前言：更多关于数智化转型、数据中台内容可扫码加群一起探讨
阿里云数据中台官网 https://dp.alibaba.com/index
来源：搜狐新闻
这些数据和分析技术趋势将在未来三到五年内帮助加速更新，促进创新和重建社会。 数据和分析领导者必须研究如何利用这些趋势，并进行"必备"投资，以实现重置后的恢复和重新发明。
趋势1：更智能，更快，更负责任的AI
到2024年底，将有75％的企业从人工智能试点转向运营，流数据和分析基础架构的规模将增加五倍。
在当前盛行的环境中，诸如机器学习，优化和自然语言处理之类的人工智能技术正在为病毒传播以及对策的有效性和影响提供重要的见识和预测。
其他更智能的AI技术，例如强化学习和分布式学习，正在创建更具适应性和灵活性的系统来处理复杂的业务。 例如，基于代理的系统可以对复杂的系统进行建模和升级。
追究AI责任和模型透明度对于防止错误决策至关重要
在新芯片架构（例如可以部署在边缘设备上的神经形态硬件）上的大量投资正在加速AI，ML计算和工作负载，并减少对高带宽集中式系统的依赖。 最终，这可能会导致具有更高业务影响的更灵活的AI解决方案。
让AI负责并保持模型透明对于防止错误决策至关重要。 它将促进更好的人机协作和信任，以便整个组织可以更好地采用和调整决策。
趋势二：仪表盘使用的下降
具有更自动化和消费者体验的动态数据应用程序将取代可视化，点击创建和探索。 结果，用户将减少使用预定义仪表板的时间。 转向上下文数据应用程序意味着最相关的见解将基于上下文，角色或目的传递给每个用户。 这些动态洞察力利用诸如增强分析，NLP，流量异常检测和协作之类的技术。
数据和分析主管需要定期评估他们现有的分析和商业智能（BI）工具。 初创公司提供预定义的仪表板以外的新增强功能和NLP驱动的用户体验。
趋势3：明智的决策
到2023年，超过30％的大型组织将使分析师从事智能决策，包括决策建模。 决策智能集成了多个学科，包括决策管理和决策支持。 它包含了复杂自适应系统领域中的应用程序，将各种传统和高级学科结合在一起。
它提供了一个框架，可帮助数据和分析领导者设计，建模，匹配，执行，监视和优化业务结果与行为之间关系中的决策模型和流程。
当决策需要各种逻辑和数学时，有必要进行自动化，或者至少进行记录和审计，以探索决策管理和建模技术的使用。
趋势4：X分析
Gartner创造了术语" X分析"，其中X是具有不同结构化和非结构化内容（例如，文本分析，视频分析，音频分析等）的一系列数据变量。
数据和分析负责人使用X分析来解决社会上最困难的挑战，包括气候变化，疾病预防和野生动植物保护。
在疫情爆发期间，人工智能在整理大量研究论文，新闻来源，社交媒体帖子和临床试验数据方面发挥了关键作用，并帮助医学和公共卫生专家预测疾病的传播，规划能力，寻找新疗法， 并找出弱点群体。 X分析与AI和其他技术（例如图表分析）（另一个热门趋势）相结合，将在识别，预测和计划未来的自然灾害和其他危机中发挥关键作用。
数据和分析主管应探索现有供应商提供的X分析功能，例如用于图像，视频和语音分析的云计算供应商，但也应认识到创新很可能来自小型初创公司和云计算供应商。
趋势5：增强的数据管理：元数据是"新的黑马"
增强的数据管理使用ML和AI技术来优化和改善操作。 还将用于审核，继承和报告的元数据转换为支持动态系统的元数据。
增强型数据管理产品可以检查大量操作数据样本，包括实际查询，性能数据和模式。 使用现有情况和工作负载数据，增强的引擎可以优化操作，配置，安全性和性能。
数据和分析主管应寻求增强的数据管理，支持活动元数据以简化和集成其体系结构，并提高冗余数据管理任务的自动化程度。
趋势六：云是礼物
到2022年，公共云服务将在90％的数据和分析创新中扮演关键角色。
随着数据和分析迁移到云中，数据和分析领导者仍在努力使正确的服务与用例保持一致，这将导致不必要的治理和集成开销。
