|
2023年數(shù)據(jù)將繼續(xù)在商業(yè)行業(yè)和經(jīng)濟(jì)體中流動,。有了更多的渠道、更快的速度和包含更多的洞察力，組織將別無選擇,，只能向數(shù)據(jù)驅(qū)動的業(yè)務(wù)模型發(fā)展,。企業(yè)領(lǐng)導(dǎo)者面臨的問題是：它是積極主動和動態(tài)的——還是更加被動并參與追趕？前幾年可能意味著數(shù)據(jù)泛濫使處理和提取見解變得更加困難,。在大數(shù)據(jù)挑戰(zhàn)更多圍繞存儲和安全性的時代?，F(xiàn)在情況正在發(fā)生巨大變化。我們看到越來越多的組織開始意識到其數(shù)據(jù)驅(qū)動的潛力,。成功的用例廣泛且跨行業(yè),。隨著數(shù)據(jù)價值達(dá)到新高，管理數(shù)據(jù)驅(qū)動決策的基本規(guī)則沒有改變,。要做出正確的決策,，您需要高質(zhì)量的數(shù)據(jù)。您需要知道您擁有什么,、它位于何處,、它的沿襲是什么以及哪些業(yè)務(wù)規(guī)則決定了它的結(jié)構(gòu)、內(nèi)容和有效性,。如果您的數(shù)據(jù)質(zhì)量低下或您的數(shù)據(jù)資產(chǎn)管理不善,，那么您將無法使用它們做出正確的業(yè)務(wù)決策。隨著數(shù)據(jù)的作用和數(shù)據(jù)驅(qū)動的決策制定的增加,，以及可用數(shù)據(jù)的總體數(shù)量和速度的增長,，數(shù)據(jù)治理也在不斷發(fā)展，以滿足不斷變化的業(yè)務(wù)需求,。2023年數(shù)據(jù)治理的最大趨勢是什么,？“到2025年，30%的Gartner客戶將使用“需要共享”方法而不是傳統(tǒng)的“需要知道”方法來保護(hù)他們的數(shù)據(jù),。“從遠(yuǎn)程工作到人工智能,，云繼續(xù)支撐著現(xiàn)代商業(yè)的重塑。超過70%的組織已將至少部分工作負(fù)載遷移到公共云中,。然而,，成為云原生的競爭并非沒有風(fēng)險，從預(yù)算超支到遷移延遲,。“效率低下導(dǎo)致平均每年公司的遷移支出比計劃多14%，而且38%的公司的遷移延遲超過四分之一,?！?/strong>DevOps人才的持續(xù)短缺將加劇遷移和生態(tài)系統(tǒng)的挑戰(zhàn)。尤其是在受到高度監(jiān)管的行業(yè)中,，傳統(tǒng)和本地基礎(chǔ)設(shè)施占很大比重,，不同的工作負(fù)載不太適合“提升和轉(zhuǎn)移”方法。組織將需要尋找其他方法來保持競爭力，例如自動化和自助數(shù)據(jù)分析,。這些基于云的管理系統(tǒng)提供了一種轉(zhuǎn)換原始數(shù)據(jù)并在正確的時間將其交付給正確的用戶的方法,。無需IT或數(shù)據(jù)分析師先準(zhǔn)備報告。相反,，可以按需存儲和訪問大量數(shù)據(jù),。超越使用數(shù)據(jù)倉庫的傳統(tǒng)和靜態(tài)方法，而是為每個用戶及其相關(guān)用例帶來可定制的儀表板,。至關(guān)重要的是,，基于云的服務(wù)現(xiàn)在越來越多地得到AI和ML產(chǎn)品的支持。這些釋放了企業(yè)應(yīng)用人工智能優(yōu)化現(xiàn)有流程的潛力,，例如通過自動化工作流程,。還可以根據(jù)歷史請求應(yīng)用學(xué)習(xí)元素，確?，F(xiàn)代數(shù)據(jù)治理的持續(xù)改進(jìn)周期,。在當(dāng)今瞬息萬變的世界中，“一切照舊”的概念要求提高靈活性,、活力和適應(yīng)生存的準(zhǔn)備,。預(yù)計2023年將通過自適應(yīng)人工智能的興起來實現(xiàn)這一點。系統(tǒng)根據(jù)新數(shù)據(jù)不斷學(xué)習(xí),、調(diào)整和重新訓(xùn)練模型,。它不同于傳統(tǒng)的和更靜態(tài)的人工智能，后者需要人類開發(fā)人員更新模型并防止它們變得過時或過時,。通過有效地“內(nèi)置”持續(xù)學(xué)習(xí),，人工智能將需要更少的人工干預(yù)。