2022年需要關注的十二項資料和分析趨勢

　　資料和分析領導者需要在自適應人工智慧（AI）系統、資料共享和資料編織等趨勢的基礎上推動新增長、韌性和創新。

　　俄羅斯和烏克蘭所引發的地緣政治危機對於遭受新冠疫情長期肆虐的世界無疑是雪上加霜。今年資料和分析領導者的工作重點之一是管理由此引發的持續不確定因素和波動性。

　　現在應該根據關鍵資料和分析技術趨勢對於業務優先事項的緊迫性和匹配性來監測、嘗試或積極投資於這些趨勢，以此預測、調整並擴大資料和分析戰略的價值。

　　今年的主要資料和分析趨勢主要關注以下三大主題：

　　啟用多樣性和活力。使用自適應AI系統推動增長和創新，同時應對全球市場的波動。

　　增強人員能力和決策，以提供由業務模組化元件建立的豐富的、情境驅動的分析。

　　將信任制度化，以大規模地實現資料和分析的價值。管理AI風險並實施跨分散式系統、邊緣環境和新興生態系統的互聯治理。

　　 2022年需要關注的十二項資料和分析（D&A）趨勢

　　我們所釋出的資料和分析趨勢代表了不容忽視的業務、市場和技術動態。這些趨勢還有助於確定推動新增長、效率、韌性和創新的投資優先事項。

　　 趨勢一：自適應AI系統（Adaptive AI systems）

　　隨著決策變得更具關聯性、情境性和連續性，再造決策的重要性日益增加。企業可以透過自適應AI系統來做到這一點，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系統需要採用AI工程實踐。AI工程能夠透過編排和最佳化應用來適應、抵禦或吸收各種干擾因素，促進自適應系統的管理。

　　 趨勢二：以資料為中心的AI（Data-centric AI）

　　在不考慮AI特有的資料管理問題的情況下試圖解決AI問題。Sallam表示：“如果沒有正確的資料，構建AI就會產生風險並且可能帶來危險。”因此，正式規定使用以資料為中心的AI和以AI為中心的資料至關重要。在企業的資料管理戰略中，它們能夠更加系統地解決資料偏差、多樣性和標記問題，包括在自動化資料整合和主動後設資料管理中使用資料編織。”

　　 趨勢三：後設資料驅動的資料編織（Metadata-driven data fabric）

　　資料編織透過後設資料偵聽、學習並行動。它能為人員和系統標記和推薦行動，最終提高企業機構內部對資料的信任和使用，減少包括設計、部署和操作在內70%的各類資料管理任務。

　　例如芬蘭圖爾庫市發現該市的創新受到資料缺口的阻礙。透過整合分散的資料資產，圖爾庫市重新利用資料、減少三分之二的產品上市時間並建立一個可以變現的資料編織。

　　 趨勢四：始終資料共享（Always share data）

　　雖然資料和分析領導者經常承認資料共享是一項關鍵的數字化轉型能力，但他們缺少專業的知識，因此無法懷著信任大規模地共享資料。

　　順利推動資料共享並增加對匹配業務案例的正確資料的訪問，應開展跨業務和行業領域的合作，這將加快對增加預算授權和資料共享投資的支援。此外，還應考慮採用資料編織設計來實現跨不同型別內部和外部資料來源的統一資料共享架構。

　　 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。關於使用者情境和需求的資訊被儲存在圖形中，以便利用資料點之間的關係以及資料點本身實現更深入的分析。這能幫助您基於相似性、制約因素、路徑和社群來識別和建立進一步的情境。

　　為了捕獲、儲存和使用情境資料，企業需要建立資料流水線、X分析技術和AI雲服務方面的能力和技能，以便處理不同型別的資料。到2025年，情境驅動的分析和AI模型將取代60%建立在傳統資料基礎上的現有模型。

　　 趨勢六：業務模組組合式資料和分析（Business-composed D&A）

　　Gartner建議企業採用模組化的資料和分析方法或“組合式資料和分析”。業務模組組合式資料和分析建立在這一趨勢的基礎上，但重點正在從IT人員轉向業務人員。

　　業務模組組合式資料和分析使業務使用者或業務技術人員應聯合構建業務驅動的資料和分析能力。

　　 趨勢七：以決策為中心的資料和分析（Decision-centric D&A）

　　決策智慧學科（即對如何做出決策進行深思熟慮）正在使企業機構重新思考在資料和分析能力方面的投資。使用決策智慧學科設計最佳決策，然後提供所需的資訊和資源。

　　Gartner預測到2023年，超過33%的大型企業機構將有從事決策智慧工作的分析師，包括決策建模。

　　 趨勢八：人員技能和素養的不足（Skills and literacy shortfall）

　　資料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資料素養（讀、寫和傳遞資料的能力）的不足。

　　Gartner預測，從現在起到2025年，大多數首席資料官（CDO）將無法培養實現戰略資料驅動的既定業務目標所必需的員工資料素養。

　　由於資料素養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：互聯治理（Connected governance）

　　企業機構需要在各個層面採取有效的治理來解決他們當前的運營挑戰，而且這些治理措施還必須靈活、可擴充套件並且能夠迅速響應不斷變化的市場動態和具有戰略意義的組織挑戰。

　　然而，疫情進一步突出表明，企業迫切需要強有力的跨職能協作，並隨時準備改變組織結構，以實現業務模型的敏捷性。

　　應使用互聯治理建立一個跨業務職能和地域的虛擬資料和分析治理層來實現所期望的跨企業業務成果。

　　 趨勢十：AI風險管理（AI risk management）

　　如果企業機構將時間和資源用於支援AI信任、風險和安全管理（TRiSM），那麼他們就能改進AI在採用、業務目標實現以及內部和外部使用者接受度方面的成果。

　　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。

　　透過加強對AI TRiSM的重視，企業機構就能可控而穩定地實現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專案、意外或負面結果的減少等。

　　 趨勢十一：廠商和地區生態系統（Vendor and region ecosystems）

　　隨著各地區資料安全法的頒佈，許多跨國企業機構正在為遵守當地法規而構建資料和分析生態系統。這一趨勢將在新的多極世界中加速。

　　您將需要考慮遷移和複製特定地區內的部分或全部資料和分析堆疊，並且將多雲和多廠商戰略管理納入設計或預設。

　　企業需要採取多項行動構建一個有凝聚力的雲資料生態系統。應評估廠商解決方案的可擴充套件性和在整個生態系統的供應情況，並考慮與它們保持一致。應透過權衡單一廠商生態系統在成本、敏捷性和速度方面的優勢，重新評估有利於最佳或最合適的雲中端到端資料和分析能力戰略的政策。

　 　趨勢十二：向邊緣的擴充套件（Expansion to the edge）

　　在資料中心和公有云基礎設施之外的分散式裝置、伺服器或閘道器中執行的資料和分析活動日益增加。它們越來越多地位於邊緣計算環境，更加靠近資料和相關決策的建立和執行地點。

　　Gartner預測，到2025年，超過50%的企業關鍵資料將在資料中心以外或雲以外的地點建立和處理。

　　企業應將資料和分析治理能力擴充套件到邊緣環境，並透過主動後設資料實現可見性。還可透過加入位於邊緣的以IT為中心的技術（關係型和非關係型資料庫管理系統）以及用於儲存和處理更加靠近裝置邊緣的資料且記憶體佔用量少的嵌入式資料庫，為邊緣環境中的資料持久化提供支援。