数据和分析问题已经从给定服务的成本转向如何满足工作负载的性能要求，而不仅仅是价格表。
数据和分析领导者需要优先考虑可以利用云计算功能的工作负载，并在迁移到云计算时专注于成本优化。
趋势7：数据与分析之间的冲突
传统上，数据和分析功能被认为是单独的实体，并且需要单独管理。 通过增强的分析提供端到端工作流的供应商模糊了这两个市场之间的区别。
数据和分析的这种冲突将增加独立数据和分析角色之间的交互和协作。 这不仅会影响提供的技术和功能，还会影响支持和使用它们的人员和流程。 角色范围将从IT中的传统数据和分析角色扩展到信息浏览器，消费者和公民开发人员。
为了将冲突转化为建设性的整合，可以将数据和分析工具及功能合并到分析堆栈中。 除工具外，还应关注人员和流程以促进沟通和协作。 使用数据并分析生态系统和增强方法有可能提供一致的堆栈。
趋势八：数据市场和数据交换
到2022年，将有35％的大型机构通过正式的在线数据市场成为数据的卖方或买方，而2020年为25％。
数据市场和交易所提供了一个集成第三方数据产品的平台。 这些市场和交易中心提供集中的可用性和访问权限（例如X分析和其他独特的数据集），从而形成规模经济，可以降低第三方数据的成本。
为了通过数据市场货币化数据资产，数据和分析的领导者应通过定义生态系统合作伙伴可以依赖的数据治理原则，建立一种公平透明的方法。
趋势9：数据分析中的区块链
区块链技术解决了数据和分析中的两个挑战。 首先，区块链提供资产和交易的完整继承。 其次，区块链为复杂的参与者网络提供了透明度。
除了比特币和智能合约的有限示例外，分类数据库管理系统（DBMS）将为审计单个公司的数据源提供更有吸引力的选择。 Gartner估计，到2021年，保密的DBMS产品将取代目前使用的大多数区块链。
数据和分析应通过强调数据管理基础架构与区块链技术功能之间的不匹配，将区块链技术定位为对现有数据管理基础架构的补充。
趋势十：从数据分析基础与价值之间的关系
到2023年，图像技术将促进全球30％的组织快速进行情境决策。 图像分析是一组分析技术，可用于探索相关实体（例如组织，人员和事务）之间的关系。
它可以帮助数据和分析领导者发现数据中的未知关系，并查看传统分析中难以分析的数据。
例如，当世界对当前和未来的疫情做出反应时，图像技术可以分析来自人们手机上的地理空间数据的照片，以面对人脸识别系统，以确定谁可能联系了被冠状病毒检测呈阳性的人。
考虑研究图形算法和技术如何改善AI和ML计划
与ML算法结合使用时，这些技术可用于梳理成千上万的数据源和文档，从而帮助医学和公共卫生专家快速发现可能对某些患者产生更多负面影响的新疗法或新因素。
数据和分析主管需要评估将图形分析集成到分析产品组合和应用程序中的机会，以发现隐藏的模式和关系。 此外，请考虑图形算法和技术如何改善AI和ML计划。
(本文翻译自Sajjad Hussain的文章《Top 10 data analysis trends for Gartner 2020》，参考：
https://medium.com/dataseries/top-10-data-analysis-trends-for-gartner-2020-c683a74e99a2)
数据中台是企业数智化的新基建，阿里巴巴认为数据中台是集方法论、工具、组织于一体的，“快”、“准”、“全”、“统”、“通”的智能大数据体系。目前正通过阿里云数据中台解决方案对外输出，包括零售、金融、互联网、政务等领域，其中核心产品有：
- Dataphin，一站式、智能化的数据构建及管理平台；
- Quick BI，随时随地 智能决策；
- Quick Audience，全方位洞察、全域营销、智能增长；
- Quick A+， 跨多端全域应用体验分析及洞察的一站式数据化运营平台；
官方站点：
数据中台官网 https://dp.alibaba.com
