COVID-19疫情对全球机构产生急剧影响，迫使数据与分析专业人员迅速通过工具和流程来确定关键技术趋势，并对那些能最大幅度提升机构竞争力的关键技术予以优先采纳部署。2021年3月16日，信息技术咨询公司Gartner发布2021年十大数据与分析技术趋势，以期助力机构在新的一年能迅速应对相关变化、不确定性和机遇。数据与分析专业人员应考虑在这十大趋势方面做出关键任务投资，改善其预测、转变与应对能力。

人工智能和机器学习已产生深刻影响，促使企业应用新技术来开发出更智能、需要更少数据、符合伦理规范和更具弹性的人工智能解决方案。在应用更智能、更负责、可扩展的人工智能时，机构将能够“利用学习算法和可解释系统在更短的时间内实现价值目标和更高的业务影响”。

开放的且容器化的分析体系架构使分析功能更加可组合。可组合的数据与分析方法利用多源数据、分析方法和人工智能解决方案的组件，来快速构建灵活且用户友好的智能应用程序，以帮助数据与分析专业人员将其见解与行动联系起来。

随着数据中心向云端迁移，可组合的数据与分析法将通过云端市场和低码和无码解决方案等，以更灵活的方式构建分析应用程序。

随着数字化程度的提高和消费者的“解放”，数据与分析专业人员将越来越多地利用数据结构来帮助解决其“机构数据资产中更高层级的多样性、分布性、规模和复杂性”。数据结构使用分析来不断监控数据管道。数据结构通过对数据资产的连续分析，来支持各类型数据的设计、部署和利用，从而将集成时间减少30%，部署时间减少30%，维护时间减少70%。

COVID-19疫情带来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相关。人类与人工智能相结合的决策制定变得越来越复杂且苛刻，需要数据与分析专业人员选择有效的数据分析技术、利用更多种类的数据来提升情景态势感知。他们应依靠更宽泛的数据，实现针对小数据和大数据、结构化和非结构数据源的协同分析。小数据模型虽然使用的数据量较少，但通过有效的分析方法也能提供深刻的见解。

多样化运维（XOps）包括数据运维（DataOps）、机器学习运维（MLOps）、模型运维（ModelOps）和平台运维（PlatformOps），是通过开发运维（DevOps）最佳实践来实现规模效率和规模经济，并确保可靠性、可重用性和可重复性。它能减少技术和流程的重复，并实现自动化。

大多数分析和人工智能项目失败的原因是没能事先考虑运维。如果数据与分析专业人员能利用XOps开展规模运维，他们将实现分析和人工智能资产的可再现性、可追溯性、完整性和可集成性。

工程决策智能是一门包含传统分析、人工智能和复杂自适应系统应用等广泛决策的学科。工程决策智能不仅适用于单个决策，还适用于决策序列。随着决策变得更加自动化和增强，工程决策智能将赋能数据与分析专业人员以做出更加准确、可重复、透明且可追溯的决策。

数据与分析工作已经不再是次要业务职能，而是转变为一项核心业务职能。数据与分析已成为可与业务成果相提并论的共享业务资产。由于中央型和分散型数据与分析团队之间更好的协作，数据与分析孤岛已被打破。

图谱构成了大多数现代数据与分析能力的基础，从而帮助发现各类型数据资产之间人物、地点、事物、事件和位置的关系。数据与分析专业人员依赖图谱来快速解答复杂的业务问题，这需要上下文意识，以及对跨多个实体之间的联系和优势性质的理解。

Gartner预测，到2025年，80%的数据与分析创新中都将用到图谱技术，远高于2021年的10%，促进实现整个组织内的快速决策。

如今，大多数业务用户使用预先定义的仪表盘和手动数据探索分析，但这可能导致错误的结论以及有缺陷的决策和操作。花在预先定义的仪表盘上的时间将逐渐被自动化的、会话式、移动式和动态生成的见解所取代，这些见解是根据用户的需求定制的。

Gartner研究副总裁Rita Sallam表示，“这将把分析能力转移给信息消费者，即增强型消费者，赋予他们以前只有分析人员和公民数据科学家才有的能力。”

数据、分析及其支撑技术越来越多地存在于边缘计算环境中，更接近物理世界中的资产而超出了信息技术人员的权限。Gartner预测，到2023年，数据与分析专业人员超过50%的主要职责将涉及在边缘环境中所创建、管理和分析的数据。

Gartner总结说：“数据与分析专业人员可以利用这一趋势来提高数据管理的灵活性、速度、治理和恢复能力。从支持实时事件分析到实现‘万物’自主行为，各种各样的用例正催生人们对边缘数据与分析的兴趣。”

来源：世界科技研究与发展