“我們認為數據分析會成為企業的創新源泉，企業會利用越來越多基于數據的價值實現降本增效，獲得更好的盈利增長。可以看到，數據分析所帶來的決策能力已成為一家有韌性的企業的核心競爭力之一。”Gartner高級研究總監孫鑫談到，“數據分析不只存在于技術的選型上，員工的培養、人才的競爭同樣重要，每家企業都想用最新的數據科學能力幫助企業做出更符合業務情境的決策。同時，數據分析也給我們帶來了更多業務模式的思考，幫助企業去實現更優化的數字化轉型。”

今年3月，Gartner發布了2022年十二大數據和分析趨勢，涵蓋三大主題，分別是：激發企業活力和多樣性、增強人員能力和決策，以及信任的制度化，每個主題又呈現出四個趨勢，每一個趨勢之間環環相扣，相互影響和增強。

Gartner提出的業務價值新等式

隨著數據規模的指數級增長，數據類型的愈發復雜，很多企業并沒有足夠的技術能力將這些數據有效利用起來，因此，激發企業多樣性的創新活力就變得非常重要。由此，也引申出了要成為一家更動態、更豐富、更具有韌性的企業——一是要具備自適應人工智能系統（Adaptive AI Systems），到2026年，企業應用AI工程化的手段實現該系統后會比沒有采取此措施的企業多運營出25%的AI模型。之后，Gartner建議企業借助DevOps、DataOps、ModelOps等“Ops”更有效的建立這些模型，持續迭代相應的功能，以組裝式的思路完成數字化建設和智能決策。

構建以數據為中心的人工智能對上述系統至關重要。AI模型是否有效使用很大程度上取決于數據可用性、數據質量和數據的管理，而多數企業在引入AI時并未考慮過以怎樣的數據管理模式治理AI模型。事實上，數據管理能力可以大幅提升AI的開發和部署效率。對此，業界提出了Data Fabric，Gartner稱之為基于“元數據”驅動的數據編織（Metadata-Driven Data Fabric）。所謂元數據，就是描繪數據的數據，會從被動使用轉向高效利用，把數據行為結合機器學習實現更好的數據管理和數據洞察。期間，還可以融入知識圖譜等技術挖掘更多的關聯性。

數據管理能力對AI非常關鍵

借助數據編織，企業可以建立增強型的數據目錄，關聯各種各樣的數據源，相當于在傳統的“數倉、數據湖”之上建立了一張虛擬的網。結合采集到的數據和元數據，為數據管理加入更多的自動化能力。孫鑫認為，很多企業都不具備基于元數據、知識圖譜的數據管理能力，在中國的普及率甚至要低于1%，“很多中國的企業都是被動式的管理元數據，對于業務側或是社交側的元數據并未有效采集，對數據編織的使用停留在建立數據目錄或數據資產上。盡管一些中國企業推廣了低代碼、無代碼技術，但數據消費的行為和元數據的管理工具并沒有打通，而元數據就是數據編織的原料，也直接影響了數據管理的水平。”

有了完善的數據編織能力，就能夠搭建“始終分享的數據（Always Share Data）”，這一趨勢加強了數據共享作為一項面向業務的關鍵績效指標的作用，表明企業機構為了創造公共價值，正在與利益相關方進行有效的互動并讓更多人能夠獲得正確的數據。新冠疫情和其他近期的大規模全球事件令企業機構迫切地想要通過共享數據來加快獨立和相互關聯的公共和商業數字業務價值。Gartner預測，到2026年，大多數外部中間商將被應用于內部和外部數據生態系統的自動化信任度指標取代，這將使數據共享風險降低一半。

為了提供與決策者相關的洞察，數據和分析領導者需要提供語境豐富、使用業務模塊組件創建的分析，包括將數據素養作為優先事項，以及制定應對數據和分析人才稀缺問題的策略。到2025年，情境驅動/背景驅動的數據分析和人工智能模型會取代60%建立在傳統數據上的現有模型，其背后的一個趨勢是知識圖譜的廣泛應用，與越來越多的“元數據”管理工具、預測分析工具相結合，挖掘到了更多的情景或背景信息，并且連接了更多的結構化和非結構化數據。有了知識圖譜作為情境分析的基礎，就能更好的完成特征數據的收集，結合機器學習做出更準確的判斷。

業務模塊組裝式數據和分析（From IT-Embedded to Business-Composed D&A）是幫助企業提升數據洞察力的一種直接方式。Gartner預測，到2025年50%的嵌入式的分析型內容，將由業務人員利用低代碼、無代碼工具，通過組裝式、模塊化的方式完成。孫鑫稱：“我們可以通過一些價值鏈管理的工具，自上而下的設計在每個業務流程中應該嵌入哪些數據分析能力。針對這些業務流程可能每天都會去做決策，如果這時候可以把數據分析能力像積木一樣快速搭建，就能賦能業務迅速做出決策。”