更重要的是,，從數(shù)據(jù)中自適應(yīng)學(xué)習(xí)的能力將產(chǎn)生新的見解來支持執(zhí)行決策,，從而使企業(yè)能夠引入應(yīng)用可觀察性。這是可以分析基于AI的決策以獲得進(jìn)一步建議的地方,。然后可以創(chuàng)建一個反饋循環(huán)來跟蹤以前的結(jié)果,。由此產(chǎn)生的基于證據(jù)的見解可用于提高預(yù)測的準(zhǔn)確性并為未來的戰(zhàn)略提供信息。“到2026年,，采用AI工程實踐來構(gòu)建和管理自適應(yīng)AI系統(tǒng)的企業(yè)將在運行人工智能模型所需的數(shù)量和時間上超過同行至少25%,。自適應(yīng)人工智能有可能解決機(jī)器學(xué)習(xí)模型帶來的一些歷史挑戰(zhàn)。在離群值經(jīng)常影響訓(xùn)練數(shù)據(jù)的情況下,，每次迭代都會以指數(shù)方式扭曲結(jié)果,，而不是被忽視。當(dāng)然,，真正新穎的觀察或現(xiàn)實世界變化的影響可能很容易在小數(shù)據(jù)集中檢測到,。而在AI所需的數(shù)量中,，此類異常值更難確定。因此,，自適應(yīng)人工智能可以降低這種算法偏差的風(fēng)險,。通過動態(tài)調(diào)整流程，自適應(yīng)人工智能還可以通過應(yīng)用更智能的自動化來幫助企業(yè)確保更有效的治理,。數(shù)據(jù)使企業(yè)保持運轉(zhuǎn)，但實時數(shù)據(jù)提供了競爭優(yōu)勢,。從以毫秒為單位進(jìn)行交易的金融機(jī)構(gòu)到批準(zhǔn)付款和處理PII的電子商務(wù)商店,。在按需自助服務(wù)體驗的推動下，對實時數(shù)據(jù)的進(jìn)一步需求將來自不斷提高的客戶期望,。與批量數(shù)據(jù)管道相比,，創(chuàng)建實時數(shù)據(jù)管道還可以降低處理成本。批處理數(shù)據(jù)必須從源頭反復(fù)查詢,，而實時只需要對新數(shù)據(jù)或事件做出反應(yīng),。一些用例只需要基于批處理的管道來處理歷史數(shù)據(jù)。然而,，隨著數(shù)據(jù)集和相關(guān)的治理要求越來越大,，許多組織將不得不進(jìn)行一些大型基礎(chǔ)設(shè)施調(diào)用。這種演變的規(guī)模,，加上所需的處理能力和能力,，是數(shù)據(jù)分析自動化到2023年將發(fā)揮如此重要作用的原因。從自動執(zhí)行訂單的簡單腳本,，到自動檢測異?；蝻L(fēng)險活動的復(fù)雜算法。能夠成功利用自動化的組織將能夠提高生產(chǎn)力,、更快地發(fā)現(xiàn)洞察力并更好地管理復(fù)雜變量,。它只需要正確選擇平臺。數(shù)據(jù)生命周期可以自動化,，但仍提供具有所需可見性級別的統(tǒng)一事實來源,。數(shù)據(jù)隱私、保護(hù)和治理在世界各國政府的待辦事項清單上名列前茅,。歐盟的GDPR,、加拿大的PIPEDA和中國的PIPL——這些和其他國家已經(jīng)表明，大規(guī)模調(diào)整立法是可能的,。這種勢頭使數(shù)據(jù)治理和數(shù)據(jù)訪問控制成為2023年業(yè)務(wù)戰(zhàn)略的核心,。“截至2020年，全球10%的人口的個人數(shù)據(jù)受到現(xiàn)代隱私法規(guī)的保護(hù),。到2023年,，預(yù)計全球總?cè)丝诘?5%的個人數(shù)據(jù)將受到隱私法規(guī)的保護(hù)。當(dāng)多個業(yè)務(wù)職能協(xié)調(diào)一致時,，這些趨勢將在2023年及以后帶來許多機(jī)會,。從外部角度來看，展示合規(guī)性可以作為品牌差異化因素,，在消費者中建立信任,。從內(nèi)部角度來看，自動化數(shù)據(jù)治理和策略管理提高了整個企業(yè)的生產(chǎn)力,。員工可以自由訪問他們需要的數(shù)據(jù),，而無需手動檢查他們是否合規(guī)。數(shù)據(jù)可以動態(tài)到達(dá),，用于聚合,、共享和與其他BI工具集成。當(dāng)然,，它始于遵守必要法規(guī)的基本要求,。以及靈活性和穩(wěn)健性。當(dāng)這些法規(guī)更新時,，或要求對PII進(jìn)行更多控制或圍繞無偏差算法提高透明度時,。