在接下来的一年里，数据和分析团队及其领导者将需要利用数据和分析来预测变化，快速做出响应，然后加速变化。这一成功的基础将是业务专家、数据和分析领导者及其团队在共享知识和一致愿景的基础上并肩工作的能力。
分而治之
分开参加更多为团队每个成员设计的会议。
通过参加小组会议，加速学习并建立共同的愿景
对于利益相关者来说，没有比这更好的环境了
评估供应商和解决方案提供者
比较企业中所有利益相关者的解决方案。
与专家组成团队会面
讨论你的挑战并验证你的策略。
多买，多存
团体房价折扣
如果你和同事一起参加会议，可以节省注册费用。
- 每3个付费注册就有1个
- 每5个付费注册就有2个
- 每7个付费注册就有3个
- 每10个付费注册就有4个
欲了解更多信息，请发送电子邮件GlobalConferences@gartner.com或联系您的高德纳代表。
团队参加会议的小贴士
在与同事建立牢固的关系和更深层次的共同理解的同时，调整你的愿景，以帮助推动你的战略向前发展。
- 进行团队计划电话会议，设定主要目标。
- 制定一个策略来区分和解决议程(你们一起参加哪些会议也同样重要)。
- 就如何分享关键课程达成一致。
- 在谷歌驱动器或其他文件共享平台上为笔记、幻灯片等创建一个文档存储库。
- 创建一个Microsoft Teams/Slack/谷歌Hangout频道，以便在会议期间保持联系。
- 制定一个计划，作为一个团队一起喝咖啡或吃午餐。
- 安排上午或下午的会议，讨论你希望学什么，你已经学到了什么，并保持联系。
- 安排一次会议来回顾关键的收获，并为如何应用你所学到的知识制定一个行动计划。由于你所学到的东西，你打算开始做什么/停止做什么/做什么不同的事情?
- 在LinkedIn上与你在会议上遇到的同行联系。
- 安排与激起你兴趣的任何参展商的后续会议(通过Gartner Conference Navigator)。
按角色建议会话
首席数据官及同等职位，如首席分析官、数据与分析主管等。
- CDO圆
- 组织与角色的基础:从控制到协作
- 情景规划:D&A领导者如何洞察未来
- 有效数据和分析操作模型的基础
- 为什么每个组织都应该有首席数据官
- 如何与CEO就数据和分析展开对话
分析和商业智能领导者
- 现代数据和分析战略的基础
- 数据讲故事:用数据吸引决策者的更好方式
- 通过自动化为每个人扩展分析
- 使用AI成熟度模型在正确的时间做正确的事情
- 利用自助服务数据准备来应对不断上升的数据工程挑战
数据管理领导者(包括数据工程师等角色)
- 数据和分析的基础是云!
- 数据管理的未来是永远活跃、永远在线和在云中
- 数据湖、数据仓库和数据中心不一样:了解它们的功能和用途
- 如何为增强数据管理和集成设计数据结构
- 12快速行动提高您的数据质量
- 边缘计算和物联网解决方案:要知道什么以及如何准备
- 通过采用具有人工智能元数据功能的现代数据目录，最大限度地提高业务成果
业务分析师
- 如何管理自助服务分析
- 通过自动化为每个人扩展分析
- 使用可组合数据和分析构建面向业务的模块化分析体验
- 现代数据和分析战略的基础
- 数据和分析的基础是云!
- 决策:数据和分析能让决策变得更好吗?
- 如何利用客户数据管理技术获得更好的客户体验
高级商业领袖
- 2022年数据与分析的主要趋势
- 数据讲故事:用数据吸引决策者的更好方式
- 情景规划:D&A领导者如何洞察未来
- 通过自动化为每个人扩展分析
- 数据科学和机器学习的未来:你不能忽视的关键趋势
- 如何与CEO就数据和分析展开对话
数据科学家
- 如何建立对人工智能的信任?减少模型偏差并纳入可解释的AI
- 技术洞察:使用合成数据和其他技术在数据科学解决方案中嵌入数据隐私
- 数据科学和机器学习的未来:你不能忽视的关键趋势
- 用图表分析和机器学习提升你的AI游戏
数据和分析治理和主数据管理领导者
- 数据和分析治理平台之旅
- MDM在哪里以及如何为业务增加价值
- 数据与分析治理:基础与展望
- 主数据管理的基础
- 互联治理需要一个数据分析治理平台
架构师
- 数据湖、数据仓库和数据中心不一样:了解它们的功能和用途
- 使用合成数据和其他技术在数据科学解决方案中嵌入数据隐私
- 数据管理的未来是永远活跃、永远在线和在云中
- 如何为增强数据管理和集成设计数据结构
- 边缘计算和物联网解决方案:要知道什么以及如何准备
- 问专家:数据中心在现代D&A架构中的位置?
人工智能项目负责人
- 使用AI成熟度模型在正确的时间做正确的事情
- 人工智能和客户分析-现在和未来
- 用图表分析和机器学习提升你的AI游戏
- 数据科学和机器学习的未来:你不能忽视的关键趋势
- 技术洞察:使用合成数据和其他技术在数据科学解决方案中嵌入数据隐私
- 如何建立对人工智能的信任?减少模型偏差并纳入可解释的AI
- 请教专家:如何运作AI和ML项目——关键考虑因素、最佳实践和经验教训
- 圆桌会议:降低人工智能决策风险的策略
