12个需要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并管理不确定性。
• 投资那些与你的组织最相关的趋势，可以帮助你满足首席执行官的优先事项，即恢复和加速增长。
• 基于关键趋势的紧迫性和与您的战略业务优先级的一致性，主动监控、试验或决定积极投资关键趋势。

俄罗斯入侵乌克兰在持续的全球流行病之外，再加上一场地缘政治危机，如何管理由此产生的持续的不确定性和波动性将是数据和分析领域领导者今年关注的重点。

立即下载:数据和分析的IT路线图

“现在是时候通过监控、试验或积极投资关键的D&A技术趋势，根据其紧迫性和与业务优先级的一致性，预测、调整和扩大D&A战略的价值了，”他说丽塔Sallam， Gartner杰出副总裁分析师。

今年数据和分析领域的主要趋势与以下三点有关:

• 激活多样性和活力。使用自适应人工智能系统在应对国际市场波动的同时推动增长和创新。
• 扩充人员和决策交付丰富的、上下文驱动的分析，由业务从模块化组件创建。
• 制度化信任实现大规模D&A的价值。管理AI风险，制定跨分布式系统、边缘环境和新兴生态系统的连接治理。

2022年的12个数据和分析(D&A)趋势

我们已经确定了代表商业、市场和技术动态的数据和分析趋势，你不能忽视。这些趋势也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AI系统

随着决策变得更加联系、上下文和连续性，越来越重要的是重新设计决策．你可以通过使用自适应AI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AI系统，需要采用AI工程实践。AI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

第二:以数据为中心的AI

许多组织试图在不考虑人工智能特定的数据管理问题的情况下处理人工智能。“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差、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

的数据结构侦听、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，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，芬兰的图尔库市发现数据中的漏洞阻碍了创新。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，并创建一个盈利数据结构。

了解更多:数据和分析的终极指南

4 .始终共享数据

尽管数据和分析领域的领导者们经常承认，数据共享是数字转型的关键能力，但他们缺乏大规模共享数据的专业知识和信任。

为了成功地促进数据共享和增加对与业务用例相一致的正确数据的访问，跨业务和行业线进行协作。这将加快对增加预算权力和数据共享投资的接受。此外，请考虑采用数据结构设计，以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 .情境丰富的分析

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中，可以使用数据点之间的关系以及数据点本身进行更深层次的分析。它有助于识别和创建基于相似性、约束、路径和社区的进一步上下文。

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AI云服务的能力和技能，这些能力和技能可以处理不同的数据类型。到2025年，情境驱动的分析和AI模型将取代现有基于传统数据的模型的60%。

6 .由业务组成的D&A

Gartner推崇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上，但重点是人的方面，从IT转移到业务。

业务组合的D&A使业务用户或业务技术人员协同开发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

决策情报这门学科是对应该如何做出决策的仔细考虑，它正在促使组织重新考虑其在决策与分析能力方面的投资。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进行决策智能实践，包括决策建模。