共计 2068 个字符，预计需要花费 6 分钟才能阅读完成。
Gartner 近日颁布了 2021 年十大数据和剖析技术趋势，这些技术趋势将帮忙企业组织应答这一年中的各种变动、不确定性和时机。
Gartner 卓越钻研副总裁 Rita Sallam 示意：“疫情给企业组织带来颠覆的速度，迫使数据和剖析领导者必须采纳失当的工具和流程应答这些关键技术趋势，对那些可能会给他们竞争劣势带来最大潜在影响的技术趋势设置更高优先级。”
数据和剖析领导者应该把以下 10 个技术趋势作为他们的要害投资方向，增强他们预测、转移和响应的能力。
趋势 1：更智能、负责任的、可扩大的 AI
人工智能（AI）和机器学习（ML）正在带来更大的影响，这就要求企业采纳新技术构建更智能的、耗费数据更少的、合乎道德准则的、更具弹性的 AI 解决方案。企业组织通过部署更智能、更负责任的、更可扩大的 AI，将利用学习算法和可解释的零碎，减速价值实现，给业务带来更大影响力。
趋势 2：可组合式的数据和剖析
凋谢的、容器化的剖析架构让数据分析性能可组合性更强。可组合式的数据分析利用来自多个数据、剖析和 AI 解决方案的组件，疾速构建灵便且用户敌对型的智能利用，从而帮忙数据分析领导者将洞察和口头连贯在一起。
随着数据重心转移到云端，可组合式的数据分析将成为一种更加麻利的形式，开发反对云市场、低代码和无代码解决方案的剖析利用。
趋势 3：数据架构是根底
更高水平的数字化和不再受约束的消费者，推动着数据分析领导者越来越多地应用数据架构来一个对企业组织数据资产日益加剧的多样化、分布式、规模和复杂性。
数据架构利用剖析性能来继续监控数据管道，通过对数据资产的继续剖析，反对各种数据的设计、部署和应用，缩短集成工夫 30%，缩短部署工夫 30%，缩短保护工夫 70%。
趋势 4：从大数据到小数据、宽数据
疫情给企业带来的极其改革，导致那些基于大量历史数据的机器学习和人工智能模型变得不那么重要了。同时，由人类和 AI 做出的决策变得更加简单和刻薄，要求数据分析领导者领有更多品种的数据能力更好地理解态势。
因而，数据分析领导者应该抉择那些能够更无效地利用可用数据的剖析技术。数据分析领导者依赖于所谓的“宽数据”和“小数据”，宽数据能够对各种小型的、大型的、非结构化的、结构化的数据源进行剖析和协同，小数据指的是那些须要较少数据但仍提供有用见解的剖析技术利用。
Sallam 示意：“小数据和宽数据提供弱小的剖析和人工智能性能，升高了企业组织对大数据集的依赖性，而且通过应用宽数据，企业组织还能够取得更丰盛、更残缺的、全方位的态势感知，使他们可能使用剖析来做出更好的决策。”
趋势 5：XOps
XOps（包含 DataOps、MLOps、ModelOps 和 PlatformOps）的指标是利用 DevOps 最佳实际来实现效率和规模经济，确保可靠性、可重用性和可重复性，同时缩小技术和流程的反复，实现自动化。
大多数剖析和人工智能我的项目都因为仅仅在预先能力解决可操作性问题而失败了。如果数据分析领导者利用 XOps 进行大规模经营，将实现剖析和人工智能资产的再生性、可追溯性、完整性和可集成性。
趋势 6：工程决策智能
工程决策智能不仅实用于单个决策，还实用于决策序列，可将其分为多个业务流程，甚至是突发决策和后果形成的多个网络。随着决策失去加强并且越来越自动化，工程决策让数据分析领导者有机会做出更精确、可反复、通明和可追溯的决策。
趋势 7：数据和剖析是一项外围业务性能
数据分析不再是一个主要我的项目，而是变成了外围的业务性能。在这种状况下，数据分析变成与业务成绩统一的共享业务资产，而且因为地方和联结数据分析团队之间可能更好地开展合作，数据分析孤岛问题也失去了解决。
趋势 8：关联所有的图形技术
图形技术形成了很多古代数据分析性能的根底，能够在各种数据资产之间找到人、中央、事物、事件和地位之间的关系。数据分析领导者依附图形技术疾速答复简单的业务问题，而这些问题往往须要上下文感知，以及了解多个实体之间的关联实质。
Gartner 预测，到 2025 年图形技术将被用于 80%的数据分析翻新我的项目中，高于 2021 年的 10%，从而促成整个企业组织的疾速决策。
趋势 9：增强型消费者的崛起
现在大多数企业用户应用的是预约义的仪表板和手动数据浏览性能，这可能导致论断、决策和操作失误，而主动的、对话式的、挪动且动静生成的洞察将取代预约义的仪表板，可依据用户需要进行定制，交付给生产方。
Sallam 示意：“这将推动剖析能力转移到信息消费者——增强型消费者，让他们具备那些以前只有分析师和数据科学家能力领有的能力。”
趋势 10：边缘地位的数据和剖析
数据、剖析和其余反对技术正在被越来越多地使用于边缘计算环境中，并且这些技术更凑近物理资产所在的地位，位于 IT 权限范畴之外。Gartner 预测，到 2023 年超过 50%的数据分析领导者的主要职责将波及到在边缘环境中创立、治理和剖析的数据。
数据分析领导者能够利用这一趋势来进步数据管理的灵活性、速度、治理和弹性。从反对实时事件剖析到实现“物”的自主行为，各种各样的应用场景正在吸引着人们对数据分析边缘能力的趣味。
