Gartner发布2022年十二大数据和分析趋势 助力企业构建业务价值新等式

2022-04-18 08:43:17      浏览    作者:中国IDC圈

近日,Gartner发布2022年十二大数据和分析趋势,趋势围绕“激活企业的数据活力和多样性”、“增强员工能力与决策”和“信任的制度化”三大主题,以期在当前全球大背景下,帮助企业“构建业务价值的新等式”,完成基于数据分析业务能力的建设。

Gartner高级研究总监孙鑫表示,当前对数据分析的需求日益繁重,企业希望通过数据分析实现更多价值兑现,向更多部门扩展,也希望数据分析成为创新起源,为企业带来新想法和新助力。与此同时,基于数据本身的变现与日俱增,通过数据的降本增效,为企业带来非常多的盈利增长。数据分析带来的决策能力,已经变成企业成为一个有韧性企业的核心能力。

趋势一:自适应人工智能系统(Adaptive AI Systems)。

很多企业号称有AI举措、AI的一些想法,但是真正把这些AI模型运营起来的却少之又少。Gartner建议企业利用DevOps等类Ops手段,完成更好的AI模型建立,在新数据和新业务环境进入时,可以持续迭代所需的AI模型功能。

AI工程化所赋能的自适应型AI系统,将成为一个明显趋势,使企业可以快速生成有效果的AI模型。

趋势二:以数据为中心的人工智能。

大多数企业交付的AI解决方案,很大程度上取决于数据质量,以及能否被业务理解。而在很多人工智能项目当中,数据管理经常被低估,即使它可以大大提效人工智能的开发和部署。

以数据为核心的人工智能将会不发展,扩展的学科也会越来越多,数据管理的技术和技能,数据质量、数据集成、数据治理……都会扩展成为人工智能的基础能力。AI模型被开发出来后,数据管理活动并没结束,它会像动态数据管道一样,持续支持AI模型的开发。

企业需要更健壮的数据管理模式,完成对于AI运营的能力。

趋势三:元数据驱动的数据架构(Metadata-Driven Data Fabric)

“元数据”是描绘数据的数据,过去多为被动地使用。现在,元数据可以被高效利用起来。通过元数据驱动机器学习能力,帮助企业做好数据管理,打通数据孤岛,解决数据利用率低的问题。

未来几年里,我们会看到越来越多对元数据的考量,利用元数据基于知识图谱的能力完成更好的数据发现。

Gartner的调研显示,更好的利用数据编织手段、利用主动元数据管理数据源,可以有效降低繁琐的数据管理工作,降低手动工作量。到2025年,数据利用率可以提高到400%。

趋势四:始终分享的数据(Always Share Data)。

近年来,企业发现,因担心安全风险而拒绝分享数据,会使企业面临被竞争者超过,或数字化举措执行失败的风险增加。越来越多企业考虑用数据资产化、数据目录、数据字典、数据地图等方式,在可被治理的方式下分享数据。

企业投资方向更关注于,如何通过自动化手段发现更多相关数据,还有用OpenData(开放数据)的方式,对自身数据可能性做更多探索。

业界已经展开了更多公开标准的元数据,以实现更好的数据分享。

趋势五:情境丰富的数据分析(Context Enriched Analysis)。

Gartner预测,由于更多知识图谱的利用,到2025年,情境驱动/背景驱动的数据分析和人工智能模型,将取代60%建立在传统数据上的现有模型。

情境丰富的数据分析能力,会成为企业未来必须寻找的能力。这一趋势不止在全球,在中国也有所呈现:越来越多企业考虑,如何通过钉钉、飞书等企业数据化办公软件,完成更多的数据分析。

趋势六:从IT嵌入到业务组装式数据分析(From IT-Embedded toBusiness-Composed D&A)。

现在,业务用户完成全生命周期数据分析,已经具备可能性。

Gartner预测,到2025年,50%的嵌入式数据分析,将由业务用户利用低代码、无代码工具,以组装式、模块化拼凑的方式完成。

过去,技术多为固化的、单体软件形式,设计模式角度从IT出发,考虑报表美观度与易理解性。未来,企业将大多以组装式的技术完成应用搭建,业务人员会更多从自身产品化角度出发,进行数据分析产品的运维。

趋势七:决策驱动的数据分析(Decision Centric D&A)。

数据分析驱动的决策,逐渐转变为决策驱动的数据分析。

孙鑫在解读中提出“融合团队”概念,成员来自业务和IT,团队展开合作、思考与尝试,完善数据决策的路径。

Gartner数据和分析决策智能模型

Gartner数据和分析决策智能模型

Gartner提出了上图的决策智能模型,帮助企业从顶层设计角度,管理决策链。

当企业需要越来越多人,从更高的高度为决策做基于数据分析的建议和规划。企业可以利用该决策框架,让更多用户进入决策层,实现企业数据分析的搭建。

趋势八:缺乏数据分析技能与素养(Data and Analytics Skills and Literacy Shortfall)。

企业数据素养普遍不高,IT采购很多工具但业务没有真正用起来。

Gartner预测,到2025年,大多数企业的首席数据官,将无法在员工中培养出足够的数据素养,以实现他们计划的数据驱动战略。

数据分析人才的匮乏,困扰很多企业管理者。针对数据素养缺失现象,Gartner给予了一个“三步走”方案,分别是:对人才的获取、人才的培养,以及人才的留存。

趋势九:互联治理(Connected Governance)。

“互联治理”并非指企业要建立一个新团队,而是一个框架,用于建立跨组织、跨业务职能、跨地域的虚拟数据分析治理层,以实现跨企业的治理结果。

数据治理的因素变得越来越多,如数据质量、数据安全、数据隐私、数据道德,数据定义模型和全生命周期的管理都被纳入治理范畴之内。

对企业来说,“互联治理”或成为不得不采取的举措,建立起一个更广泛的数据治理团队,也显得非常重要。

趋势十:AI信任风险和安全治理(AI Trust Risk and SecurityManagement)。

研究发现,有50%的AI模型从未进入生产环境,“安全”和“隐私”是主要诱因。

AI创新速度受到来自企业内部和外部压力,企业需要花更多的时间、资源,用于人工智能的风险和安全管理。而企业往往没有完整的流程、工具、衡量标准,用于AI信任风险和安全的治理。

趋势十一:厂商和区域性的数据分析生态(Vendor and Region Ecosystems)。

很多时候,数据分析生态建立的初始原因就是“信任”。

去年一年,越来越多企业正建立自己本土化/国产化的数据分析能力。

Gartner发现,当企业用一家云厂商的数据分析生态产品时,所涉及的数据管理、分析管理麻烦更少,因此,越来越多企业更倾向于用一家云厂商的生态。

数据分析的生态产品能力已经越来越多,未来,企业建立自身数据分析本身生态时,要更多考虑厂商与厂商之间的兼容性。

趋势十二:数据分析向边缘扩展(Data and Analytics Expansion to The Edge)。

边缘数据分析解决方案部署,呈现持续增长态势。数据和分析活动,更多在数据中心、公有云基础设施之外的分布式设备——即在边缘侧完成。原因在于,位于边缘的数据分析,更符合当前“数据主权”和“监管”的诉求。

数据分析的管理者,可能要放弃将数据分析能力全部部署在公有云/数据中心,增加部署分布式的数据分析环境。

Gartner预测,到2025年,超过50%的企业核心数据,将会在数据中心和云以外的地方创建并分析。


0
COPYRIGHT © 2009-2011,WWW.199DATA.COM,ALL RIGHTS RESERVED版权所有 © 199大数据 京ICP备2021002074号-8
sitemap feed