Gartner近日公布了2021年十大數據和分析技術趨勢，這些技術趨勢將幫助企業組織應對這一年中的各種變化、不確定性和機遇。

Gartner杰出研究副總裁Rita Sallam表示：“疫情給企業組織帶來顛覆的速度，迫使數據和分析領導者必須采用恰當的工具和流程應對這些關鍵技術趨勢，對那些可能會給他們競爭優勢帶來最大潛在影響的技術趨勢設置更高優先級。”

數據和分析領導者應該把以下10個技術趨勢作為他們的關鍵投資方向，加強他們預測、轉移和響應的能力。

趨勢1：更智能、負責任的、可擴展的AI

人工智能（AI）和機器學習（ML）正在帶來更大的影響，這就要求企業采用新技術構建更智能的、消耗數據更少的、符合道德原則的、更具彈性的AI解決方案。企業組織通過部署更智能、更負責任的、更可擴展的AI，將利用學習算法和可解釋的系統，加速價值實現，給業務帶來更大影響力。

趨勢2：可組合式的數據和分析

開放的、容器化的分析架構讓數據分析功能可組合性更強。可組合式的數據分析利用來自多個數據、分析和AI解決方案的組件，快速構建靈活且用戶友好型的智能應用，從而幫助數據分析領導者將洞察和行動連接在一起。

隨著數據重心轉移到云端，可組合式的數據分析將成為一種更加敏捷的方式，開發支持云市場、低代碼和無代碼解決方案的分析應用。

趨勢3：數據架構是基礎

更高程度的數字化和不再受約束的消費者，推動著數據分析領導者越來越多地使用數據架構來一個對企業組織數據資產日益加劇的多樣化、分布式、規模和復雜性。

數據架構利用分析功能來持續監控數據管道，通過對數據資產的持續分析，支持各種數據的設計、部署和使用，縮短集成時間30％，縮短部署時間30％，云服務器租用，縮短維護時間70％。

趨勢4：從大數據到小數據、寬數據

疫情給企業帶來的極端變革，導致那些基于大量歷史數據的機器學習和人工智能模型變得不那么重要了。同時，由人類和AI做出的決策變得更加復雜和苛刻，要求數據分析領導者擁有更多種類的數據才能更好地了解態勢。

因此，數據分析領導者應該選擇那些可以更有效地利用可用數據的分析技術。數據分析領導者依賴于所謂的“寬數據”和“小數據”，寬數據可以對各種小型的、大型的、非結構化的、結構化的數據源進行分析和協同，小數據指的是那些需要較少數據但仍提供有用見解的分析技術應用。

Sallam表示：“小數據和寬數據提供強大的分析和人工智能功能，降低了企業組織對大數據集的依賴性，而且通過使用寬數據，企業組織還可以獲得更豐富、更完整的、全方位的態勢感知，使他們能夠運用分析來做出更好的決策。”

趨勢5：XOps

XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目標是利用DevOps最佳實踐來實現效率和規模經濟，確保可靠性、可重用性和可重復性，同時減少技術和流程的重復，實現自動化。

大多數分析和人工智能項目都因為僅僅在事后才能解決可操作性問題而失敗了。如果數據分析領導者利用XOps進行大規模運營，將實現分析和人工智能資產的再生性、可追溯性、完整性和可集成性。

趨勢6：工程決策智能

工程決策智能不僅適用于單個決策，還適用于決策序列，可將其分為多個業務流程，甚至是突發決策和結果構成的多個網絡。隨著決策得到增強并且越來越自動化，工程決策讓數據分析領導者有機會做出更準確、可重復、透明和可追溯的決策。

趨勢7：數據和分析是一項核心業務功能

數據分析不再是一個次要項目，而是變成了核心的業務功能。在這種情況下，數據分析變成與業務成果一致的共享業務資產，而且因為中央和聯合數據分析團隊之間能夠更好地展開協作，數據分析孤島問題也得到了解決。

趨勢8：關聯一切的圖形技術

圖形技術構成了很多現代數據分析功能的基礎，可以在各種數據資產之間找到人、地方、事物、事件和位置之間的關系。數據分析領導者依靠圖形技術快速回答復雜的業務問題，云主機，而這些問題往往需要上下文感知，以及理解多個實體之間的關聯本質。

Gartner預測，到2025年圖形技術將被用于80％的數據分析創新項目中，高于2021年的10％，從而促進整個企業組織的快速決策。

趨勢9：增強型消費者的崛起