COVID-19疫情對全球機構產(chǎn)生急劇影響，迫使數據與分析專(zhuān)業(yè)人員迅速通過(guò)工具和流程來(lái)確定關(guān)鍵技術(shù)趨勢，并對那些能最大幅度提升機構競爭力的關(guān)鍵技術(shù)予以?xún)?yōu)先采納部署。2021年3月16日，信息技術(shù)咨詢(xún)公司Gartner發(fā)布2021年十大數據與分析技術(shù)趨勢，以期助力機構在新的一年能迅速應對相關(guān)變化、不確定性和機遇。數據與分析專(zhuān)業(yè)人員應考慮在這十大趨勢方面做出關(guān)鍵任務(wù)投資，改善其預測、轉變與應對能力。

人工智能和機器學(xué)習已產(chǎn)生深刻影響，促使企業(yè)應用新技術(shù)來(lái)開(kāi)發(fā)出更智能、需要更少數據、符合倫理規范和更具彈性的人工智能解決方案。在應用更智能、更負責、可擴展的人工智能時(shí)，機構將能夠“利用學(xué)習算法和可解釋系統在更短的時(shí)間內實(shí)現價(jià)值目標和更高的業(yè)務(wù)影響”。

開(kāi)放的且容器化的分析體系架構使分析功能更加可組合?？山M合的數據與分析方法利用多源數據、分析方法和人工智能解決方案的組件，來(lái)快速構建靈活且用戶(hù)友好的智能應用程序，以幫助數據與分析專(zhuān)業(yè)人員將其見(jiàn)解與行動(dòng)聯(lián)系起來(lái)。

隨著(zhù)數據中心向云端遷移，可組合的數據與分析法將通過(guò)云端市場(chǎng)和低碼和無(wú)碼解決方案等，以更靈活的方式構建分析應用程序。

隨著(zhù)數字化程度的提高和消費者的“解放”，數據與分析專(zhuān)業(yè)人員將越來(lái)越多地利用數據結構來(lái)幫助解決其“機構數據資產(chǎn)中更高層級的多樣性、分布性、規模和復雜性”。數據結構使用分析來(lái)不斷監控數據管道。數據結構通過(guò)對數據資產(chǎn)的連續分析，來(lái)支持各類(lèi)型數據的設計、部署和利用，從而將集成時(shí)間減少30%，部署時(shí)間減少30%，維護時(shí)間減少70%。

COVID-19疫情帶來(lái)的極端業(yè)務(wù)變化導致基于大量歷史數據的機器學(xué)習和人工智能模型變得不那么相關(guān)。人類(lèi)與人工智能相結合的決策制定變得越來(lái)越復雜且苛刻，需要數據與分析專(zhuān)業(yè)人員選擇有效的數據分析技術(shù)、利用更多種類(lèi)的數據來(lái)提升情景態(tài)勢感知。他們應依靠更寬泛的數據，實(shí)現針對小數據和大數據、結構化和非結構數據源的協(xié)同分析。小數據模型雖然使用的數據量較少，但通過(guò)有效的分析方法也能提供深刻的見(jiàn)解。

多樣化運維（XOps）包括數據運維（DataOps）、機器學(xué)習運維（MLOps）、模型運維（ModelOps）和平臺運維（PlatformOps），是通過(guò)開(kāi)發(fā)運維（DevOps）最佳實(shí)踐來(lái)實(shí)現規模效率和規模經(jīng)濟，并確?？煽啃?、可重用性和可重復性。它能減少技術(shù)和流程的重復，并實(shí)現自動(dòng)化。

大多數分析和人工智能項目失敗的原因是沒(méi)能事先考慮運維。如果數據與分析專(zhuān)業(yè)人員能利用XOps開(kāi)展規模運維，他們將實(shí)現分析和人工智能資產(chǎn)的可再現性、可追溯性、完整性和可集成性。

工程決策智能是一門(mén)包含傳統分析、人工智能和復雜自適應系統應用等廣泛決策的學(xué)科。工程決策智能不僅適用于單個(gè)決策，還適用于決策序列。隨著(zhù)決策變得更加自動(dòng)化和增強，工程決策智能將賦能數據與分析專(zhuān)業(yè)人員以做出更加準確、可重復、透明且可追溯的決策。

數據與分析工作已經(jīng)不再是次要業(yè)務(wù)職能，而是轉變?yōu)橐豁椇诵臉I(yè)務(wù)職能。數據與分析已成為可與業(yè)務(wù)成果相提并論的共享業(yè)務(wù)資產(chǎn)。由于中央型和分散型數據與分析團隊之間更好的協(xié)作，數據與分析孤島已被打破。

圖譜構成了大多數現代數據與分析能力的基礎，從而幫助發(fā)現各類(lèi)型數據資產(chǎn)之間人物、地點(diǎn)、事物、事件和位置的關(guān)系。數據與分析專(zhuān)業(yè)人員依賴(lài)圖譜來(lái)快速解答復雜的業(yè)務(wù)問(wèn)題，這需要上下文意識，以及對跨多個(gè)實(shí)體之間的聯(lián)系和優(yōu)勢性質(zhì)的理解。

Gartner預測，到2025年，80%的數據與分析創(chuàng )新中都將用到圖譜技術(shù)，遠高于2021年的10%，促進(jìn)實(shí)現整個(gè)組織內的快速決策。

如今，大多數業(yè)務(wù)用戶(hù)使用預先定義的儀表盤(pán)和手動(dòng)數據探索分析，但這可能導致錯誤的結論以及有缺陷的決策和操作?；ㄔ陬A先定義的儀表盤(pán)上的時(shí)間將逐漸被自動(dòng)化的、會(huì )話(huà)式、移動(dòng)式和動(dòng)態(tài)生成的見(jiàn)解所取代，這些見(jiàn)解是根據用戶(hù)的需求定制的。

Gartner研究副總裁Rita Sallam表示，“這將把分析能力轉移給信息消費者，即增強型消費者，賦予他們以前只有分析人員和公民數據科學(xué)家才有的能力?！?/p>

數據、分析及其支撐技術(shù)越來(lái)越多地存在于邊緣計算環(huán)境中，更接近物理世界中的資產(chǎn)而超出了信息技術(shù)人員的權限。Gartner預測，到2023年，數據與分析專(zhuān)業(yè)人員超過(guò)50%的主要職責將涉及在邊緣環(huán)境中所創(chuàng )建、管理和分析的數據。

Gartner總結說(shuō)：“數據與分析專(zhuān)業(yè)人員可以利用這一趨勢來(lái)提高數據管理的靈活性、速度、治理和恢復能力。從支持實(shí)時(shí)事件分析到實(shí)現‘萬(wàn)物’自主行為，各種各樣的用例正催生人們對邊緣數據與分析的興趣?！?/p>

來(lái)源：世界科技研究與發(fā)展