12个值得关注的数据和分析趋势

简而言之:

• 这些数据和分析(D&A)趋势将允许您预测变化和管理不确定性。
• 投资于那些与你的组织最相关的趋势，可以帮助你实现首席执行官的首要任务，即恢复和加速增长。
• 根据关键趋势的紧迫性和与战略业务优先级的一致性，主动监控、试验或然后决定积极投资于关键趋势。

俄罗斯入侵乌克兰在持续的全球大流行之外，再加上地缘政治危机，管理由此产生的持续的不确定性和波动性将成为数据和分析领导者今年的重点。

立即下载:数据和分析的IT路线图

Gartner杰出副总裁分析师丽塔•萨拉姆表示:“现在是时候根据关键的数据分析技术趋势的紧迫性和与业务优先事项的一致性，通过监测、试验或积极投资，来预测、调整和扩大数据分析战略的价值了。”

今年数据和分析领域的三大趋势:

• 激活多样性和活力。使用自适应人工智能系统在应对全球市场波动的同时，推动增长和创新。
• 扩充人员和决策交付由业务模块组件创建的丰富的、上下文驱动的分析。
• 制度化信任实现大规模的D&A价值。管理人工智能风险，并在分布式系统、边缘环境和新兴生态系统中实施关联治理。

2022年的12个数据和分析(D&A)趋势

我们已经确定了代表业务、市场和技术动态的数据和分析趋势，你不能忽视。这些趋势还有助于优先考虑投资，以推动新的增长、效率、弹性和创新。

立即下载:成为数据驱动型组织的5个关键举措

1 .自适应人工智能系统

随着决策的关联性、情境性和连续性越来越强，在决策过程中进行决策变得越来越重要重新设计决策．你可以通过使用自适应人工智能系统来做到这一点，它可以通过更快速地适应变化来提供更快、更灵活的决策。

然而，要构建和管理自适应人工智能系统，请采用人工智能工程实践。人工智能工程编排和优化应用程序，以适应、抵抗或吸收中断，促进自适应系统的管理。

下载电子书:IT领导者做出更好决策的5个关键行动

2 .以数据为中心的人工智能

许多组织试图解决人工智能而不考虑人工智能特定的数据管理问题。“如果没有正确的数据，构建人工智能是有风险的，甚至可能是危险的，”萨拉姆说。因此，形式化以数据为中心的AI和以AI为中心的数据是至关重要的。它们以更系统的方式解决数据偏见、多样性和标签问题，作为数据管理策略的一部分——包括，例如，使用数据结构在自动化数据集成和主动元数据管理方面。

3 .元数据驱动的数据结构

的数据结构倾听、学习并对元数据采取行动。它为人员和系统标记并建议操作。最终，它提高了组织中对数据的信任和使用，并可以减少70%的各种数据管理任务，包括设计、部署和操作。

举个例子，芬兰图尔库市发现数据上的差距阻碍了创新。通过整合碎片化的数据资产，它能够重用数据，将上市时间缩短三分之二，并创建了一个更好的平台盈利数据结构。

了解更多:数据和分析的终极指南

4 .始终共享数据

虽然数据和分析领导者经常承认数据共享是一项关键的数字化转型能力，但他们缺乏大规模和信任共享数据的专业知识。

为了成功地促进数据共享和增加对与业务案例相一致的正确数据的访问，需要跨业务和行业线进行协作。这将加速人们对增加预算权限和数据共享投资的接受。此外，可以考虑采用数据结构设计来支持跨异构内部和外部数据源共享数据的单一体系结构。

5 .情境丰富分析

上下文丰富的分析建立在图形技术之上。关于用户上下文和需求的信息保存在一个图表中，可以使用数据点之间的关系和数据点本身进行更深入的分析。它有助于基于相似性、约束、路径和社区识别和创建进一步的上下文。

捕获、存储和使用上下文数据需要构建数据管道、X分析技术和可以处理不同数据类型的AI云服务的能力和技能。到2025年，情境驱动的分析和人工智能模型将取代60%基于传统数据的现有模型。

6 .由业务组成的D&A

Gartner支持数据和分析的模块化方法，或者“可组合d和a“业务组成的数据和分析建立在这一趋势之上，但重点是在人员方面，从IT转移到业务。

业务组成的D&A使业务用户或业务技术人员协同构建业务驱动的数据和分析功能。

了解更多:关于人工智能你需要知道的一切

7 .以决策为中心的D&A

决策智能的原则是仔细考虑应该如何做出决策，这使得组织重新考虑他们在D&A能力上的投资。使用决策智能规程来设计最佳决策，然后交付所需的输入。

Gartner估计，到2023年，超过33%的大型组织将有分析师练习决策智能，包括决策建模。