2021年，增強型資料分析和管理成主流趨勢

2021年，全球經濟環境變得更加複雜，新冠疫情依然嚴峻，世界貿易不穩定因素增加，國內產業升級嚴重受阻……好在我國擁有超大規模的市場潛力和雄厚的資訊科技基礎，可以有效應對多重變化。尤其在以增強型資料分析和資料管理為特徵的新一輪技術驅動下，我國經濟正在加速釋放數字化發展潛力，以國內、國際雙迴圈的方式逐步恢復經濟秩序，讓整體經濟穩中向好。

過去，我們常說資料是企業的核心資產，中臺是企業IT最強大的底層技術支撐能力。但其實，大多數人對資料管理的理解只停留在技術層面，如何從為業務賦能的角度看待數智化趨勢?Gartner研究總監孫鑫(Julian Sun)進行了重點分析，並總結出十大最新趨勢。

▲Gartner研究總監 孫鑫

一、資料分析和管理正變得更智慧、更負責和可擴充套件

儘管，2020年是極具特殊意義的一年，疫情的意外來襲對很多企業的資料管理戰略造成了重大影響，但絕大多數高管依然認為資料分析和AI是最有潛力改變遊戲規則的核心能力，如果沒有利用資料分析技術推進企業的數字化轉型戰略，企業將很難立足，不能在快速市場變化中做出正確決策。

根據Gartner調查結果顯示，在2020年企業數字化轉型征程中，被嵌入最多的技術是資料分析平臺。並且，從近兩年企業業務發展現狀來看，把資料分析能力嵌入到業務平臺的企業，盈利能力得到了大幅增長，從2018年的57%增長到2020年的70%。預計，到2025年，50%的企業將透過設計人工智慧(AI)編排平臺來實現AI運營化。

最重要的是，很多資料分析平臺不只關注自適應、聯邦機器學習等演算法提升，還要想方設法讓資料管理戰略變得更有韌性、更有創意、對資料的依賴性更小。秉承AI向善理念，企業在使用AI時，會選擇符合道德、能夠複製，以及更透明和安全的方式。為了讓資料管理平臺更具可擴充套件性，企業更注重提升AI的穩健性、可訪問性、生產效率、部署速度和運營質量。

二、組裝式資料分析與企業的洞察力和行動能力密切相關

組裝式的資料分析和中臺概念密切相關，可以幫助企業在重大社會性事件面前做出快速反應。問題是，如何從零開始，自建組裝式資料分析能力?

Gartner認為，首先企業要基於容器或者是微服務架構，以及資料編織概念，對資料管理平臺或者管理工具進行統一納管。然後，把現有資產進行重新組合，讓應用變得更靈活、更具模組化和可重用特徵。同時，要利用低程式碼和無程式碼的技術元件將各種能力組合起來，幫助企業建立自適應的決策支撐平臺。換言之，組裝式資料分析不再是一個簡單的業務行為，而是一種能夠去注入分析能力的決策導向型業務，要和企業的洞察力和行動力關聯起來。

當然，組裝式資料分析能力平臺不是一刀切工程，和數字化轉型一樣，也要循序漸進，分階段搭建。不同企業，由於業務狀態和規模不同，存在很多差異性。比如：有部分企業會透過雲的形式讓業務釋出實現共享化和模組化，這也比較容易理解，因為雲原生架構本身就具備模組化業務整合和拆分能力。總之，企業必須要重視這種能力，以適合自己的方式來改善現有的決策。現如今，大部分企業都在向這一方向努力。Gartner預測，到2023年，60%的企業機構將透過組裝三種甚至更多種的分析解決方案來構建決策導向的應用，利用分析技術將洞察與行動關聯。

三、資料編織是IT基礎架構能力的基礎

資料編織概念由Gartner提出，是指利用我們現有的、可發現、可推斷的後設資料資產進行連續的分析，以支援設計、部署、利用、整合和可重用的資料物件，但我們並不需要考慮太多平臺部署因素和架構方法。因為應用本身包括了我們對於資料訪問、資料整合、資料質量、知識圖譜的使用能力，甚至能利用到我們現在資料的用量，進行一些自動協調。

