变化”和“深入”将是接下来数据与分析的关键——2021Gartner数据与分析趋势深度解读

数据分析 Gartner 数据猿

李憓松 | 2021-03-22 09:45

【数据猿导读】 2020已经走远，但它留下的痕迹，成为了2021年所有人的挑战。面对突如其来的变化，最好的办法就是改变

近期，TigerGraph高级解决⽅案经理李憓松在最新一期的TigerGraph图课堂直播课上，对Gartner2021数据与分析趋势（点击查看原文）做了详细的解读。他提出，新的趋势主要体现在两个方面:变化和深入。

变化

2021年的⼗⼤趋势，并不单纯是以往趋势的累加，⽽是在视⻆和⽅向上都有了很⼤的变化。
第⼀个关键词是少⽽⾼维。⾯对席卷全球的疫情，发⽣极大变化的世界和社会运作⽅式，让以往⼤家积攒下来的数据和分析都在一定上程度失去了效果。如何基于疫情以来的相对少的数据展开分析，成了迎⾯⽽来的问题。

其实⼤家⼀直都有追逐实时业务场景的愿望，但这⾥的实时就不仅仅是能否在让⼈接受的时间返回信息了，现在更包括是不是可以根据时间窗⼝更窄，数据ᰁ更⼩，但更⾼维度的数据中，提供精准的洞察。这不只是数据的⼀存⼀取，⽽是session式的窄窗⼝⾼维度的分析，突如其来的疫情只是加速了这个需求，让我们早早直⾯了这个趋势。

第⼆个关键词是分散。在线会议交流，让组织内部⼈员少了⾯对⾯接触的机会，呈现出分散的状态。虽然RTC技术蓬勃发展，但是⼈员不能现实地聚集在⼀起，可以相互协作的成本越来越⾼了，这就要求每⼀个组织中的个体，都更要具有⾃主发挥单兵作战的能⼒，⼯作流程可能也会因为远程办公模式变得运转缓慢，如何构建，灵活便捷，节约成本和⽹络开销的数据架构，成为了关键。

既然数据产⽣在边缘，消费在边缘，全球化的组织和全球化的市场，在逆全球化浪潮暗涌的今天，如何利⽤好边缘的资源和优势，这将可以发挥边缘的计算能⼒，跨越空间与时间，跨越⽂化与国界，更多的实时场景也将增加更⼤的价值。

第三个关键词是灵活。分散的不只是⼈，企业中的数据⼯具和标准，各个部⻔的视⻆逻辑等往往也不尽相同，割裂的数据与⼯具，阻碍了企业跨越困难脱颖⽽出。是否能以⾜够弹性灵活⽅便组合的形式，为组织中个体提供更加⾃助⺠主的⽣产⼯具，激活组织内成员的活⼒，释放更⼤的⽣产能⼒，也许是企业间差异化竞争的焦点。毕竟⼯具和流程的复杂程度，只会要求组织⼈员对新⼯具和技术更加敏感并且提供更详尽的培训，但是如果⼯具⾜够灵活⾃助，那么组织成员就可以不⽤消耗精⼒在技术与⼯具的使⽤上，可以更多的投⼊到逻辑和场景上。

第四个关键词是连接组。就是由于前文所提的分散和边缘的凸显，他们的反⾯--数据的连接和新组合，也更加引⼈注意。在窄窗⼝⾼维度中，维度并不是简单数的增加，⽽是相互错综复杂的编织在⼀起，由点到线到⾯到体到更抽象。⽽这最抽象的模型基础构建也并不是同质的，⽽是异质随机拼接⽽成。

一旦不被束缚，就不再是⽤固化的视⻆结构化这个世界，是向着这个世界更真实的⼀⾯去模拟，构建数字化的孪⽣。如果这个世界是五彩缤纷，熵增混乱的，那我们数据的组织形式也应该具有表征如此这般世界的能⼒。将真实世界分散的在各地的彼此，在数字世界连接起来，组出更接近真实数据和更深程度的分析，这也是理念世界 - 现实世界 - 数字世界发展的必然趋势。

