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)和分析領導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)在應該根據(jù)關鍵數(shù)據(jù)和分析技術趨勢對于業(yè)務優(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)和分析趨勢主要關注以下三大主題:
激活多樣性和活力。使用自適應AI系統(tǒng)推動增長和創(chuàng)新,同時應對全球市場的波動。
增強人員能力和決策,以提供由業(yè)務模塊化組件創(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、市場和技術動態(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AI系統(tǒng)(Adaptive AI systems)
隨著決策變得更具關聯(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AI系統(tǒng)來做到這一點,它可以更迅速地適應變化,提供更加快速靈活的決策。
同時,構建和管理自適應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)化應用來適應、抵御或吸收各種干擾因素,促進自適應系統(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)機構內(nèi)部對數(shù)據(jù)的信任和使用,減少包括設計、部署和操作在內(nèi)70%的各類數(shù)據(jù)管理任務。
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)和分析領導者經(jīng)常承認數(shù)據(jù)共享是一項關鍵的數(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)務案例的正確數(shù)據(jù)的訪問,應開展跨業(yè)務和行業(yè)領域的合作,這將加快對增加預算授權和數(shù)據(jù)共享投資的支持。此外,還應考慮采用數(shù)據(jù)編織設計來實現(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。
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的基礎之上。關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分析技術和AI云服務方面的能力和技能,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)基礎上的現(xiàn)有模型。
趨勢六:業(yè)務模塊組合式數(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)務模塊組合式數(shù)據(jù)和分析建立在這一趨勢的基礎上,但重點正在從IT人員轉(zhuǎn)向業(yè)務人員。
業(yè)務模塊組合式數(shù)據(jù)和分析使業(yè)務用戶或業(yè)務技術人員應聯(lián)合構建業(yè)務驅(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)
決策智能學科(即對如何做出決策進行深思熟慮)正在使企業(yè)機構重新思考在數(shù)據(jù)和分析能力方面的投資。使用決策智能學科設計最佳決策,然后提供所需的信息和資源。
Gartner預測到2023年,超過33%的大型企業(yè)機構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)和分析領導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構,以實現(xiàn)業(yè)務模型的敏捷性。
應使用互聯(lián)治理建立一個跨業(yè)務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)務成果。
趨勢十:AI風險管理(AI risk management)
如果企業(yè)機構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預測,到2026年,開發(fā)出可信賴的目標導向型AI的企業(yè)機構將實現(xiàn)75%以上的AI創(chuàng)新成功率,而未能做到這一點的企業(yè)機構只有40%的成功率。
通過加強對AI TRiSM的重視,企業(yè)機構就能可控而穩(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)機構正在為遵守當?shù)胤ㄒ?guī)而構建數(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)略管理納入設計或預設。
企業(yè)需要采取多項行動構建一個有凝聚力的云數(shù)據(jù)生態(tài)系統(tǒng)。應評估廠商解決方案的可擴展性和在整個生態(tài)系統(tǒng)的供應情況,并考慮與它們保持一致。應通過權衡單一廠商生態(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)中心和公有云基礎設施之外的分布式設備、服務器或網(wǎng)關中執(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)和相關決策的創(chuàng)建和執(zhí)行地點。
Gartner預測,到2025年,超過50%的企業(yè)關鍵數(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(關系型和非關系型數(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。