这些数据和分析技术趋势将有助于在未来三到五年内加速更新、推动创新和重建社会。数据和分析领导者必须研究如何利用这些趋势，进行“必须拥有”的投资，从而在重置后实现复苏和再造。

图1 Gartner十大数据分析趋势（2020）

趋势1：更智能、更快、更负责的AI

到2024年底，75%的企业将从人工智能试点转向运营，流数据和分析型基础设施规模将增加5倍。

在当前的流行背景下，人工智能技术，如机器学习、优化和自然语言处理，正在为病毒的传播以及应对措施的有效性和影响提供重要的洞察和预测。

其他更智能的AI技术，如强化学习和分布式学习，正在创建更具适应性和灵活性的系统，以处理复杂业务；例如，基于代理的系统可以建模并促进复杂系统。

让AI负责、模型透明化对于防止错误决策至关重要

对新的芯片架构(如可部署在边缘设备上的神经形态硬件)的重大投资，正在加速AI、ML计算和工作负载，并减少对高带宽集中式系统的依赖。最终，这可能导致更弹性的AI解决方案，具有更高的业务影响力。

让AI负责、模型透明化对于防止错误决策至关重要。它将推动更好的人机协作与信任，使整个组织能更好地采纳和调整决策。

趋势2：仪表盘的衰退

更具自动化和消费体验的动态数据应用将取代可视化、点击式创作和探索。因此，用户使用预定义仪表盘的时间将会减少。向上下文数据应用的转变意味着最相关的见解将根据上下文、角色或用途传递给每个用户。这些动态洞察利用了增强分析、NLP、流异常检测和协作等技术。

数据和分析领导者需要定期评估他们现有的分析和商业智能(BI)工具。初创型公司，在预定义的仪表盘之外提供新增强的和NLP驱动的用户体验。

趋势3：决策智能化

到2023年，超过三成的大型组织将有分析人员练习决策智能化，其中包括决策建模。决策智能化集合了多门学科，包括决策管理和决策支持。它包含了复杂自适应系统领域的应用，将多种传统和先进的学科相结合。

它提供了一个框架，帮助数据和分析领导者在业务结果和行为的关系中设计、建模、匹配、执行、监控和优化决策模型以及流程。

当决策需要多种逻辑和数学，自动化是必须的，或者至少记录和审计时，探索使用决策管理和建模技术。

趋势4：X分析

Gartner创造了“X分析”这一术语，其中X是一系列不同结构化和非结构化内容(如文本分析、视频分析、音频分析等)的数据变量。

数据和分析领导者使用X分析来解决社会中最棘手的挑战，包括气候变化、疾病预防和野生动物保护等。

在疫情期间，AI在梳理大量研究论文、新闻来源、社交媒体帖子和临床试验数据方面发挥了关键作用，并帮助了医疗和公共卫生专家预测疾病传播、规划能力、寻找新的治疗方法和识别弱势群体。X分析结合AI和其他技术，如图表分析(另一个顶级趋势)，在识别、预测和规划未来自然灾害和其他危机中将发挥关键作用。

数据和分析领导者应该探索现有供应商提供的X分析能力，比如用于图像、视频和语音分析的云计算供应商，但也要认识到创新很可能来自小型的初创公司和云计算供应商。

趋势5：增强型数据管理：元数据是“新黑马”

增强数据管理使用ML和AI技术来优化和改进操作。它还将用于审计、继承和报告的元数据转换为支持动态系统的元数据。

增强数据管理产品可以检查操作数据的大量样本，包括实际查询、性能数据和模式。使用现有的情况和工作负载数据，增强引擎可以优化操作、配置、安全性和性能。

数据和分析领导者应该寻找增强型数据管理，支持活动元数据来简化和整合他们的架构，并增加冗余数据管理任务的自动化。

趋势6：云是一种馈赠

到2022年，公有云服务将对90%的数据和分析创新起关键性作用。

随着数据和分析转移到云端，数据和分析的领导者仍然在努力将正确的服务与用例保持一致，这将导致不必要的治理和集成开销的增加。

数据和分析的问题已经从给定服务的成本转移到如何满足工作负载的性能需求，而不仅仅是价格表。

数据和分析领导者需要优先考虑能够利用云计算功能的工作负载，并在迁移到云计算时关注成本优化。

趋势7：数据与分析的冲突

传统上，数据和分析能力被认为是不同的实体，并分别进行管理。通过增强分析提供端到端工作流的供应商模糊了这两个市场间的区别。

数据和分析的这种冲突将增加独立的数据和分析角色之间的交互与协作。这不仅会影响所提供的技术和能力，还会影响支持和使用它们的人员和过程。角色的范围将从IT中的传统数据和分析角色扩展到信息浏览器、消费者和公民开发人员等。

为了将冲突转化为建设性的整合，可以将数据和分析工具与功能合并到分析堆栈中。除工具之外，关注人员和过程以促进交流和协作。利用数据和分析生态系统、增强方法，有潜力提供一致性的堆栈。

趋势8：数据市场与数据交换

到2022年，35%的大型机构将通过正式的在线数据市场成为数据的卖家或买家，而2020年这一比例为25%.

数据市场和交易所提供单一平台来整合第三方数据产品。这些市场和交换中心提供了集中的可用性和访问(例如X分析和其他独特的数据集)，创造了可以降低第三方数据成本的规模经济以。

为了通过数据市场将数据资产货币化，数据和分析的领导者应该通过定义一个生态系统合作伙伴可以依赖的数据治理原则来建立一个公平和透明的方法。

趋势9：数据分析中的区块链

区块链技术解决了数据和分析中的两个挑战。首先，区块链提供了资产和事务的完整继承。其次，区块链为复杂的参与者网络提供了透明性。

除了有限的比特币和智能合同实例，分类数据库管理系统（DBMS）将为单个企业审计数据源提供一个更有吸引力的选择。Gartner估计，到2021年，分类DBMS产品将取代大多数现在使用的区块链。

数据和分析应该通过强调数据管理基础设施和区块链技术功能的不匹配，将区块链技术定位成对现有数据管理基础设施的补充。

趋势10：来自数据分析基础和价值中的关系

到2023年，图像技术将在全球30%的组织中促进快速情景化决策。图像分析是一组分析技术，它允许探索相关实体(如组织、人员和事务)之间的关系。

它帮助数据和分析领导者发现数据中未知的关系，并审查传统分析中难以分析的数据。

例如,在世界应对当前和未来疫情时，图像技术可以从人们手机上的地理空间数据到人脸识别系统,对照片进行分析,以确定谁可能接触过被确诊冠状病毒检测呈阳性的个体。

考虑对图形算法和技术如何改进AI和ML计划的研究

当与ML算法相结合时，这些技术可用于梳理数千个数据源和文档，从而帮助医疗和公共卫生专家迅速发现新的治疗方法或可能导致某些患者出现更多负面影响的因素。

数据和分析领导者需要评估将图形分析整合到分析组合及应用程序中的机会，以发现隐藏的模式和关系。另外，考虑对图形算法和技术如何改进AI和ML计划进行研究。

附：其他顶级数据分析非技术趋势2020

*本文作者：宇宸，转载请注明来自FreeBuf.COM