数据和分析领域十大趋势

21年数据和分析领域的十大趋势，从大数据向小而广数据转变是其中之一。这些趋势代表着商业、市场和技术方面的动态，数据和分析领导者不可忽视。

Gartner杰出副总裁分析师Rita Sallam说：“数据和分析领域的这些趋势可以帮助组织和社会应对颠覆性变化、巨大的不确定性以及它们在今后三年带来的机遇。数据和分析领导者须积极研究如何充分利用这些趋势，做出与时俱进的重要投入，以提升预测、转变和响应的能力。”

每一个趋势都符合以下三大主题之一：

1、数据和分析方面的变化加快：充分利用AI方面的创新、增强的可组合性以及更灵活更有效地集成更迥然不同的数据源。

2、通过更有效的XOps切实发挥业务价值：支持更有效的决策，并支持将数据和分析变成业务不可或缺的一部分。

3、分发一切：需要灵活地关联数据和洞察力，以支持更广泛的人和物件。

第1个趋势：更智能化、更负责任、更灵活扩展的AI

更智能化、更负责任、更灵活扩展的AI将带来更好的学习算法、可解释的系统和实现价值的更短时间。组织将开始对AI系统提出多得多的要求，它们需要弄清楚如何扩展技术——到目前为止，这仍是一大挑战。

虽然传统的AI技术可能严重依赖历史数据，但鉴于新冠疫情已改变了商业格局，历史数据可能不再适用。这意味着AI技术必须能够通过“小数据”技术和自适应机器学习，以更少的数据进行运作。这些AI系统还必须保护隐私、遵守联邦法规并尽量减少偏差，以支持道德AI。

第2个趋势：可组合式数据和分析

可组合式数据和分析的目的是使用来自多个数据、分析和AI解决方案的组件，以获得一种灵活、对用户友好和易用的体验，从而使领导者能够将数据洞察力与业务活动联系起来。Gartner收到的客户咨询表明，大多数大组织拥有不止一种“企业标准”分析和商业智能工具。

利用各自的套装业务功能组合新应用程序可提高生产力和敏捷性。可组合式数据和分析不仅有助于协作、完善组织的分析功能，还会加大分析技术的普及程度。

第3个趋势：数据结构充当基础

随着数据变得日益复杂、数字化业务加快发展，数据结构（data fabric）成为支持可组合式数据和分析及各种组件的体系结构。

数据结构将集成设计时间缩短了30%，将部署时间缩短了30%，将维护时间缩短了70%，原因是这种技术设计运用了使用/重用和结合不同数据集成方式的能力。此外，数据结构可以充分利用来自数据枢纽、数据湖和数据仓库的现有技能和技术，同时又引入适应未来的新方法和工具。

第4个趋势：从大数据到小而广数据

许多组织在处理AI方面日益复杂的问题以及数据使用场景寥寥无几的挑战，与大数据相反，小而广数据为这些组织解决了许多问题。广数据充分利用“X分析”技术，支持分析众多小而多样化（广）数据源、非结构化数据源和结构化数据源，并实现协同效应，以增强上下文意识和决策。顾名思义，小数据能够使用需要较少数据，但仍提供实用洞察力的数据模型。

第5个趋势：XOps

XOps（数据、机器学习、模型和平台）的目的是，使用DevOps最佳实践来获得效率和规模经济效益，并确保可靠性、可重用性和可重复性，同时减少技

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!