关于“数据”的几个事实是：目前国内数据利用率仍然很低，企业数据岛问题明显，但数据共享已成为更主流的趋势，数据泄露的风险越来越低于共享赢得的价值...
近日，Gartner发布了2022年数据分析十二大趋势，并从全球和中国的角度解读了相关趋势。
Gartner高级研究总监孙欣表示：“许多中国企业将数据分析视为IT话题。”，但今天的趋势是，数据分析越来越涵盖业务讨论，其决策能力已成为企业发展韧性的核心能力。
Gartner将2022年数据分析十二大趋势分为三个主题:激活企业活力和多样性，增强员工能力和决策，制度化信任，注重企业发展、员工培训和信任制度化。每个主题包括四个趋势。
其中，企业趋势包括：自适应人工智能系统、以数据为中心的人工智能、元数据驱动的数据编织和始终数据共享；员工趋势包括：上下文分析、业务模块组装数据和分析、以决策为中心的数据和分析、缺乏人员技能和质量；信任制度化趋势包括：互联网治理、人工智能风险管理、制造商和区域生态系统、向边缘扩展。
对企业而言，这四种趋势与数据密切相关，发挥数据的潜在价值将带来新的机遇。
“人工智能工程化”是Gartner近年来在研究中提出的一项措施。该措施旨在促进企业真正运行人工智能模型，建立自适应人工智能系统，并倾向于通过组装完成数字能力建设的“组装企业”。根据结果，到2026年，人工智能工程手段将帮助企业平均运行25%的人工智能模型。
为了建立一个自适应的人工智能系统，几个趋势是相互关联的。以数据为中心的人工智能作为一个重要的解决方案，需要一个更“强大”的数据管理模式，这需要基于“元数据”驱动的数据编织，以促进数据共享的可持续性。
“但企业的最终决策者是人。”孙欣表示，当企业的数据分析能力越来越复杂时，情境分析将变得越来越重要。例如，许多企业开始考虑使用钉子和飞行书籍来驱动一些数据分析项目，希望通过数据办公软件完成更多的数据分析。
根据Gartner的预测，2025年，情境驱动/背景驱动的数据分析和人工智能模型将取代基于传统数据的60%现有模型。随着场景分析的深化，“全生命周期数据分析”的可能性将促进企业传统的IT能力具有更多的业务思维，使数据分析应用趋于模块化和产品化。生动的表达是：“数据分析驱动的决策逐渐转变为决策驱动的数据分析。”
此外，孙欣还表示，培养具有数据素养的数据分析人才将使企业在上述趋势中更加成功培养Gartner的人才有三个步骤:以业务成果激励获取人才；以社区治理培养人才；将数据分析与KPI相结合，保留人才。
最后，数据分析将依赖于可信的数据，因此“信任制度化”尤为重要。
Gartner提出，在国内外法律、地区、道德等复杂治理因素的挑战下，建立跨组织、跨业务，甚至跨区域虚拟数据和分析治理，实现跨企业治理结果，完成“互联网治理”已成为必要趋势，许多企业考虑建立“首席数据官”办公室。
在过去的研究中，Gartner发现，50%的人工智能模型从未进入生产环境。在企业内外的压力下，“安全”和“隐私”的偷工减料导致了上述结果。在生态学方面，“制造商和区域数据分析生态”已成为一个重要趋势。越来越多的企业倾向于利用“云制造商”的生态来建立本地化和本地化的数据分析能力，以避免不同地区和制造商带来的兼容性问题。在“数据主权”和“监管需求”下，边缘数据分析解决方案部署的趋势正在加快。当前的数据分析环境更欢迎分布式架构的部署，而不是“All in”的形式。
“疫情已经成为许多企业数据转型的机遇。”孙欣总结道，在“云”上进行数据分析已成为首选。疫情背景下，公共云上限数据分析能力显著增强，业务侧数据分析使用趋势诞生。
广州鲁邦通物联网科技股份有限公司成立于2010年，致力为行业客户提供软硬件结合的5G+工业互联网平台解决方案，通过设备物联、机器人乘梯、设备售后管理系统、电梯物联网等产品和服务，助力电梯及特种设备、医疗设备、机器人、环保设备、环卫设备、电力设备和水务设备等工业客户进行后市场服务的数字化转型，降本增效，开启利润增长的第二曲线。
