2021年十大数据和分析趋势

统提出更多的要求，它们需要明确如何扩大技术规模。但到目前为止，这仍是一个难题。

传统人工智能技术严重依赖历史数据，而新冠疫情给业务环境所带来的改变使历史数据失去作用。这意味着人工智能技术必须能够通过“小数据”技术和自适应机器学习来依靠较少的数据运行。为了成为遵循道德约束的人工智能，这些人工智能系统还必须保护隐私、遵守法规并尽量减少偏见。

趋势二：组装式数据分析架构(Composable data and analytics)

组装式数据分析架构使用来自多个数据、分析和人工智能解决方案的组件来获得灵活、对用户友好且实用的体验，让高管能够将数据洞见与业务行动相联系。Gartner客户问询显示，大部分大型企业机构都有一个以上的“企业标准”分析和商业智能工具。

将多个业务能力组件组合成新的应用可促进生产力和敏捷性。组装式数据分析不但可以鼓励合作、提高企业机构的分析能力，还可以增加分析的使用。

趋势三：数据编织是基础(Data fabric as the foundation)

随着数据的日益复杂以及数字化业务的加速发展，数据编织架构已成为支持组装式数据分析及其各种组件的基础架构。

由于在技术设计上能够使用/重复使用及组合不同的数据集成方式，数据编织可缩短30%的集成设计时间、30%的部署时间和70%的维护时间。另外，数据编织既可以运用现有的数据中枢、数据湖和数据仓库的技术和技能，也可以在未来加入新的方法和工具。

趋势四：从“大”数据到“小”而“宽”的数据(From big to small and wide data)

面对日益复杂的人工智能问题及数据用例稀缺方面的挑战，企业机构正用小而宽的数据取代大数据来解决许多问题。凭借“X分析”技术，即使用宽数据分析各种小而多样化(宽)的非结构化和结构化数据源并发挥它们的协同效果，从而增强情境感知和决策。顾名思义，小数据指的是能够使用所需数据量较少，但仍能提供实用洞见的数据模型。

趋势五：XOps

XOps(数据、机器学习、模型、平台)的目标是运用DevOps的最佳实践实现效率和规模经济，在保证可靠性、可重用性和可重复性的同时，减少技术和流程的重复并实现自动化。

这项技术将实现原型的扩展并为受管辖的决策系统提供灵活的设计与敏捷的协调。总体而言，XOps将使企业机构能够通过数据和分析的运营化来推动业务价值的实现。

趋势六：工程化决策智能(Engineered decision intelligence)

工程化决策智能是一门包含传统分析、人工智能和复杂自适应系统应用等广泛决策的学科。工程化决策智能不仅适用于单个决策，还适用于连续的决策。这项技术可以将决策编组成为业务流程，甚至为新兴决策网络。

凭借这项技术，企业机构能够更快获取推动业务行动所需的洞见。当与可组装性和通用数据编织架构相结合时，工程化决策智能将为企业机构决策优化方式的重新考量或重新设计带来新的可能性并提高决策的准确性、可重复性和可追溯性。

趋势七：数据和分析成为核心业务功能(Data 

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!