「数据可视化」2021年数据和分析主管应该关注的十大技术趋势：根据Gartner的报告，数据分析市场，更具体地说是商业智能市场，到2023年，超过30％的大型企业将安排分析师从事决策情报工作，包括决策建模。
- 组织越来越多地利用机会来利用设备生成的流数据，以做出更快，相关且实时的决策。
- 数据分析将包括BI和数据分析平台的云部署，这有可能降低拥有成本并有助于快速部署。因此，根据Gartner的说法，到2020年，大多数新许可证购买将在云部署中进行。
- BI和Google Analytics（分析）领域将引起人们的极大兴趣，并且随着市场上的可用性，销售量将激增，买卖双方可以在该市场上协作来交换分析应用程序或分组数据源，自定义可视化和算法。
- 业务用户还需要分析数据源和数据模型的大型复杂组合。这需要比以前更快地完成，采用更自动化的方法进行扩展使用。
随着科技公司和初创公司变得越来越快，越来越受到科技驱动，具有数据分析技能的专业人员是其在不同业务领域中至关重要的角色的关键要求。
- 数据分析师收集并存储来自不同领域的数据，例如销售领域，医疗保健，教育，市场研究，物流，语言学或其他领域。期望数据分析人员进行质量和准确性的检查和保证，包括数据管理以及诸如创建，更新和删除之类的操作，以进行有效的决策。
- 数据分析师的职责包括一些任务，例如处理用户和用户角色，帮助进行报告和分析，支持数据仓库识别和研究需求，评估对客户或生产系统的更改和更新，基于单个数据准备报告或多个系统。这一切都可以借助统计模型，技术平台和工具来完成。在进行预测建模或任何预测设计之前，数据分析是必不可少的阶段。这样，数据分析和分析人员在数据科学和其他领域中发挥着至关重要的作用。
Gartner预测2020年的十大数据和分析趋势
为了应对突然爆发的新冠疫情，全球范围内启动了500多项针对新冠病毒潜在治疗和干预措施的临床试验。这些试验使用的是一个动态数据库，该数据库汇编和整理了来自试验登记处和其他来源的数据。这有助于医学和公共卫生专家预测疾病传播，寻找新的治疗方法，并为大流行病的临床管理制定计划。
数据和分析与人工智能技术的结合对于努力预测、准备和积极主动地加速应对全球危机及其后果至关重要。
Gartner的副总裁分析师Rita Sallam表示：“数据和分析主管如果希望在后疫情时代持续创新，就需要在处理和访问数据时，提高分析速度，扩大分析规模，才能在前所未有的市场动荡中赢得成功。”
以下是数据和分析主管应该关注的十大技术趋势，为后疫情时代的重启做好准备。
趋势1：更智能、更高速、更负责的AI
到2024年底，将有75％的企业从人工智能（AI）试点转向AI运营，流数据和分析基础架构的规模将增加五倍。
在全球疫情爆发的背景下，诸如机器学习、优化和自然语言处理（NLP）之类的人工智能技术正在为病毒传播以及对策的有效性和影响提供重要的洞察力和预测。
其他更智能的AI技术（例如强化式学习和分布式学习）正在创建更具适应性和灵活性的系统来处理复杂的业务。例如，基于代理的系统可以对复杂的系统进行建模和升级。
能提高模型透明度的负责任的AI对于防范错误决策至关重要
在新芯片架构（例如可以部署在边缘设备上的神经形态硬件）上的大量投资正在加速AI、机器学习计算和工作负载的发展，并减少对高带宽集中式系统的依赖。最终，这可能会催生出具有更高业务影响的更灵活的AI解决方案。
能提高模型透明度的负责任的AI对于防范错误决策至关重要。它将促进更好的人机协作和信任，以便整个企业可以更好地采用和调整决策。
趋势2：仪表板的衰落
自动化水平更高、消费者体验更卓越的动态数据应用将取代可视化的点击式创建和探索工具。这样，用户将减少使用预定义仪表板的时间。转而采用上下文数据应用意味着，最相关的洞察力将基于上下文、角色或目的传递给每个用户。这些动态洞察力利用诸如增强分析、NLP、流量异常检测和协作之类的技术。
数据和分析主管需要定期评估他们现有的分析和商业智能（BI）工具。初创公司提供预定义的仪表板以外的新增强功能和NLP驱动的用户体验。
趋势3：决策情报
到2023年，超过30％的大型企业将安排分析师从事决策情报工作，包括决策建模。决策情报集成了多个学科，包括决策管理和决策支持。它包含了复杂自适应系统领域的应用，将各种传统和高级学科结合在一起。
它提供了一个框架，可帮助数据和分析主管结合业务结果和行为，设计、建模、协调、执行、监控和优化决策模型与流程。
当决策需要各种逻辑和数学时，企业必须自动执行或记录和评估使用决策管理和建模技术的探索流程。
