2021年，全球經(jīng)濟(jì)環(huán)境變得更加復(fù)雜，新冠疫情依然嚴(yán)峻，世界貿(mào)易不穩(wěn)定因素增加，國(guó)內(nèi)產(chǎn)業(yè)升級(jí)嚴(yán)重受阻……好在我國(guó)擁有超大規(guī)模的市場(chǎng)潛力和雄厚的信息技術(shù)基礎(chǔ)，可以有效應(yīng)對(duì)多重變化。尤其在以增強(qiáng)型數(shù)據(jù)分析和數(shù)據(jù)管理為特征的新一輪技術(shù)驅(qū)動(dòng)下，我國(guó)經(jīng)濟(jì)正在加速釋放數(shù)字化發(fā)展?jié)摿Γ試?guó)內(nèi)、國(guó)際雙循環(huán)的方式逐步恢復(fù)經(jīng)濟(jì)秩序，讓整體經(jīng)濟(jì)穩(wěn)中向好。

過(guò)去，我們常說(shuō)數(shù)據(jù)是企業(yè)的核心資產(chǎn)，中臺(tái)是企業(yè)IT最強(qiáng)大的底層技術(shù)支撐能力。但其實(shí)，大多數(shù)人對(duì)數(shù)據(jù)管理的理解只停留在技術(shù)層面，如何從為業(yè)務(wù)賦能的角度看待數(shù)智化趨勢(shì)？Gartner研究總監(jiān)孫鑫（Julian Sun）進(jìn)行了重點(diǎn)分析，并總結(jié)出十大最新趨勢(shì)。

▲Gartner研究總監(jiān)孫鑫

　一、數(shù)據(jù)分析和管理正變得更智能、更負(fù)責(zé)和可擴(kuò)展

盡管，2020年是極具特殊意義的一年，疫情的意外來(lái)襲對(duì)很多企業(yè)的數(shù)據(jù)管理戰(zhàn)略造成了重大影響，但絕大多數(shù)高管依然認(rèn)為數(shù)據(jù)分析和AI是最有潛力改變游戲規(guī)則的核心能力，如果沒(méi)有利用數(shù)據(jù)分析技術(shù)推進(jìn)企業(yè)的數(shù)字化轉(zhuǎn)型戰(zhàn)略，企業(yè)將很難立足，不能在快速市場(chǎng)變化中做出正確決策。

根據(jù)Gartner調(diào)查結(jié)果顯示，在2020年企業(yè)數(shù)字化轉(zhuǎn)型征程中，被嵌入最多的技術(shù)是數(shù)據(jù)分析平臺(tái)。并且，從近兩年企業(yè)業(yè)務(wù)發(fā)展現(xiàn)狀來(lái)看，把數(shù)據(jù)分析能力嵌入到業(yè)務(wù)平臺(tái)的企業(yè)，盈利能力得到了大幅增長(zhǎng)，從2018年的57%增長(zhǎng)到2020年的70%。預(yù)計(jì)，到2025年，50%的企業(yè)將通過(guò)設(shè)計(jì)人工智能（AI）編排平臺(tái)來(lái)實(shí)現(xiàn)AI運(yùn)營(yíng)化。

最重要的是，很多數(shù)據(jù)分析平臺(tái)不只關(guān)注自適應(yīng)、聯(lián)邦機(jī)器學(xué)習(xí)等算法提升，還要想方設(shè)法讓數(shù)據(jù)管理戰(zhàn)略變得更有韌性、更有創(chuàng)意、對(duì)數(shù)據(jù)的依賴性更小。秉承AI向善理念，企業(yè)在使用AI時(shí)，會(huì)選擇符合道德、能夠復(fù)制，以及更透明和安全的方式。為了讓數(shù)據(jù)管理平臺(tái)更具可擴(kuò)展性，企業(yè)更注重提升AI的穩(wěn)健性、可訪問(wèn)性、生產(chǎn)效率、部署速度和運(yùn)營(yíng)質(zhì)量。

二、組裝式數(shù)據(jù)分析與企業(yè)的洞察力和行動(dòng)能力密切相關(guān)

組裝式的數(shù)據(jù)分析和中臺(tái)概念密切相關(guān)，可以幫助企業(yè)在重大社會(huì)性事件面前做出快速反應(yīng)。問(wèn)題是，如何從零開(kāi)始，自建組裝式數(shù)據(jù)分析能力？

