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