深入

这⾥的“深⼊”指对已成熟的技术提出了更⾼的要求。

第⼀个关键词是数字化。正如前⾯所述，为了保持，组织和社会的正常运转，我们将更多的组织形式，沟通形式等数字化。活跃在数字化平台的不同⻆⾊，产⽣了丰富的数据⾏为，实在的组织，由企业⽂化战略提供灵魂，分布在各地的成员由数字化的⼤⽹将组织依旧拉扯在⼀起，组织的实际构建形式是⾮常“赛博格”的，真实员⼯等于他的物理身份加上数字身份，现实⾏为也越来越和数字化的⾏为相互影响，难以分开界限。数据的分析对于真实的把握程度越来越⾼，基于此的决策也产⽣更深远的影响，由此数据和分析的᯿重要程度与⽇俱增。

第⼆个关键词是⼯程化数字化探索。新的分析⽅法的应⽤，初期可能是野蛮⽣⻓的，它本身组织的松散带来的负⾯效果，被质变带来的价值所掩盖，在应⽤逐渐成熟的时候，如何合理的组织这些⽅向各异，参差不⻬的数据⽣态，合理调度利⽤资源，让技术具有持续的动⼒，在旧有技术和成果的基础上⽣根发芽，就需要对已有的架构和⽅法进⾏⼯程化的处理，重振旗⿎继续发展。

第三个关键词是责任化。数字化的世界，不是法外之地，数字化的成果也要服务于⼈，⽆论是⼤数据还是⼩数据，⽆论是中⼼计算还是边缘计算，⽆论是BI分析还是⼈⼯智能，既然产⽣于⼈，作⽤于⼈，数字与真实也越来越纠缠不清，那么就更加要注意数据和分析本身的责任。数据与算法也是⼯具，也要注意它的双刃剑效应，遵循道德约束，保护隐私、遵守法规并尽量减少偏⻅。

数据和分析技术并不像核技术⼀样，会对⼈产⽣即刻显现的⻛险，然⽽他对于⼈们⽣活的影响的深远程度有过之而⽆不及，我们作为从业者更应对技术有敬畏之⼼，对⼈本身更加关照，不要让数据和分析的使⽤者和被作⽤者，受困于数据和分析，不然就是本末倒置了。

那么作为使⼀切都产⽣关联的图技术，又将在其中扮演着怎样的角色？

我们举三个例⼦，⾸先从数据准备的⻆度来看，在极⼤数字化的新常态下，如何识别数字⾯孔下的⾃然⼈是⾸当其冲的问题，在缺乏准确信息和匿名化的前提下，如果可以充分利⽤数据的崭新的组织形式，更好地对数据进⾏关联性分析，对于提⾼⾃然实体识别的准确性是有极⼤提升的，在此基础上进⾏数据分析会更加准确具有价值。

第⼆，对于分布在全球各地或者没有明确⽬的聚集在⼀起的数据，如何将⼈、物、事件等关联在⼀起，甚⾄如何将灵活多变的数据架构表达掌握，图都是个是⾃然的选择。

第三个是可解释的更负责任的AI，图强⼤的语义表达的能⼒，作为AI的承载形式，赋予了AI极⼤的可解释性，AI可解释是个基础，有了可解释才可以来判断是否负责任是否符合伦理和法规要求。我们看到世界既分散⼜关联，更多的数字化，对于分析更加实时和更加深⼊的要求、对于图分析功能的要求越来越⾼，除了⼯具本身外，是否具有丰富的探索经验，实践经验，是否可以在合乎成本的基础上完成⽬标，也是必不可少的需要关⼼维度。

2020已经走远，但它留下的痕迹，成为了2021年所有人的挑战。面对突如其来的变化，最好的办法就是改变。数据分析领导者只有越早放弃旧的奶酪，才能越早发现新的奶酪！

来源：Gartner

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。