Gartner在Gartner數據與分析峰會上介紹了企業和IT領導者必須參與并納入其數據和分析戰略(見圖1)的十大趨勢。
圖1：2023年十大數據和分析趨勢資料來源：Gartner(2023年5月)
趨勢1：價值優化
大多數D&A領導者都難以用業務術語闡明他們為組織提供的價值。組織的數據、分析和人工智能(AI)組合的價值優化需要一套集成的價值管理能力，包括價值故事話術、價值流分析、投資排名和優先排序，以及衡量業務成果以確保實現預期價值。
D&A領導者必須通過構建價值故事來優化價值，這些故事在D&A計劃與組織的關鍵任務優先事項之間可以建立起明確的聯系。
趨勢2：管理AI風險
AI的日益普及使公司面臨新的風險，例如道德風險、訓練數據中毒或者欺詐檢測規避等，這些風險必須得到緩解。管理AI風險不僅僅是要遵守法規，有效的AI治理和負責任的AI實踐對于在利益相關者之間建立信任和促進AI的采用和使用來說，也是至關重要的。
趨勢3：可觀察性
可觀察性是一種特性，有助于了解D&A系統的行為，并允許回答有關其行為的問題。
可觀察性讓組織能夠縮短確定影響性能問題根本原因的時間，以及使用可靠且準確的數據做出及時且具有成本效益的業務決策所需的時間。D&A領導者需要評估數據可觀察性工具，以了解主要用戶的需求，并確定這些工具是如何融入整個企業生態系統的
趨勢4：數據共享必不可少
數據共享包括了內部(部門之間或者部門之間或者子公司之間)和外部(組織所有權和控制范圍之外的各方之間)共享數據。組織可以創建“數據即產品”，其中將D&A資產作為一種可交付的產品或者共享的產品。
Gartner高級總監、分析師Kevin Gabbard表示：“數據共享協作，包括組織外部的協作，增加了可重復使用的、先前創建的數據資產來提高數據共享的價值。采用數據結構設計，使單一架構能夠跨異構內部和外部數據源共享數據?！?/FONT>
趨勢5：D&A可持續性
D&A領導者僅僅為企業ESG(環境、社會和治理)項目提供分析和洞察是不夠的。D&A領導者還必須嘗試優化自己的流程以提高可持續性。潛在的好處是巨大的。D&A和AI從業者越來越意識到他們的能源足跡正在不斷增長。因此，出現了各種實踐，例如(云)數據中心使用可再生能源、使用更節能的硬件、以及使用小數據和其他機器學習技術。
趨勢6：實用的數據結構
Data Fabric是一種數據管理設計模式，利用所有類型的元數據來觀察、分析和推薦數據管理解決方案。Data Fabric通過組裝和豐富底層數據的語義，對元數據應用持續分析，以生成警報和建議，讓人類和系統可以用于采取行動。Data Fabric讓業務用戶能夠自信地使用數據，并促進技能較低的全民開發人員在集成和建模過程中變得更加靈活。
趨勢7：新興的AI
ChatGPT和生成式AI是新興AI趨勢的先鋒。新興AI將改變大多數企業在可擴展性、多功能性和適應性方面的運作方式。下一波AI浪潮將使企業組織能夠在目前不可行的情況下應用AI，從而使AI變得更為普遍和具有價值。
趨勢8：融合的、可組合的生態系統
融合的D&A生態系統設計和部署D&A平臺，通過無縫集成、治理和技術互操作性緊密地運行和運作。生態系統的可組合性是通過構建、組裝和部署可配置的應用和服務來實現的。
有了適當的架構，D&A系統就可以更加模塊化，適應性更強，更靈活，可動態擴展并更加精簡，以滿足不斷增長和變化的業務需求，并隨著業務和運營環境不可避免的變化而發展。
趨勢9：消費者成為創造者
用戶花在預定義儀表盤上的時間占比，將被滿足特定內容消費者時間點需求的對話式、動態和嵌入式用戶體驗所取代。
企業組織可以通過為內容消費者提供易于使用的自動化和嵌入式洞察力，以及他們成為內容創建者所需的對話體驗，來擴大分析的采用和影響。
趨勢10：人類仍然是關鍵決策者
并非每個決策都可以或者應該被自動化。D&A部門將明確他們給決策的支持，以及人類在自動化和增強決策制定中發揮的作用。
如不考慮人類在決策中發揮的作用，那么推動決策自動化的過程將導致數據驅動型組織缺乏人性化或者是始終如一的目標。組織的數據素養計劃需要強調，數據和分析是要與人類決策相結合的。
（工信頭條）