Gartner認(rèn)為，首先企業(yè)要基于容器或者是微服務(wù)架構(gòu)，以及數(shù)據(jù)編織概念，對(duì)數(shù)據(jù)管理平臺(tái)或者管理工具進(jìn)行統(tǒng)一納管。然后，把現(xiàn)有資產(chǎn)進(jìn)行重新組合，讓?xiě)?yīng)用變得更靈活、更具模塊化和可重用特征。同時(shí)，要利用低代碼和無(wú)代碼的技術(shù)組件將各種能力組合起來(lái)，幫助企業(yè)建立自適應(yīng)的決策支撐平臺(tái)。換言之，組裝式數(shù)據(jù)分析不再是一個(gè)簡(jiǎn)單的業(yè)務(wù)行為，而是一種能夠去注入分析能力的決策導(dǎo)向型業(yè)務(wù)，要和企業(yè)的洞察力和行動(dòng)力關(guān)聯(lián)起來(lái)。

當(dāng)然，組裝式數(shù)據(jù)分析能力平臺(tái)不是一刀切工程，和數(shù)字化轉(zhuǎn)型一樣，也要循序漸進(jìn)，分階段搭建。不同企業(yè)，由于業(yè)務(wù)狀態(tài)和規(guī)模不同，存在很多差異性。比如：有部分企業(yè)會(huì)通過(guò)云的形式讓業(yè)務(wù)發(fā)布實(shí)現(xiàn)共享化和模塊化，這也比較容易理解，因?yàn)樵圃軜?gòu)本身就具備模塊化業(yè)務(wù)整合和拆分能力。

總之，企業(yè)必須要重視組裝式數(shù)據(jù)分析能力，以適合自己的方式來(lái)改善現(xiàn)有的決策?，F(xiàn)如今，大部分企業(yè)都在向這一方向努力。Gartner預(yù)測(cè)，到2023年，60%的企業(yè)機(jī)構(gòu)將通過(guò)組裝三種甚至更多種的分析解決方案來(lái)構(gòu)建決策導(dǎo)向的應(yīng)用，利用分析技術(shù)將洞察與行動(dòng)關(guān)聯(lián)。

三、數(shù)據(jù)編織是IT基礎(chǔ)架構(gòu)能力的基礎(chǔ)

數(shù)據(jù)編織概念由Gartner提出，是指利用我們現(xiàn)有的、可發(fā)現(xiàn)、可推斷的元數(shù)據(jù)資產(chǎn)進(jìn)行連續(xù)的分析，以支持設(shè)計(jì)、部署、利用、集成和可重用的數(shù)據(jù)對(duì)象，但我們并不需要考慮太多平臺(tái)部署因素和架構(gòu)方法。因?yàn)閼?yīng)用本身包括了我們對(duì)于數(shù)據(jù)訪問(wèn)、數(shù)據(jù)集成、數(shù)據(jù)質(zhì)量、知識(shí)圖譜的使用能力，甚至能利用到我們現(xiàn)在數(shù)據(jù)的用量，進(jìn)行一些自動(dòng)協(xié)調(diào)。

另外，在數(shù)據(jù)編織概念中，并不意味著企業(yè)一定要去購(gòu)買某一個(gè)工具，而是一個(gè)設(shè)計(jì)模式，幫助企業(yè)從傳統(tǒng)收集數(shù)據(jù)的形式漸漸向更靈活的方式轉(zhuǎn)換，變成連接型數(shù)據(jù)。過(guò)去很多年，企業(yè)的數(shù)據(jù)整合和管理通常采用收集的形式，把所有的數(shù)據(jù)全部存在一個(gè)地方，這也是為什么我們經(jīng)常會(huì)談大數(shù)據(jù)和數(shù)據(jù)湖的最根本原因。

至于，數(shù)據(jù)編織為什么如此重要？是因?yàn)閿?shù)據(jù)集成和數(shù)據(jù)準(zhǔn)備，是很多企業(yè)希望在2022年之前實(shí)現(xiàn)的三大自動(dòng)化技術(shù)之一。比如：通過(guò)對(duì)語(yǔ)義層的優(yōu)化設(shè)計(jì)，或者通過(guò)AI機(jī)器學(xué)習(xí)方法和知識(shí)圖譜，來(lái)推動(dòng)數(shù)據(jù)集和數(shù)據(jù)管理的自動(dòng)化。尤其是存在數(shù)據(jù)孤島的企業(yè)，數(shù)據(jù)編織可以解決數(shù)據(jù)資產(chǎn)多樣性、規(guī)模分布化和復(fù)雜程度高等問(wèn)題，讓企業(yè)更好地利用數(shù)據(jù)中心、數(shù)據(jù)湖以及數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)。

