如何構建特有的數據和分析能力 Gartner的建議值得參考

　　事實上，在企業中實現商業智能不僅僅是簡單地應用一套系統進行數據采集、存儲，以及分析，最重要的應該是將這些數據轉換為可操作的業務方案。這就要求，企業能夠通過實時的數據洞察看到業務表象下，哪些流程在起作用，哪些風險正在發酵，從而幫助企業為未來的業務發展做好準備。

　　日前，Gartner發布了“2022年十二大數據和分析趨勢”。Gartner高級研究總監孫鑫表示，長期以來，很多企業都將“數據和分析”當做一個IT名詞，而如今“數據和分析”更多的被看做一種業務能力?；诖?，Gartner提出了“構建業務價值新等式”的理念。

　　如何理解“新等式”的實質內涵?對此，孫鑫表示，隨著市場不確定性逐漸增加，企業對于“數據和分析”寄予了更多的期望。他們不僅希望通過數據分析實現業務價值變現，也希望數據分析成為企業創新的源泉。另外，透過數據分析還能夠使自身成為一家更具韌性的的企業，在幫助自身優化技術選型和人才培養模式的基礎上，做出更多符合業務情景的決策，從而加速數字化轉型的進程。

　　基于此，Gartner將今年的十二大數據和分析趨勢分成了三個大的主題：一是激活企業的活力和多樣性;二是增強員工能力與決策;三是信任的制度化。“每一個主題都由四個趨勢組成，并且每一個趨勢都不是單獨存在的，而是環環相扣的。以此能夠多維度、全場景的展現數據和分析的迭代演進方向。”孫鑫如此說道。

激活企業的活力和多樣性

　　如何理解數據和分析的多樣性和活力?這種多樣性和活力，是不是決定著數據的精確性、以及獲得數據價值的大小?孫鑫表示，其實“活力”很容易理解，就是過去企業更多的是把數據“囤”起來，而不是用起來?；蛘哒f以前數據分析的行為更多發生在工具和應用層面，缺乏對企業業務的關注。在孫鑫看來，企業數據應該通過更具活力、更多樣性的形式利用起來，從而為企業帶來新的機會和價值。

　　為此，Gartner提出了激活企業活力和多樣性的第一個趨勢——自適應人工智能系統。Gartner認為，通過AI工程化賦能的自適應人工智能系統，可以更快速地生成高效的AI模型。Gartner預測，到2025年，企業如果利用AI工程化的手段構建自適應的人工智能系統，可以更有效地運營AI模型，實現對不同業務情景的分析洞察。這將比沒有構建該系統的企業多增加25%的AI模型數量。

　　“以數據為中心的人工智能”是實現自適應人工智能的前提。企業在建立AI模型的初期，其實并沒有專門設想過該用什么樣的數據管理模式去治理AI模型。數據管理在很多人工智能項目當中，經常是被低估和忽略的。事實上，企業需要一個更健壯的數據管理模式去提升AI運營的能力。

　　利用“元數據”驅動的數據編織能力能夠幫助企業更好地進行數據管理。Gartner認為，如果可以更好地利用以“元數據”為驅動的數據編織手段，可以有效地減輕繁瑣復雜的數據管理工作。預計到2025年，可以將數據利用率提高到400%，從而更好地實現數據共享。

　　“始終分享數據”將為企業業務發展帶來更多可能性。如今，越來越多的企業發現，如果不去分享數據，企業面臨被競爭者超過或者實施數字化轉型的失敗風險反而會變得更大。對此，Gartner認為，越來越多的企業正在嘗試用數據資產化、數據目錄、數據字典、數據地圖等可以被治理的方式分享數據。同時，業界也開始通過公開更多標準的“元數據”，致力于實現更好的數據分享。

增強員工能力與決策

　　目前，企業數據變得越來越復雜，企業要用到數據的環境也變得越來越多樣。這使得企業對于實現更多情境化分析的需求就變得越來越迫切。在孫鑫看來，在這一過程中，企業最終做決策的還是人，如何增強人的能力，從而提高他們業務決策的成功率，這將是企業需要完成的第二大主題。

