12个数据和分析趋势，保持你的雷达

简而言之:

• 这些数据和分析(D&A)趋势将允许您预测变化并管理不确定性。
• 投资于那些与你的组织最相关的趋势，可以帮助你满足CEO的首要任务，即回归并加速增长。
• 根据关键趋势的紧迫性和与战略业务优先级的一致性，积极监测、试验或决定积极投资关键趋势。

俄罗斯入侵乌克兰在持续的全球流行病之外，又增加了地缘政治危机，管理随之而来的持续不确定性和波动性将是数据和分析领导者今年关注的重点。

立即下载:数据和分析的IT路线图

Gartner杰出副总裁分析师Rita salam表示:“现在是时候根据关键的D&A技术趋势的紧迫性和与业务优先级的一致性，通过监测、试验或积极投资，来预测、调整和扩大D&A战略的价值。”

今年数据和分析领域的三大趋势:

• 激活多样性和活力。使用自适应人工智能系统在应对国际市场波动的同时，推动增长和创新。
• 增加人员和决策交付由业务模块组件创建的丰富的、上下文驱动的分析。
• 制度化信任实现大规模的研发价值。管理人工智能风险，并制定跨分布式系统、边缘环境和新兴生态系统的互联治理。

2022年的12个数据和分析趋势

我们已经确定了代表业务、市场和技术动态的数据和分析趋势，这些趋势不容忽视。这些趋势还有助于确定投资的优先顺序，以推动新的增长、效率、韧性和创新。

立即下载:成为数据驱动型组织的5个关键举措

1 .自适应AI系统

随着决策变得更有关联、更有情境性和更连续，越来越重要的是重新设计决策。你可以通过使用自适应人工智能系统来做到这一点，它可以通过更快地适应变化来提供更快、更灵活的决策。

然而，要构建和管理自适应人工智能系统，需要采用人工智能工程实践。人工智能工程编排和优化应用程序，以适应、抵抗或吸收中断，促进自适应系统的管理。

下载电子书:IT领导者做出更好决策的5个关键行动

第二:以数据为中心的人工智能

许多组织试图在没有考虑AI特定数据管理问题的情况下解决AI。萨拉姆说:“如果没有正确的数据，构建人工智能是有风险的，甚至可能是危险的。”因此，将以数据为中心的AI和以AI为中心的数据形式化是至关重要的。它们以更系统的方式解决数据偏差、多样性和标签问题，作为数据管理策略的一部分——例如，包括使用数据结构在自动化数据集成和主动元数据管理方面。

3 .元数据驱动的数据结构

的数据结构监听、学习并对元数据采取行动。它为人员和系统标记并推荐操作。最终，它提高了组织对数据的信任和使用，并可以减少70%的各种数据管理任务，包括设计、部署和运营。

例如，芬兰的图尔库市发现数据上的差距阻碍了其创新。通过整合分散的数据资产，该公司能够重用数据，将上市时间缩短三分之二，并创造了一个新的市场盈利数据结构。

了解更多:你的数据和分析终极指南

4 .始终共享数据

虽然数据和分析领导者经常承认数据共享是一项关键的数字化转型能力，但他们缺乏大规模和信任共享数据的专业知识。

为了成功地促进数据共享和增加对与业务案例一致的正确数据的访问，需要跨业务和行业线进行协作。这将加速对增加预算权限和数据共享投资的支持。此外，考虑采用数据结构设计来支持跨异构内部和外部数据源的数据共享的单一架构。

5 .上下文丰富分析

上下文丰富的分析建立在图形技术的基础上。关于用户上下文和需求的信息保存在一个图中，可以使用数据点之间的关系和数据点本身进行更深入的分析。它有助于识别和创建基于相似性、约束、路径和社区的进一步上下文。

捕获、存储和使用上下文数据需要构建数据管道、X分析技术和可以处理不同数据类型的人工智能云服务的能力和技能。到2025年，情境驱动分析和人工智能模型将取代60%基于传统数据的现有模型。

6 .以业务为导向的董事与审计

Gartner支持数据和分析的模块化方法，或者“可组合d和a“业务组成的数据和分析建立在这一趋势的基础上，但重点是人的方面，从IT转向业务。

业务组成的D&A使业务用户或业务技术人员协作创建业务驱动的数据和分析功能。

了解更多:你需要知道的关于人工智能的一切

7 .以决策为中心的决策与讨论

决策智能的原则是仔细考虑应该如何做出决策，这导致组织重新考虑他们在决策和分析能力上的投资。使用决策智能规程来设计最佳决策，然后交付所需的输入。

高德纳估计，到2023年，超过33%的大型组织将有分析师练习决策智能，包括决策建模。