四、企業(yè)的關(guān)注點(diǎn)從大數(shù)據(jù)轉(zhuǎn)向小而寬的數(shù)據(jù)

對(duì)于大多數(shù)企業(yè)而言，無(wú)論規(guī)模大、小，對(duì)數(shù)據(jù)隱私保護(hù)程度高或者低，都希望采用一種更智能、更負(fù)責(zé)和可拓展的方式方法，來(lái)支持復(fù)雜和稀缺數(shù)據(jù)用例，所以，嵌入人工智能模型成為最佳選擇。

Gartner預(yù)測(cè)，到2023年，在擁有20名以上數(shù)據(jù)科學(xué)家的組織中，將有60%的組織將制定關(guān)于數(shù)據(jù)和人工智能的道德使用準(zhǔn)則。因?yàn)?，在大?shù)據(jù)時(shí)代，很多企業(yè)在做數(shù)據(jù)分析的時(shí)候，會(huì)潛移默化地使用到AI技術(shù)，而這種能力一旦提升，可能會(huì)帶來(lái)道德或是隱私問(wèn)題。所以，企業(yè)會(huì)從數(shù)據(jù)保護(hù)層面約束數(shù)據(jù)科學(xué)家的行為。

問(wèn)題是，數(shù)據(jù)的使用一旦受到限制，人工智能的優(yōu)勢(shì)就很難凸顯。如果不那么過(guò)分關(guān)注大數(shù)據(jù)，而是把目光放到小而寬的數(shù)據(jù)，利用合成數(shù)據(jù)、主動(dòng)學(xué)習(xí)、自適應(yīng)學(xué)習(xí)技術(shù)，去拓展人工智能的用例，則會(huì)使人工智能變得更智能、更強(qiáng)大。

五、XOps技術(shù)編排可以幫助企業(yè)更好地建立自適應(yīng)系統(tǒng)，進(jìn)而實(shí)現(xiàn)規(guī)?；\(yùn)營(yíng)

如今，企業(yè)數(shù)字化轉(zhuǎn)型已經(jīng)有一段時(shí)間了，很多企業(yè)也購(gòu)買了很多工具，有了一系列的解決方案，但當(dāng)企業(yè)在購(gòu)買A、B、C、D等產(chǎn)品的時(shí)候，很自然地產(chǎn)生了“科技負(fù)債”，不知道如何優(yōu)化自己的技術(shù)棧，逐漸失去了運(yùn)維能力。

盡管，數(shù)據(jù)分析和AI技術(shù)為企業(yè)業(yè)務(wù)提升帶來(lái)了顯著變化，但在運(yùn)維上卻沒(méi)有跟上實(shí)踐多樣性步伐，于是造成了市場(chǎng)的混亂，而基于DataOps、ModelOps以及大家非常熟悉的DevOps實(shí)踐，我們可以找到在數(shù)據(jù)分析領(lǐng)域的一些變化， Gartner把這一現(xiàn)象叫做XOps。

XOps的最終方向是利用DevOps等最佳實(shí)踐去實(shí)現(xiàn)效率提升和規(guī)模經(jīng)濟(jì)的增長(zhǎng)，并確保應(yīng)用的可靠性、可重用性，盡量減少技術(shù)和流程的重復(fù)，從而實(shí)現(xiàn)自動(dòng)化。建議有條件的企業(yè)主動(dòng)去創(chuàng)建一個(gè)整合的XOps的環(huán)境，能融合不同的功能、團(tuán)隊(duì)和流程，以支持?jǐn)?shù)據(jù)處理、模型訓(xùn)練、模型管理、模型監(jiān)控等等，從而實(shí)現(xiàn)基于AI系統(tǒng)的持續(xù)交付，這也是把AI推向生產(chǎn)環(huán)境的一個(gè)重要舉措。

數(shù)據(jù)顯示，雖然2020年通過(guò)設(shè)計(jì)人工智能（AI）編排平臺(tái)來(lái)實(shí)現(xiàn)AI運(yùn)營(yíng)化的企業(yè)還不到10%，但到2025年這一比例將提升到50%。

