趨勢1:更智慧、更負責、更可擴充套件的人工智慧

人工智慧(AI)和機器學習(ML)的影響越來越大,這就要求企業應用新技術,開發出更智慧、更少需要資料、更具道德責任感和更具彈性的人工智慧解決方案。

趨勢2:可組合資料和分析

開放的、容器化的分析體系結構使分析功能更加靈活。

趨勢3:資料結構是基礎

資料結構使用分析來不斷監控資料管道。資料結構利用資料資產的連續分析來支援各種資料的設計、部署和利用,從而將整合時間減少30%,部署時間減少30%,維護時間減少70%。

趨勢四:從大資料到小資料、寬資料

新冠大流行帶來的極端業務變化導致基於大量歷史資料的ML和AI模型變得不那麼相關。

趨勢5:XOps

XOps(包括DataOps、MLOps、ModelOps和PlatformOps)的目標是使用DevOps最佳實踐實現效率和規模經濟,並確保可靠性、可重用性和可重複性。

趨勢6:工程決策智慧

工程決策智慧不僅適用於單個決策,而且適用於決策序列,將它們分組到業務流程中,甚至包括緊急決策。

趨勢7:資料和分析作為核心業務功能

D&A不再是一種次要活動,正在向核心業務職能轉變。

趨勢8:圖表關聯一切

Gartner預測,到2025年圖形技術將用於80%的資料和分析創新,高於2021年的10%,促進整個組織的快速決策。

趨勢9:擴大消費的崛起

如今,大多數業務使用者都在使用預定義的儀表盤和手動資料探索,這可能會導致錯誤的結論和有缺陷的決策和操作。

趨勢10:邊緣資料和分析

到2023年,資料和分析領導者的主要責任將超過50%,包括在邊緣環境中建立、管理和分析的資料。

199IT.com原創編譯自:Gartner 非授權請勿轉載