COVID-19疫情對全球機構(gòu)產(chǎn)生急劇影響，迫使數(shù)據(jù)與分析專業(yè)人員迅速通過工具和流程來確定關(guān)鍵技術(shù)趨勢，并對那些能最大幅度提升機構(gòu)競爭力的關(guān)鍵技術(shù)予以優(yōu)先采納部署。2021年3月16日，信息技術(shù)咨詢公司Gartner發(fā)布2021年十大數(shù)據(jù)與分析技術(shù)趨勢，以期助力機構(gòu)在新的一年能迅速應對相關(guān)變化、不確定性和機遇。數(shù)據(jù)與分析專業(yè)人員應考慮在這十大趨勢方面做出關(guān)鍵任務投資，改善其預測、轉(zhuǎn)變與應對能力。

人工智能和機器學習已產(chǎn)生深刻影響，促使企業(yè)應用新技術(shù)來開發(fā)出更智能、需要更少數(shù)據(jù)、符合倫理規(guī)范和更具彈性的人工智能解決方案。在應用更智能、更負責、可擴展的人工智能時，機構(gòu)將能夠“利用學習算法和可解釋系統(tǒng)在更短的時間內(nèi)實現(xiàn)價值目標和更高的業(yè)務影響”。

開放的且容器化的分析體系架構(gòu)使分析功能更加可組合。可組合的數(shù)據(jù)與分析方法利用多源數(shù)據(jù)、分析方法和人工智能解決方案的組件，來快速構(gòu)建靈活且用戶友好的智能應用程序，以幫助數(shù)據(jù)與分析專業(yè)人員將其見解與行動聯(lián)系起來。

隨著數(shù)據(jù)中心向云端遷移，可組合的數(shù)據(jù)與分析法將通過云端市場和低碼和無碼解決方案等，以更靈活的方式構(gòu)建分析應用程序。

隨著數(shù)字化程度的提高和消費者的“解放”，數(shù)據(jù)與分析專業(yè)人員將越來越多地利用數(shù)據(jù)結(jié)構(gòu)來幫助解決其“機構(gòu)數(shù)據(jù)資產(chǎn)中更高層級的多樣性、分布性、規(guī)模和復雜性”。數(shù)據(jù)結(jié)構(gòu)使用分析來不斷監(jiān)控數(shù)據(jù)管道。數(shù)據(jù)結(jié)構(gòu)通過對數(shù)據(jù)資產(chǎn)的連續(xù)分析，來支持各類型數(shù)據(jù)的設(shè)計、部署和利用，從而將集成時間減少30%，部署時間減少30%，維護時間減少70%。

COVID-19疫情帶來的極端業(yè)務變化導致基于大量歷史數(shù)據(jù)的機器學習和人工智能模型變得不那么相關(guān)。人類與人工智能相結(jié)合的決策制定變得越來越復雜且苛刻，需要數(shù)據(jù)與分析專業(yè)人員選擇有效的數(shù)據(jù)分析技術(shù)、利用更多種類的數(shù)據(jù)來提升情景態(tài)勢感知。他們應依靠更寬泛的數(shù)據(jù)，實現(xiàn)針對小數(shù)據(jù)和大數(shù)據(jù)、結(jié)構(gòu)化和非結(jié)構(gòu)數(shù)據(jù)源的協(xié)同分析。小數(shù)據(jù)模型雖然使用的數(shù)據(jù)量較少，但通過有效的分析方法也能提供深刻的見解。

多樣化運維（XOps）包括數(shù)據(jù)運維（DataOps）、機器學習運維（MLOps）、模型運維（ModelOps）和平臺運維（PlatformOps），是通過開發(fā)運維（DevOps）最佳實踐來實現(xiàn)規(guī)模效率和規(guī)模經(jīng)濟，并確保可靠性、可重用性和可重復性。它能減少技術(shù)和流程的重復，并實現(xiàn)自動化。

大多數(shù)分析和人工智能項目失敗的原因是沒能事先考慮運維。如果數(shù)據(jù)與分析專業(yè)人員能利用XOps開展規(guī)模運維，他們將實現(xiàn)分析和人工智能資產(chǎn)的可再現(xiàn)性、可追溯性、完整性和可集成性。

工程決策智能是一門包含傳統(tǒng)分析、人工智能和復雜自適應系統(tǒng)應用等廣泛決策的學科。工程決策智能不僅適用于單個決策，還適用于決策序列。隨著決策變得更加自動化和增強，工程決策智能將賦能數(shù)據(jù)與分析專業(yè)人員以做出更加準確、可重復、透明且可追溯的決策。

數(shù)據(jù)與分析工作已經(jīng)不再是次要業(yè)務職能，而是轉(zhuǎn)變?yōu)橐豁椇诵臉I(yè)務職能。數(shù)據(jù)與分析已成為可與業(yè)務成果相提并論的共享業(yè)務資產(chǎn)。由于中央型和分散型數(shù)據(jù)與分析團隊之間更好的協(xié)作，數(shù)據(jù)與分析孤島已被打破。

圖譜構(gòu)成了大多數(shù)現(xiàn)代數(shù)據(jù)與分析能力的基礎(chǔ)，從而幫助發(fā)現(xiàn)各類型數(shù)據(jù)資產(chǎn)之間人物、地點、事物、事件和位置的關(guān)系。數(shù)據(jù)與分析專業(yè)人員依賴圖譜來快速解答復雜的業(yè)務問題，這需要上下文意識，以及對跨多個實體之間的聯(lián)系和優(yōu)勢性質(zhì)的理解。

Gartner預測，到2025年，80%的數(shù)據(jù)與分析創(chuàng)新中都將用到圖譜技術(shù)，遠高于2021年的10%，促進實現(xiàn)整個組織內(nèi)的快速決策。

如今，大多數(shù)業(yè)務用戶使用預先定義的儀表盤和手動數(shù)據(jù)探索分析，但這可能導致錯誤的結(jié)論以及有缺陷的決策和操作。花在預先定義的儀表盤上的時間將逐漸被自動化的、會話式、移動式和動態(tài)生成的見解所取代，這些見解是根據(jù)用戶的需求定制的。

Gartner研究副總裁Rita Sallam表示，“這將把分析能力轉(zhuǎn)移給信息消費者，即增強型消費者，賦予他們以前只有分析人員和公民數(shù)據(jù)科學家才有的能力。”

數(shù)據(jù)、分析及其支撐技術(shù)越來越多地存在于邊緣計算環(huán)境中，更接近物理世界中的資產(chǎn)而超出了信息技術(shù)人員的權(quán)限。Gartner預測，到2023年，數(shù)據(jù)與分析專業(yè)人員超過50%的主要職責將涉及在邊緣環(huán)境中所創(chuàng)建、管理和分析的數(shù)據(jù)。

Gartner總結(jié)說：“數(shù)據(jù)與分析專業(yè)人員可以利用這一趨勢來提高數(shù)據(jù)管理的靈活性、速度、治理和恢復能力。從支持實時事件分析到實現(xiàn)‘萬物’自主行為，各種各樣的用例正催生人們對邊緣數(shù)據(jù)與分析的興趣。”

來源：世界科技研究與發(fā)展