趋势4：X分析
Gartner创造了一个术语“X分析”，其中X代表具有不同结构化和非结构化内容（例如，文本分析、视频分析和音频分析等）的一系列数据变量。
数据和分析主管利用X分析，解决社会上最严峻的挑战，包括气候变化、疾病预防和野生动植物保护。
在疫情爆发期间，人工智能在整理大量研究论文、新闻来源、社交媒体帖子和临床试验数据方面发挥了关键作用，并帮助医学和公共卫生专家预测疾病的传播，规划能力，寻找新疗法，并找出易感群体。X分析与AI和图表分析（另一个热门趋势）等其他技术相结合，将在识别、预测和规划未来的自然灾害和其他危机中发挥关键作用。
数据和分析主管应该探索现有供应商提供的X分析功能，例如用于图像、视频和语音分析的云供应商，但他们也应该认识到创新成果很可能来自小型初创公司和云供应商。
趋势5：增强型数据管理
增强型数据管理解决方案利用机器学习和AI技术，优化和改善运营。它还能将审核、沿袭和报告所用的元数据转换为支持动态系统的元数据。
增强型数据管理产品可以检查大量运营数据样本，包括实际查询、性能数据和模式。通过使用现有情况和工作负载数据，增强型引擎可以优化运营和配置，提高安全性和性能。
数据和分析主管应寻求增强型数据管理产品，支持活动元数据，以简化和整合架构，并提高冗余数据管理任务的自动化程度。
趋势6：云成为必然
到2022年，公有云服务将在90％的数据和分析创新中扮演关键角色。
随着数据和分析迁移到云端，数据和分析主管仍在努力使正确的服务与用例保持一致，这将导致不必要的治理和集成开销。
数据和分析问题已经从给定服务的成本转向如何满足工作负载的性能要求，而不仅仅是价格表。
数据和分析主管需要优先考虑可以利用云功能的工作负载，并在迁移到云端时专注于优化成本。
趋势7：数据与分析的碰撞
过去，数据和分析功能被视为单独的实体，并且需要单独管理。通过增强分析提供端到端工作流的供应商模糊了这两个市场之间的界限。
数据和分析的碰撞将增加独立数据和分析角色之间的交互和协作。这不仅会影响提供的技术和功能，还会影响支持和使用它们的人员和流程。角色范围将从IT部门的传统数据和分析角色扩展到信息探索者、消费者和普通开发人员。
为了将这种碰撞转化为建设性的融合，企业可以将数据和分析工具及功能合并到分析堆栈中。除工具外，企业还应关注人员和流程，以促进沟通和协作。利用由增强方法支持的数据和分析生态系统有可能提供一致的堆栈。
趋势8：数据市场和交易平台
到2022年，将有35％的大型企业通过正式的在线数据市场销售或购买数据，而2020年这一比例仅为25％。
数据市场和交易平台提供了一个集成第三方数据产品的平台。这些市场和交易平台提供集中的可用性和访问权限（例如X分析和其他独特的数据集），从而实现规模经济效益，降低第三方数据成本。
为了在数据市场将数据资产变现，数据和分析主管应通过定义生态系统合作伙伴可以依赖的数据治理原则，建立一种公平透明的方法。
趋势9：区块链技术在数据和分析中的应用
区块链技术解决了数据和分析领域的两个挑战。首先，区块链提供资产和交易的完整沿袭。其次，区块链为复杂的参与者网络提供了透明度。
除了比特币和智能合约的用例外，分类账数据库管理系统（DBMS）将为审核单个企业的数据源提供更有吸引力的选择。Gartner估计，到2021年，分类账DBMS产品将取代目前使用的大多数许可链。
数据和分析技术应通过强调数据管理基础架构与区块链技术功能之间的不匹配，将区块链技术定位为对现有数据管理基础架构的补充。
趋势10：关系奠定了数据和分析价值的基础
到2023年，图像技术将促进全球30％的企业快速制定情境化决策。图像分析是一组分析技术，可用于探索相关实体（例如企业、人员和事务）之间的关系。
它可以帮助数据和分析主管发现数据中的未知关系，并查看传统分析中难以分析的数据。
例如，当世界纷纷对当前和未来的疫情做出反应时，图像技术可以将各种事务（从人们手机中的地理空间数据到能够分析照片的人脸识别系统）中的实体进行关联，以确定谁可能与新冠病毒检测呈阳性的人有过接触。
考虑研究图形算法和技术如何改善AI和机器学习计划
与机器学习算法结合使用时，这些技术可用于梳理成千上万的数据源和文档，从而帮助医学和公共卫生专家快速发现可能对某些患者产生更多负面影响的新疗法或新因素。
数据和分析主管需要评估将图形分析纳入分析产品组合和应用的机会，以发现隐藏的模式和关系。此外，请考虑研究图形算法和技术如何改善AI和机器学习计划。