一旦數(shù)據(jù)保護(hù)框架到位，數(shù)據(jù)治理就可以成為競爭優(yōu)勢,。重點不是簡單地控制數(shù)據(jù),，而是更多地關(guān)注需要數(shù)據(jù)的人。到2023年,，對數(shù)據(jù)民主化的需求將繼續(xù)上升,，要求企業(yè)擺脫傳統(tǒng)的自上而下的數(shù)據(jù)治理方法。相反,，重點將放在根據(jù)需要將數(shù)據(jù)交到盡可能多的被批準(zhǔn)的數(shù)據(jù)消費者手中,。合規(guī)數(shù)據(jù)將變得更易于訪問和按需提供。而不是期望人類專業(yè)知識必須經(jīng)常通過手動和冗長的過程和瓶頸來尋找數(shù)據(jù),。這將意味著商業(yè)智能將更加面向自助服務(wù),，而不是IT的專利。隨著員工越來越多地將數(shù)據(jù)納入決策和協(xié)作,，企業(yè)文化也將發(fā)生變化,。“組織越來越希望通過內(nèi)部協(xié)作、跨生態(tài)系統(tǒng)的數(shù)據(jù)共享,、直接商業(yè)化或作為AI驅(qū)動的業(yè)務(wù)決策的基礎(chǔ)來利用其數(shù)據(jù)來獲得業(yè)務(wù)優(yōu)勢”低代碼的興起表明了非技術(shù)用戶可以實現(xiàn)的目標(biāo),。從生成豐富的數(shù)據(jù)可視化到構(gòu)建應(yīng)用程序。民主化數(shù)據(jù)——結(jié)構(gòu)化和非結(jié)構(gòu)化——是該過程的自然演變,。在優(yōu)先考慮可用性的地方,，同時降低傳統(tǒng)數(shù)據(jù)治理流程的復(fù)雜性和剛性,。人工智能和機(jī)器學(xué)習(xí)在即將到來的數(shù)據(jù)管理趨勢中的作用數(shù)據(jù)管理自動化不僅使普通業(yè)務(wù)用戶能夠自行執(zhí)行復(fù)雜的數(shù)據(jù)相關(guān)任務(wù)，而且確保滿足所有法規(guī)要求,。因此,，越來越多地使用AI和機(jī)器學(xué)習(xí)解決方案和工具已成為企業(yè)在日益規(guī)范的數(shù)據(jù)管理生態(tài)系統(tǒng)中保持相關(guān)性和合規(guī)性的必要條件。■越來越多的關(guān)于地震等自然災(zāi)害的研究將依賴AI,、RPA和ML驅(qū)動的大數(shù)據(jù)來進(jìn)行可操作的預(yù)測,。AI和ML將完全控制從數(shù)據(jù)中心涌出的大數(shù)據(jù)——試圖捕捉隱藏的關(guān)系，并在人類理解的邊界內(nèi)保持和投射洞察力,。■隨著全球供應(yīng)商在推出變革性AI和ML解決方案方面展開并駕齊驅(qū)的競爭,，組織現(xiàn)在將擁有更廣泛的可用解決方案選擇。然而,，技術(shù)和工具的廣泛選擇也會讓企業(yè)領(lǐng)導(dǎo)者和決策者進(jìn)退兩難,，難以做出最適合他們需求的選擇。■人工智能技術(shù)革命將為2023年及以后的數(shù)據(jù)分析創(chuàng)造新機(jī)遇,。突然崛起數(shù)據(jù)分析自動化將需要企業(yè)使用人工智能,、機(jī)器學(xué)習(xí)、低代碼,、無代碼工具和更多選項來自動化盡可能多的流程,。■協(xié)助管理客戶數(shù)據(jù)的工具也為實施創(chuàng)造了機(jī)會智能自動化，這是另一個值得關(guān)注的AI趨勢,。■自動化支持?jǐn)?shù)據(jù)管道的敏捷創(chuàng)建,、管理和關(guān)閉，為任何規(guī)?；虺砷L階段的組織提供他們在持續(xù)集成,、持續(xù)部署(CICD)框架內(nèi)所需的數(shù)據(jù)可見性。■到2025年,，人工智能驅(qū)動,，“上下文感知”分析模型將取代60%的基于傳統(tǒng)數(shù)據(jù)構(gòu)建的現(xiàn)有模型。最后,，業(yè)務(wù)人員可以將這些AI和ML解決方案適當(dāng)?shù)丶傻剿麄兊臉I(yè)務(wù)流程中,，以利用組織數(shù)據(jù)功能來做出有效的決策、分析當(dāng)前趨勢并明確識別關(guān)鍵競爭優(yōu)勢,。
|
