“作为数据分析专业人士，我们应该经常问自己，不仅是我们是否以最好的方式收集、集成和存储数据，更重要的是，我们是否拥有正确的数据。”

“拥有正确种类的数据比数量更重要。”

数据与分析领导者可以通过以下四件事来确保他们拥有正确的数据:1)以防万一，停止收集数据;2)考虑用大数据代替小数据，3)用真实数据替换合成数据，4)确保你的活动元数据不仅能告诉你你拥有什么数据，还能告诉你它意味着什么。

“最有价值的数据将是我们创造的数据，而不是我们收集的数据。”

Gartner估计，到2030年，用于构建模型的大部分数据将是合成数据。

“单靠数据不太可能推动决策。通过改进决策时间、加快决策速度和连接决策来设计更好的决策。”

从相关的Gartner开幕主题演讲中了解更多信息Gartner新闻稿．

“世界正在变得消费化和高度情境化，分析和商业智能(BI)也必须如此。”

Gartner的一项调查发现，44%的受访者表示，在选择新的分析和BI平台时，自动化洞察是他们所需要的能力。”

Gartner估计，到2025年，数据故事将成为消费分析的最普遍方式，75%的故事将使用增强分析技术自动生成。

自动化在分析和BI中的应用正在增长，36%的受访者目前正在为信息工作者使用自动化增强分析。另有40%的人计划在未来12个月内这样做。

通过自动化扩展分析采用包括六个步骤:与业务价值保持一致，然后进行试点和验证;更新角色并投资于数据素养;跨企业的规模分析;减轻专家阻力;投资于见解和模型的可解释性;评估供应商。

“从小数据开始，展示价值，建立信任。投资于持续的数据素养和用户支持，因为这将是成功的重要因素。”

趋势1:自适应人工智能系统——随着决策变得更紧密、更有背景性、更连续，决策与管理领导者越来越需要重新设计决策。使用自适应人工智能系统，可以通过更快速地适应变化来提供更快、更灵活的决策。

趋势2:以数据为中心的AI——如果没有正确的数据，构建AI是有风险的，甚至可能是危险的。将以数据为中心的人工智能作为数据管理策略的一部分，将确保解决特定于人工智能的数据问题，如数据偏见、标签和漂移。

趋势3:情境丰富分析——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情境。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。

趋势4:技能和素养不足——到2025年，大多数cdo将无法在员工中培养必要的数据素养，以实现其既定的数据驱动战略业务目标。组织必须培养更广泛的数据素养和数字学习，而不是简单地提供核心平台、数据集和工具。

趋势#5:连接的治理——连接的治理提供了一种方法来连接不同的治理工作，包括跨物理和虚拟以及地理位置的D&A治理。