另外，在資料編織概念中，並不意味著企業一定要去購買某一個工具，而是一個設計模式，幫助企業從傳統收集資料的形式漸漸向更靈活的方式轉換，變成連線型資料。過去很多年，企業的資料整合和管理通常採用收集的形式，把所有的資料全部存在一個地方，這也是為什麼我們經常會談大資料和資料湖的最根本原因。

至於，資料編織為什麼如此重要?是因為資料整合和資料準備，是很多企業希望在2022年之前實現的三大自動化技術之一。比如：透過對語義層的最佳化設計，或者透過AI機器學習方法和知識圖譜，來推動資料集和資料管理的自動化。尤其是存在資料孤島的企業，資料編織可以解決資料資產多樣性、規模分佈化和複雜程度高等問題，讓企業更好地利用資料中心、資料湖以及資料倉儲中的資料。

四、企業的關注點從大資料轉向小而寬的資料

對於大多數企業而言，無論規模大、小，對資料隱私保護程度高或者低，都希望採用一種更智慧、更負責和可擴充的方式方法，來支援複雜和稀缺資料用例，所以嵌入人工智慧模型成為最佳選擇。

Gartner預測，到2023年，在擁有20名以上資料科學家的組織中，將有60%的組織將制定關於資料和人工智慧的道德使用準則。因為，在大資料時代，很多企業在做資料分析的時候，會潛移默化地使用到AI技術，而這種能力一旦提升，可能會帶來道德或是隱私問題。所以，企業會從資料保護層面約束資料科學家的行為。

問題是，資料的使用一旦受到限制，人工智慧的優勢就很難凸顯。如果不那麼過分關注大資料，而是把目光放到小而寬的資料，利用合成資料、主動學習、自適應學習技術，去擴充人工智慧的用例，則會使人工智慧變得更智慧、更強大。

五、XOps技術編排可以幫助企業更好地建立自適應系統，進而實現規模化運營

如今，企業數字化轉型已經有一段時間了，很多企業也購買了很多工具，有了一系列的解決方案，但當企業在購買A、B、C、D等產品的時候，很自然地產生了“科技負債”，不知道如何最佳化自己的技術棧，逐漸失去了運維能力。

儘管，資料分析和AI技術為企業業務提升帶來了顯著變化，但在運維上卻沒有跟上實踐多樣性步伐，於是造成了市場的混亂，而基於DataOps、ModelOps以及大家非常熟悉的DevOps實踐，我們可以找到在資料分析領域的一些變化， Gartner把這一現象叫做XOps。XOps的最終方向是利用DevOps等最佳實踐去實現效率提升和規模經濟的增長，並確保應用的可靠性、可重用性，儘量減少技術和流程的重複，從而實現自動化。建議有條件的企業主動去建立一個整合的XOps的環境，能融合不同的功能、團隊和流程，以支援資料處理、模型訓練、模型管理、模型監控等等，從而實現基於AI系統的持續交付，這也是把AI推向生產環境的一個重要舉措。

資料顯示，雖然2020年透過設計人工智慧(AI)編排平臺來實現AI運營化的企業還不到10%，但到2025年這一比例將提升到50%。

六、決策智慧變得更工程化

通常，企業要做一個決策，大概要經歷五個步驟，即抓取資料、解釋資料、設計模型、模型場景化和執行，而決策智慧可以幫助企業在各種各樣的背景下框定廣泛的決策技術。決策智慧提供了一個框架，將多種傳統和先進技術結合在一起，從而設計、建模、調整、執行、監控和調整決策模型。決策智慧工程化要比決策智慧更勝一籌，不僅適用於單個決策，還適用於決策序列，可以將其歸入業務流程，甚至是新興的決策網路。

隨著決策智慧化水平的提升，決策智慧工程化以後，可以透過建模和最佳化各個要素之間的相互作用，去監測對業務的影響，再透過不斷學習和調整，用以支援改進單獨以及整體的決策，讓企業收益最大化。建議企業使用這種決策智慧工程化的框架，從零開始去沉澱一些可複用或者重用的決策模組，從而幫助企業在特殊狀況下做出快速決策。