六、決策智能變得更工程化

通常，企業(yè)要做一個(gè)決策，大概要經(jīng)歷五個(gè)步驟，即抓取數(shù)據(jù)、解釋數(shù)據(jù)、設(shè)計(jì)模型、模型場(chǎng)景化和執(zhí)行，而決策智能可以幫助企業(yè)在各種各樣的背景下框定廣泛的決策技術(shù)。決策智能提供了一個(gè)框架，將多種傳統(tǒng)和先進(jìn)技術(shù)結(jié)合在一起，從而設(shè)計(jì)、建模、調(diào)整、執(zhí)行、監(jiān)控和調(diào)整決策模型。決策智能工程化要比決策智能更勝一籌，不僅適用于單個(gè)決策，還適用于決策序列，可以將其歸入業(yè)務(wù)流程，甚至是新興的決策網(wǎng)絡(luò)。

隨著決策智能化水平的提升，決策智能工程化以后，可以通過(guò)建模和優(yōu)化各個(gè)要素之間的相互作用，去監(jiān)測(cè)對(duì)業(yè)務(wù)的影響，再通過(guò)不斷學(xué)習(xí)和調(diào)整，用以支持改進(jìn)單獨(dú)以及整體的決策，讓企業(yè)收益最大化。建議企業(yè)使用這種決策智能工程化的框架，從零開(kāi)始去沉淀一些可復(fù)用或者重用的決策模塊，從而幫助企業(yè)在特殊狀況下做出快速?zèng)Q策。

七、數(shù)據(jù)分析和管理已成為企業(yè)的核心業(yè)務(wù)能力

過(guò)去，數(shù)據(jù)分析多以IT為主導(dǎo)，用來(lái)支持業(yè)務(wù)成果轉(zhuǎn)化。現(xiàn)在，隨著數(shù)據(jù)工具的簡(jiǎn)化和易用，業(yè)務(wù)應(yīng)用人員也在通過(guò)數(shù)據(jù)分析來(lái)推動(dòng)自己的行為。尤其隨著企業(yè)數(shù)字化轉(zhuǎn)型的加快，由業(yè)務(wù)主導(dǎo)的數(shù)據(jù)分析正變得越來(lái)越廣泛，數(shù)據(jù)分析項(xiàng)目已涉及到數(shù)據(jù)素養(yǎng)、數(shù)據(jù)資產(chǎn)化、智能化的數(shù)據(jù)共享和數(shù)據(jù)治理等等。預(yù)計(jì)，到2022年，超過(guò)75%的中心化組織分析項(xiàng)目將被與本地域數(shù)據(jù)和分析領(lǐng)導(dǎo)者共享權(quán)力的混合組織模式所取代。

八、圖技術(shù)正在聯(lián)通萬(wàn)物

很多企業(yè)可能還沒(méi)有意識(shí)到，圖已經(jīng)變成了現(xiàn)代企業(yè)的基本業(yè)務(wù)能力，他們正在使用一些數(shù)據(jù)科學(xué)、BI的產(chǎn)品來(lái)支撐業(yè)務(wù)發(fā)展。

當(dāng)然，本文提到的圖技術(shù)，是以數(shù)據(jù)節(jié)點(diǎn)以及合編的形式展現(xiàn)，而不是傳統(tǒng)意義上的表格、行或者列，或是數(shù)據(jù)庫(kù)。在圖技術(shù)系統(tǒng)中，允許我們?cè)诓煌臄?shù)據(jù)中找到“人、地點(diǎn)、事物、事件、位置”等之間的關(guān)系，并且以更直觀的的關(guān)系進(jìn)行建模、捕捉業(yè)務(wù)知識(shí)，使用戶在進(jìn)行關(guān)系查詢和回答問(wèn)題時(shí)變得更容易。

為什么說(shuō)圖技術(shù)會(huì)成為主流趨勢(shì)呢？是因?yàn)榘褕D作為現(xiàn)代化數(shù)據(jù)分析的基礎(chǔ)，可以增加業(yè)務(wù)系統(tǒng)與用戶之間的理解和協(xié)作，并且能幫助企業(yè)發(fā)現(xiàn)更深一層的洞察力。因?yàn)?，?fù)雜的業(yè)務(wù)問(wèn)題是需要結(jié)合前因后果才能意識(shí)到，就像自然語(yǔ)言問(wèn)答，要結(jié)合平時(shí)喜好，才會(huì)有準(zhǔn)確答案。對(duì)于企業(yè)而言，只有了解組織、人員、交易等多個(gè)實(shí)體之間的聯(lián)系，才能把整個(gè)企業(yè)級(jí)的圖數(shù)據(jù)庫(kù)建立起來(lái)。另外，圖技術(shù)是創(chuàng)建更豐富的語(yǔ)意模型的技術(shù)，它可以增強(qiáng)分析的模型，提升對(duì)話的豐富性。對(duì)于AI場(chǎng)景來(lái)說(shuō)，圖技術(shù)可以提高算法層面的能力，幫助企業(yè)構(gòu)建出可解釋型的AI。

