根据全球领先的信息技术研究和顾问公司Gartner发布了2021年十大数据和分析（D&A）技术趋势，帮助企业机构应对这些趋势在未来一年所带来的变化、不确定性和机遇。
Gartner杰出研究副总裁Rita Sallam表示：“新冠疫情颠覆企业机构的速度之快迫使数据和分析领导者使用工具和流程识别关键技术趋势并优先考虑那些对其竞争优势具有最大潜在影响的技术趋势。”
数据和分析领导者应根据这十个趋势做出加快自身预测、转变和应对能力的关键任务投资。
趋势一：更智能、负责、可扩展的AI
人工智能（AI）和机器学习（ML）的影响力日益增加，因此企业必须使用新技术获得更智能、对数据需求更小、在道德层面更加负责并且更有韧性的AI解决方案。企业可通过部署更智能、更负责、可扩展的AI，运用学习算法和可解释的系统加快价值实现时间和提高业务影响力。
趋势二：组装式数据和分析架构
开放、容器化的分析架构提高了分析能力的可组装性。组装式数据分析架构使用来自多个数据、分析和人工智能解决方案的组件来快速构建灵活、对用户友好的智能应用，帮助数据和分析领导者能够将洞见与行动相联系。
随着数据重心向云转移，组装式数据和分析架构将成为一种通过云市场以及低代码和无代码解决方案构建分析应用的更敏捷方式。
趋势三：数据编织是基础
随着数字化程度的提高和限制数据消费者的束缚日益减少，数据和分析领导者正在越来越多地使用数据编织帮助解决企业机构数据资产多样性、分散性、规模和复杂性不断增加这一问题。
数据编织使用分析技术保持对数据管道的监控。数据编织通过持续分析数据资产来支持不同数据的设计、部署和利用，使集成时间缩短30%、部署时间缩短30%、维护时间缩短70%。
趋势四：从“大”数据到“小”而“宽”的数据
新冠疫情所引发的极端业务变化导致基于大量历史数据的机器学习和人工智能模型变得不那么可靠。同时，人类和人工智能的决策变得更加复杂和严格，数据和分析领导者必须掌握更多的数据以便更好地了解情况。
因此，数据和分析领导者应选择能够更加有效利用现有数据的分析技术。数据和分析领导者依赖于实现各类“小”和“大”、非结构化和结构化数据源分析和协同的“宽”数据，同时也依赖于“小”数据——即对数据需求量较少，但仍能提供实用洞见的分析技术。
Sallam女士表示：“使用‘小’而‘宽’的数据能够提供强大的分析和AI，同时降低企业机构对大型数据集的依赖性。企业机构可以使用‘宽’数据获得更丰富、更完整的态势感知或360度视图，这将使企业机构能够使用分析技术做出更好的决策。”
趋势五：XOps
XOps（数据、机器学习、模型和平台）的目标是利用DevOps最佳实践实现效率和规模经济，在保证可靠性、可重用性和可重复性的同时，减少技术和流程的重复并实现自动化。
大多数分析和AI项目失败的原因是将业务化视为一个事后思考的问题。如果数据和分析领导者使用XOps实施大规模的业务化，他们将能够实现分析和AI资产的可复制性、可追溯性、完整性和可集成性。
趋势六：工程化决策智能
工程化决策智能不仅适用于单个决策，还适用于连续的决策。这项技术可以将决策编组为业务流程，甚至为新兴决策网络。随着决策自动化和增强程度的日益提高，工程化决策为数据和分析领导者提供了使决策变得更加准确、可重复、透明和可追溯的机会。
趋势七：数据和分析成为核心业务功能
数据和分析活动不再是一项次要的活动，而是转变为一项核心业务功能。在这种情况下，数据和分析已成为与业务结果一致的共享业务资产，并且由于中央与联邦数据和分析团队之间的更好协作，数据和分析孤岛问题迎刃而解。
趋势八：图技术使一切产生关联
图技术已成为许多现代数据和分析能力的基础，能够在不同的数据资产中发现人、地点、事物、事件和位置之间的关系。数据和分析领导者依靠图技术快速回答需要在了解情况并理解多个实体之间的联系和优势的性质后才能回答的复杂业务问题。
Gartner预测，到2025年图技术在数据和分析创新中的占比将从2021年的10%上升到80%。该技术将促进整个企业机构的快速决策。
趋势九：日益增多的增强型数据消费者
如今，大多数企业用户都在使用预定义仪表盘和手动的数据探索，而这可能会导致错误的结论以及有缺陷的决策和行动。预定义仪表盘将逐渐被自动化、对话式、移动式和动态生成的洞见所取代，而且这些洞见均根据用户需求定制并被交付至用户需要消费这些数据的时候。
Sallam女士认为：“这将使信息数据消费者，即增强型数据消费者能够运用分析技术，让他们都能获得原来只有分析师和公民数据专家才能掌握的洞见和知识。”
趋势十：数据和分析正在向边缘移动
数据、分析和其他支持它们的技术正在向边缘计算环境移动，不断接近现实世界中的资产并超出IT的范畴。Gartner预测，到2023年数据和分析领导者主要负责的工作中将有一半以上是在边缘环境中创建、管理和分析数据。
数据和分析领导者可以运用这一趋势实现更高的数据管理灵活性、速度、治理和韧性。从支持实时事件分析到实现“物”的自主行为，各种不同类型的用例正在激发人们对边缘数据和分析能力的兴趣。