七、資料分析和管理已成為企業的核心業務能力

過去，資料分析多以IT為主導，用來支援業務成果轉化。現在，隨著資料工具的簡化和易用，業務應用人員也在透過資料分析來推動自己的行為。尤其隨著企業數字化轉型的加快，由業務主導的資料分析正變得越來越廣泛，資料分析專案已涉及到資料素養、資料資產化、智慧化的資料共享和資料治理等等。預計，到2022年，超過75%的中心化組織分析專案將被與本地域資料和分析領導者共享權力的混合組織模式所取代。

八、圖技術正在聯通萬物

很多企業可能還沒有意識到，圖已經變成了現代企業的基本業務能力，他們正在使用一些資料科學、BI的產品來支撐業務發展。

當然，本文提到的圖技術，是以資料節點以及合編的形式展現，而不是傳統意義上的表格、行或者列，或是資料庫。在圖技術系統中，允許我們在不同的資料中找到“人、地點、事物、事件、位置”等之間的關係，並且以更直觀的的關係進行建模、捕捉業務知識，使使用者在進行關係查詢和回答問題時變得更容易。

為什麼說圖技術會成為主流趨勢呢?是因為把圖作為現代化資料分析的基礎，可以增加業務系統與使用者之間的理解和協作，並且能幫助企業發現更深一層的洞察力。因為，複雜的業務問題是需要結合前因後果才能意識到，就像自然語言問答，要結合平時喜好，才會有準確答案。對於企業而言，只有瞭解組織、人員、交易等多個實體之間的聯絡，才能把整個企業級的圖資料庫建立起來。另外，圖技術是建立更豐富的語意模型的技術，它可以增強分析的模型，提升對話的豐富性。對於AI場景來說，圖技術可以提高演算法層面的能力，幫助企業構建出可解釋型的AI。

九、邊緣資料分析變得非常普遍

現在，資料分析越來越往邊緣、物這一端靠攏，要能夠支援傳統的資料中心和雲環境之外的環境，這都是邊緣計算在背後推動的結果。因為，對於企業來說，邊緣計算可以使資料管理和分析的方式、地點變得更加靈活。

從支援實時事件分析到實現邊緣“物”的自主行為，再到資料分析和人工智慧的結合，多樣化的用例帶動了人們對於資料分析以及邊緣功能探索的興趣。未來，邊緣計算對於業務功能、平臺、技術的影響遠遠超過集中式環境，會讓資料分析變得更加普遍，甚至會影響到管理層以及管理人員的職責。預計到2023年，將存在超過50%的資料分析和管理職能屬於高管許可權範圍之內，其中將包括在這種邊緣環境中建立管理和分析資料的能力。

十、增強型消費者的崛起帶來顛覆式影響

二十年前，企業要想進行大資料分析，無非是購買更大的資料庫、選擇更高效的BI工具。但是今天，企業更需要的是提高增強型消費者的能力，讓越來越多的使用者可以感受到和企業相關的一些資訊。這需要把資料分析的門檻降低，不只獲得報告和報表，還要用繪畫式的、嵌入式的、自然語言分析，更好地感知消費者，並且給IT提供反饋資訊。

從最基礎基於語義層的平臺構建，到視覺化平臺的探索，再到業務導向型的診斷、非場景化分析，資料分析能力正在逐步普及。預計未來五年內，使用者會進一步獲得和他情景相關的能力。比如：訓練一個系統，讓使用者能夠去以問題的形式做一些資料分析，甚至是可以做更深度的分析，這樣就可以有效提高資料分析的普及率。

上述十大趨勢說明，增強型資料分析和管理將成為企業數字化轉型的核心推動力，而對於廣大資料服務提供商來說，機遇和挑戰並存。一方面，企業能夠利用增強型的能力，來實現業務能力的最大自動化，進而幫助使用者推進數字化方案的落地;另一方面，企業要改變過去拿來主義的商業模式，儘量以自研的方式去開發資料分析能力，只有把服務和技術能力結合起來，才能讓服務產品化，進而打造出差異化的競爭優勢。