gòu)成的多個網(wǎng)絡(luò)。隨著決策得到增強并且越來越自動化，工程決策讓數(shù)據(jù)分析領(lǐng)導(dǎo)者有機會做出更準(zhǔn)確、可重復(fù)、透明和可追溯的決策。

七、數(shù)據(jù)和分析是一項核心業(yè)務(wù)功能

數(shù)據(jù)分析不再是一個次要項目，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)，而且因為中央和聯(lián)合數(shù)據(jù)分析團隊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，以及理解多個實體之間的關(guān)聯(lián)本質(zhì)。有專業(yè)認(rèn)識預(yù)測到2025年圖形技術(shù)將被用于80%的數(shù)據(jù)分析創(chuàng)新項目中，高于2021年的10%，從而促進(jìn)整個企業(yè)組織的快速決策。

九、增強型消費者的崛起

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，而自動的、對話式的、移動且動態(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，交付給消費方。這將推動分析能力轉(zhuǎn)移到信息消費者——增強型消費者，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用于邊緣計算環(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，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來提高數(shù)據(jù)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(xiàn)“物”的自主行為，各種各樣的使用場景正在吸引著人們對數(shù)據(jù)分析邊緣能力的興趣。

數(shù)據(jù)分析技術(shù)趨勢總結(jié)：更智能、負(fù)責(zé)任的、可擴展的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)和分析是一項核心業(yè)務(wù)功能、關(guān)聯(lián)一切的圖形技術(shù)、增強型消費者的崛起、邊緣位置的數(shù)據(jù)和分析。