|
來(lái)源：Gartner Gartner公司發(fā)布了 2025年數據和分析（D&A）重要趨勢，這些趨勢正在催生包括企業(yè)和人員管理等方面的一系列挑戰。 Gartner研究副總裁孫鑫（Julian Sun）表示：“D&A正在從一個(gè)小眾領(lǐng)域走向普及。與此同時(shí)，D&A領(lǐng)導者面臨的壓力已經(jīng)從‘資源少，事情多’變成了‘資源多，事情更多’，而且這項工作由于風(fēng)險的增加而變得更具挑戰性。不過(guò)，有一些趨勢將幫助D&A領(lǐng)導者應對他們所面臨的壓力、期望和需求�！� 趨勢1：高消耗數據產(chǎn)品 為了充分利用高消耗數據產(chǎn)品，D&A領(lǐng)導者應重點(diǎn)關(guān)注關(guān)鍵業(yè)務(wù)用例，通過(guò)產(chǎn)品關(guān)聯(lián)和規�；瘉�(lái)減少數據交付方面的挑戰，優(yōu)先交付可重復使用和可組合的最小可行數據產(chǎn)品，以便讓團隊不斷改進(jìn)這些產(chǎn)品。同時(shí)，D&A領(lǐng)導者還必須在數據生產(chǎn)和使用團隊之間就關(guān)鍵績(jì)效指標達成共識，這對于衡量數據產(chǎn)品的成功至關(guān)重要。 趨勢2：元數據管理解決方案 有效的元數據管理應先從技術(shù)元數據出發(fā)，然后擴展到業(yè)務(wù)元數據以增強上下文。通過(guò)整合各種類(lèi)型的元數據，企業(yè)能夠實(shí)現數據目錄、數據脈絡(luò )和AI用例。因此，選擇有助于自動(dòng)發(fā)現和分析元數據的工具勢在必行。 趨勢3：多模態(tài)數據編織 建立強大的元數據管理實(shí)踐涉及獲取和分析整個(gè)數據管道中的元數據。數據編織提供的洞察和自動(dòng)化可滿(mǎn)足編排需求、通過(guò)數據運維（DataOps）實(shí)現更卓越的運營(yíng)，并最終實(shí)現數據產(chǎn)品。 趨勢4：合成數據 識別缺失、不完整或獲取成本高的數據對于推進(jìn)AI行動(dòng)至關(guān)重要。合成數據既可以作為原始數據的變體，也可以替代敏感數據，能夠在促進(jìn)AI發(fā)展的同時(shí)保護數據隱私。 趨勢5：代理式分析 使用AI智能體進(jìn)行數據分析，完成業(yè)務(wù)成果的自動(dòng)化閉環(huán)具有變革性意義。Gartner建議嘗試開(kāi)發(fā)自然語(yǔ)言接口連接業(yè)務(wù)洞察的用例，并評估供應商的數字化工作場(chǎng)所應用集成路線(xiàn)圖。同時(shí)，建立治理機制可最大程度地減少錯誤和幻覺(jué)，并且通過(guò)AI就緒數據原則評估數據就緒度十分重要。 趨勢6：AI代理 AI代理對于滿(mǎn)足臨時(shí)的、靈活的或復雜的自適應自動(dòng)化需求至關(guān)重要。企業(yè)不能僅僅依賴(lài)大語(yǔ)言模型（LLM），還需要采用其他形式的分析和AI技術(shù)。D&A領(lǐng)導者應使AI代理能夠無(wú)縫訪(fǎng)問(wèn)和共享所有應用的數據。 趨勢7：小語(yǔ)言模型 相比大語(yǔ)言模型，Gartner更推薦企業(yè)考慮使用小語(yǔ)言模型，以便在特定領(lǐng)域獲得更加準確、更符合語(yǔ)境的AI輸出結果。Gartner建議提供用于檢索增強生成或微調自定義領(lǐng)域模型的數據，特別是在本地使用時(shí)，可以處理敏感數據并減少計算資源和成本。 趨勢8：復合型AI 多種AI技術(shù)的結合可提高AI的影響力和可靠性。D&A團隊不應局限于GenAI和LLM（大語(yǔ)言模型），還應整合數據科學(xué)、機器學(xué)習、知識圖譜以及優(yōu)化等技術(shù)，以實(shí)現全面的AI解決方案。 趨勢9：決策智能平臺 從數據驅動(dòng)到以決策為中心的轉變至關(guān)重要。Gartner建議采取的步驟包括：優(yōu)先考慮急需建模的業(yè)務(wù)決策、調整決策智能（DI）實(shí)踐、評估DI平臺。成功的關(guān)鍵在于重新發(fā)掘數據科學(xué)技術(shù)并解決決策自動(dòng)化的道德、法律和合規問(wèn)題。 |