業務模塊組裝式數據和分析

以決策為中心的數據和分析，意味著業務情境/決策將更直觀的影響企業的數據行為，需要業務人員和IT人員合作得更為緊密，成為“融合團隊”。例如在決策智能模型中，會幫助企業從頂層設計的角度管理決策鏈。業務與IT的融合團隊可以改善組織決策的方式，所形成的決策框架會讓更多的人站在更高的位置上，基于數據分析給出建議和規劃。此時，就要解決另一個問題——數據和分析人員的技能和素養的不足（Data and Analytics Skills and Literacy Shortfall）。

到2025年，大多數首席數據官（CDO）將無法培養實現戰略數據驅動的既定業務目標所必需的員工數據素養。Gartner的研究顯示，在數據和分析中考慮人員因素的企業機構比只考慮技術的企業機構更加成功。這種以人為本的理念能夠推動更大范圍的數字化學習，而不僅僅是提供核心技術平臺、數據集和工具。對此，Gartner給出了一套解決方案，分為人才獲取、人才培養、人才留存三個方面。其中，人才獲取要通過成果激勵讓他們了解到數據分析可以解決更多的實際問題；人才培養是要建立數據分析社區，營造良好的數據文化；人才留存是與人力資源部門協作，通過在日常工作中加入數據分析的內容，給予一定的激勵來促使其使用數據能力。

有了無處不在的數據分析能力，各個參與方之間的相互信任同樣重要。只有通過管理AI風險并實施跨分布式系統、邊緣環境和新興生態系統的互聯治理，才能大規模地實現數據和分析的價值。其中，互聯治理（Connected Governance）更多體現為一個框架，用于建立跨組織、跨業務職能、跨地域的虛擬數據和分析治理層，實現跨企業的治理效果。在中國，數據治理更要考慮本地的合規要求，還要兼顧數據質量、數據安全、數據隱私、數據道德、數據定義模型等全生命周期。為此，一些企業會設立“首席數據官”的辦公室，下面會有數據治理委員會，該組織可能還會與法律部門或安全部門協作，更加系統性的實現“互聯治理”。

提到數據治理中的安全和隱私，就不能不討論人們對于AI發展的擔憂。雖然AI正在變得日益普遍，但大多數企業機構仍因無法解釋或說明其模型的用途而失去人員對其的信任和透明度。Gartner預測，到2026年，開發出可信賴的目標導向型AI的企業機構將實現75%以上的AI創新成功率，而未能做到這一點的企業機構只有40%的成功率。此時，就要解決AI風險管理（AI Trust Risk and Security Management）。

由于安全和隱私等方面的阻礙，導致半數的AI模型從未進入到生產環境，可以說信任風險和安全管理方面的缺陷直接影響了使用AI的效益。例如，相關的處罰會讓ROI降低、AI模型過多加大運維難度、缺乏標準治理工具、數據模型質量參差不齊引發偏見、缺少主動管控等。因此，Gartner希望企業可以更加主動的關注AI領域的信任風險和安全管理。當然，這也離不開廠商和地區生態系統（Vendor and Region Ecosystems）的互信。

隨著越來越多的企業開始建立本土化或國產化的數據分析能力，它們也開始遇到區域性的合規和治理問題，需要與各方生態攜手完善數據分析和運營能力。孫鑫透露，如果不考慮供應商鎖定的問題，更多企業還是會選擇一家云廠商供應數據分析產品，因此建議服務商在提供數據分析產品時可以考慮在一朵云上完成。同時，還要重視不同廠商之間的兼容性。

如今，數據價值在邊緣環境同樣重要，數據和分析正在向邊緣擴展（Data and Analytics Expansion to The Edge）。孫鑫認為，在邊緣平臺完成數據分析更加符合數據主權和監管的訴求，所以建議采用分布式的技術架構。同時，邊緣與云、數據中心是相互關聯的，要根據業務所需來部署數據分析工具。

聯想（Lenovo）SR658/SR650 2U機架服務器主機（至強銀牌4210*2/2*32G/4*1.2TB SAS/R530-8i/1*750W）改配

[經銷商]京東商城

[產品售價]32799元

進入購買

西部數據(Western Digital) 8TB 企業級硬盤 HC320 SATA6Gb/s 7200轉256M (HUS728T8TALE6L4)

[經銷商]京東商城

[產品售價]1329元

進入購買

戴爾(DELL)R740服務器主機/2*至強銀牌4210R十核2.4GHz/16G*4/4TSAS*3/H730P-2G/750W雙電/導軌/三年保修

[經銷商]京東商城

[產品售價]27999元

進入購買

關鍵詞： 數據分析 Gartner