日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

COVID-19疫情對全球機構產生急劇影響，迫使數據與分析專業人員迅速通過工具和流程來確定關鍵技術趨勢，并對那些能最大幅度提升機構競爭力的關鍵技術予以優先采納部署。2021年3月16日，信息技術咨詢公司Gartner發布2021年十大數據與分析技術趨勢，以期助力機構在新的一年能迅速應對相關變化、不確定性和機遇。數據與分析專業人員應考慮在這十大趨勢方面做出關鍵任務投資，改善其預測、轉變與應對能力。

人工智能和機器學習已產生深刻影響，促使企業應用新技術來開發出更智能、需要更少數據、符合倫理規范和更具彈性的人工智能解決方案。在應用更智能、更負責、可擴展的人工智能時，機構將能夠“利用學習算法和可解釋系統在更短的時間內實現價值目標和更高的業務影響”。

開放的且容器化的分析體系架構使分析功能更加可組合。可組合的數據與分析方法利用多源數據、分析方法和人工智能解決方案的組件，來快速構建靈活且用戶友好的智能應用程序，以幫助數據與分析專業人員將其見解與行動聯系起來。

隨著數據中心向云端遷移，可組合的數據與分析法將通過云端市場和低碼和無碼解決方案等，以更靈活的方式構建分析應用程序。

隨著數字化程度的提高和消費者的“解放”，數據與分析專業人員將越來越多地利用數據結構來幫助解決其“機構數據資產中更高層級的多樣性、分布性、規模和復雜性”。數據結構使用分析來不斷監控數據管道。數據結構通過對數據資產的連續分析，來支持各類型數據的設計、部署和利用，從而將集成時間減少30%，部署時間減少30%，維護時間減少70%。

COVID-19疫情帶來的極端業務變化導致基于大量歷史數據的機器學習和人工智能模型變得不那么相關。人類與人工智能相結合的決策制定變得越來越復雜且苛刻，需要數據與分析專業人員選擇有效的數據分析技術、利用更多種類的數據來提升情景態勢感知。他們應依靠更寬泛的數據，實現針對小數據和大數據、結構化和非結構數據源的協同分析。小數據模型雖然使用的數據量較少，但通過有效的分析方法也能提供深刻的見解。

多樣化運維（XOps）包括數據運維（DataOps）、機器學習運維（MLOps）、模型運維（ModelOps）和平臺運維（PlatformOps），是通過開發運維（DevOps）最佳實踐來實現規模效率和規模經濟，并確保可靠性、可重用性和可重復性。它能減少技術和流程的重復，并實現自動化。

大多數分析和人工智能項目失敗的原因是沒能事先考慮運維。如果數據與分析專業人員能利用XOps開展規模運維，他們將實現分析和人工智能資產的可再現性、可追溯性、完整性和可集成性。

工程決策智能是一門包含傳統分析、人工智能和復雜自適應系統應用等廣泛決策的學科。工程決策智能不僅適用于單個決策，還適用于決策序列。隨著決策變得更加自動化和增強，工程決策智能將賦能數據與分析專業人員以做出更加準確、可重復、透明且可追溯的決策。

數據與分析工作已經不再是次要業務職能，而是轉變為一項核心業務職能。數據與分析已成為可與業務成果相提并論的共享業務資產。由于中央型和分散型數據與分析團隊之間更好的協作，數據與分析孤島已被打破。

圖譜構成了大多數現代數據與分析能力的基礎，從而幫助發現各類型數據資產之間人物、地點、事物、事件和位置的關系。數據與分析專業人員依賴圖譜來快速解答復雜的業務問題，這需要上下文意識，以及對跨多個實體之間的聯系和優勢性質的理解。

Gartner預測，到2025年，80%的數據與分析創新中都將用到圖譜技術，遠高于2021年的10%，促進實現整個組織內的快速決策。

如今，大多數業務用戶使用預先定義的儀表盤和手動數據探索分析，但這可能導致錯誤的結論以及有缺陷的決策和操作。花在預先定義的儀表盤上的時間將逐漸被自動化的、會話式、移動式和動態生成的見解所取代，這些見解是根據用戶的需求定制的。

Gartner研究副總裁Rita Sallam表示，“這將把分析能力轉移給信息消費者，即增強型消費者，賦予他們以前只有分析人員和公民數據科學家才有的能力。”

數據、分析及其支撐技術越來越多地存在于邊緣計算環境中，更接近物理世界中的資產而超出了信息技術人員的權限。Gartner預測，到2023年，數據與分析專業人員超過50%的主要職責將涉及在邊緣環境中所創建、管理和分析的數據。

Gartner總結說：“數據與分析專業人員可以利用這一趨勢來提高數據管理的靈活性、速度、治理和恢復能力。從支持實時事件分析到實現‘萬物’自主行為，各種各樣的用例正催生人們對邊緣數據與分析的興趣。”

來源：世界科技研究與發展