九、邊緣數(shù)據(jù)分析變得非常普遍

現(xiàn)在，數(shù)據(jù)分析越來(lái)越往邊緣、物這一端靠攏，要能夠支持傳統(tǒng)的數(shù)據(jù)中心和云環(huán)境之外的環(huán)境，這都是邊緣計(jì)算在背后推動(dòng)的結(jié)果。因?yàn)椋瑢?duì)于企業(yè)來(lái)說(shuō)，邊緣計(jì)算可以使數(shù)據(jù)管理和分析的方式、地點(diǎn)變得更加靈活。

從支持實(shí)時(shí)事件分析到實(shí)現(xiàn)邊緣“物”的自主行為，再到數(shù)據(jù)分析和人工智能的結(jié)合，多樣化的用例帶動(dòng)了人們對(duì)于數(shù)據(jù)分析以及邊緣功能探索的興趣。未來(lái)，邊緣計(jì)算對(duì)于業(yè)務(wù)功能、平臺(tái)、技術(shù)的影響遠(yuǎn)遠(yuǎn)超過(guò)集中式環(huán)境，會(huì)讓數(shù)據(jù)分析變得更加普遍，甚至?xí)绊懙焦芾韺右约肮芾砣藛T的職責(zé)。預(yù)計(jì)到2023年，將存在超過(guò)50%的數(shù)據(jù)分析和管理職能屬于高管權(quán)限范圍之內(nèi)，其中將包括在這種邊緣環(huán)境中創(chuàng)建管理和分析數(shù)據(jù)的能力。

　十、增強(qiáng)型消費(fèi)者的崛起帶來(lái)顛覆式影響

二十年前，企業(yè)要想進(jìn)行大數(shù)據(jù)分析，無(wú)非是購(gòu)買更大的數(shù)據(jù)庫(kù)、選擇更高效的BI工具。但是今天，企業(yè)更需要的是提高增強(qiáng)型消費(fèi)者的能力，讓越來(lái)越多的用戶可以感受到和企業(yè)相關(guān)的一些信息。這需要把數(shù)據(jù)分析的門檻降低，不只獲得報(bào)告和報(bào)表，還要用繪畫(huà)式的、嵌入式的、自然語(yǔ)言分析，更好地感知消費(fèi)者，并且給IT提供反饋信息。

從最基礎(chǔ)基于語(yǔ)義層的平臺(tái)構(gòu)建，到可視化平臺(tái)的探索，再到業(yè)務(wù)導(dǎo)向型的診斷、非場(chǎng)景化分析，數(shù)據(jù)分析能力正在逐步普及。預(yù)計(jì)未來(lái)五年內(nèi)，用戶會(huì)進(jìn)一步獲得和他情景相關(guān)的能力。比如：訓(xùn)練一個(gè)系統(tǒng)，讓用戶能夠去以問(wèn)題的形式做一些數(shù)據(jù)分析，甚至是可以做更深度的分析，這樣就可以有效提高數(shù)據(jù)分析的普及率。

上述十大趨勢(shì)說(shuō)明，增強(qiáng)型數(shù)據(jù)分析和管理將成為企業(yè)數(shù)字化轉(zhuǎn)型的核心推動(dòng)力，而對(duì)于廣大數(shù)據(jù)服務(wù)提供商來(lái)說(shuō)，機(jī)遇和挑戰(zhàn)并存。一方面，企業(yè)能夠利用增強(qiáng)型的能力，來(lái)實(shí)現(xiàn)業(yè)務(wù)能力的最大自動(dòng)化，進(jìn)而幫助用戶推進(jìn)數(shù)字化方案的落地；另一方面，企業(yè)要改變過(guò)去拿來(lái)主義的商業(yè)模式，盡量以自研的方式去開(kāi)發(fā)數(shù)據(jù)分析能力，只有把服務(wù)和技術(shù)能力結(jié)合起來(lái)，才能讓服務(wù)產(chǎn)品化，進(jìn)而打造出差異化的競(jìng)爭(zhēng)優(yōu)勢(shì)。