　　現在，知識圖譜已經和越來越多的“元數據”管理工具、預測分析工具實現了融合。通過知識圖譜，可以更準確、可追溯的進行預測和分析，從而讓企業對于一些數據有據可循。由此，Gartner預測，到2025年，基于情境驅動/背景驅動的數據分析和人工智能模型，將取代60%建立在傳統數據上的現有模型。

　　“業務模塊組裝式數據和分析”將大幅降低技術應用實踐的門檻。隨著低代碼、無代碼技術的快速應用，使得業務人員也能夠完成一個數據分析產品或者分析型應用。因此，Gartner預測，到2025年，以前50%的嵌入式分析型內容，將會由業務人員利用低代碼、無代碼工具，用組裝式、模塊化的方式完成，從而實現基于業務流程的，自上而下的數據分析和應用。

　　以決策為中心的數據和分析逐漸替代以數據分析為驅動的決策。Gartner認為，加速數據分析的部署應該從一個業務情景或者業務決策開始。這需要由業務部門和IT部門組成的“融合團隊”相互協作。為此，Gartner提出了一個決策智能模型，能夠為企業的融合團隊提供一種改善組織決策的使用方式，同時也能夠幫助企業從頂層設計的角度管理自身的決策鏈。這就需要越來越多的人可以站在更高的高度為企業的決策做基于數據分析的建議和規劃。

　　人員技能和素養的不足將限制以決策為中心的數據驅動戰略。Gartner預測，到2025年，大多數企業的首席數據官將無法培養出足夠具有數據素養的員工隊伍以實現數據驅動的戰略。Gartner在關于 “首席數據官”的調研中發現，如果一家企業可以把更多人的因素或者人員培養的因素考慮進去，將比沒有考慮到“人”的因素的企業更容易成功。所以企業應該更多的培養具備廣泛數據素養、以及數據分析能力的員工隊伍。

信任的制度化

　　“之前一直強調業務側該如何使用數據分析。然而，業務側能夠使用數據分析的前提是他們能夠信任數據，信任企業可以給予他們這樣的能力。所以如果要實現無處不在的數據分析能力，信任制度化將非常重要。”孫鑫如此說道。

　　信任制度化的構建首先要實現“互聯治理”。 Gartner認為 ，“互聯治理”作為一個框架可以助力建立一個跨組織、跨業務職能，甚至跨地域的虛擬的數據和分析治理層，從而實現跨企業的高效治理。

　　注重AI信任風險和安全管理將提升AI模型的治理能力。Gartner研究發現，以前50%的AI模型并沒有真正應用到生產環境。其中“安全”和“隱私”是導致這一負面結果的主要原因。 在Gartner看來，關注AI信任風險和安全管理將有助于提升企業對于AI治理和運營的能力。

　　廠商和區域性的數據分析生態將加速信任體系的建設。Gartner提到，大多數企業首次構建數據分析能力的心態，是用一套數據分析解決方案貫穿始終。然而，由于區域性管理要求的不同，使得企業需要建立一套符合本地條款的數據分析技術棧。對此，Gartner看到，除去擔心被一家廠商綁定的因素，為了降低數據管理的難度，越來越多的企業更傾向于選擇一家“云廠商”的生態產品。在這一過程中，Gartner建議，企業要構建數據分析生態，還需要更多的考慮廠商與廠商之間的兼容性。

　　向邊緣擴展更符合現在強調的“數據主權”。 Gartner認為，從“云、數據中心”到“設備邊緣”，不應該看做是單一位置的變化，而應該被看做一個“連續體”。所以數據分析的管理者要放棄以All in的形式在公有云或者數據中心當中部署數據分析能力的做法，更多的選擇在分布式的數據分析環境當中進行部署。

(本文不涉密)
責任編輯：路沙

轉載：感謝您對網站平臺的認可，以及對我們原創作品以及文章的青睞，非常歡迎各位朋友分享到個人站長或者朋友圈，但轉載請說明文章出處。