Gartner發(fā)布2025年數(shù)據(jù)和分析重要趨勢(shì)

Gartner 公司發(fā)布了 2025 年數(shù)據(jù)和分析（D&A）重要趨勢(shì)，這些趨勢(shì)正在催生包括企業(yè)和人員管理等方面的一系列挑戰(zhàn)。Gartner 研究副總裁孫鑫（Julian Sun）表示：“D&A 正在從一個(gè)小眾領(lǐng)域走向普及。與此同時(shí)，D&A 領(lǐng)導(dǎo)者面臨的壓力已經(jīng)從‘資源少，事情多’變成了‘資源多，事情更多’，而且這項(xiàng)工作由于風(fēng)險(xiǎn)的增加而變得更具挑戰(zhàn)性。不過(guò)，有一些趨勢(shì)將幫助 D&A 領(lǐng)導(dǎo)者應(yīng)對(duì)他們所面臨的壓力、期望和需求�！壁厔�(shì) 1：高消耗數(shù)據(jù)產(chǎn)品為了充分利用高消耗數(shù)據(jù)產(chǎn)品，D&A 領(lǐng)導(dǎo)者應(yīng)重點(diǎn)關(guān)注關(guān)鍵業(yè)務(wù)用例，通過(guò)產(chǎn)品關(guān)聯(lián)和規(guī)�；瘉�(lái)減少數(shù)據(jù)交付方面的挑戰(zhàn)，優(yōu)先交付可重復(fù)使用和可組合的最小可行數(shù)據(jù)產(chǎn)品，以便讓團(tuán)隊(duì)不斷改進(jìn)這些產(chǎn)品。同時(shí)，D&A 領(lǐng)導(dǎo)者還必須在數(shù)據(jù)生產(chǎn)和使用團(tuán)隊(duì)之間就關(guān)鍵績(jī)效指標(biāo)達(dá)成共識(shí)，這對(duì)于衡量數(shù)據(jù)產(chǎn)品的成功至關(guān)重要。趨勢(shì) 2：元數(shù)據(jù)管理解決方案有效的元數(shù)據(jù)管理應(yīng)先從技術(shù)元數(shù)據(jù)出發(fā)，然后擴(kuò)展到業(yè)務(wù)元數(shù)據(jù)以增強(qiáng)上下文。通過(guò)整合各種類型的元數(shù)據(jù)，企業(yè)能夠?qū)崿F(xiàn)數(shù)據(jù)目錄、數(shù)據(jù)脈絡(luò)和 AI 用例。因此，選擇有助于自動(dòng)發(fā)現(xiàn)和分析元數(shù)據(jù)的工具勢(shì)在必行。趨勢(shì) 3：多模態(tài)數(shù)據(jù)編織建立強(qiáng)大的元數(shù)據(jù)管理實(shí)踐涉及獲取和分析整個(gè)數(shù)據(jù)管道中的元數(shù)據(jù)。數(shù)據(jù)編織提供的洞察和自動(dòng)化可滿足編排需求、通過(guò)數(shù)據(jù)運(yùn)維（DataOps）實(shí)現(xiàn)更卓越的運(yùn)營(yíng)，并最終實(shí)現(xiàn)數(shù)據(jù)產(chǎn)品。趨勢(shì) 4：合成數(shù)據(jù)識(shí)別缺失、不完整或獲取成本高的數(shù)據(jù)對(duì)于推進(jìn) AI 行動(dòng)至關(guān)重要。合成數(shù)據(jù)既可以作為原始數(shù)據(jù)的變體，也可以替代敏感數(shù)據(jù)，能夠在促進(jìn) AI 發(fā)展的同時(shí)保護(hù)數(shù)據(jù)隱私。趨勢(shì) 5：代理式分析使用 AI 智能體進(jìn)行數(shù)據(jù)分析，完成業(yè)務(wù)成果的自動(dòng)化閉環(huán)具有變革性意義。Gartner 建議嘗試開(kāi)發(fā)自然語(yǔ)言接口連接業(yè)務(wù)洞察的用例，并評(píng)估供應(yīng)商的數(shù)字化工作場(chǎng)所應(yīng)用集成路線圖。同時(shí)，建立治理機(jī)制可最大程度地減少錯(cuò)誤和幻覺(jué)，并且通過(guò) AI 就緒數(shù)據(jù)原則評(píng)估數(shù)據(jù)就緒度十分重要。趨勢(shì) 6：AI 代理AI 代理對(duì)于滿足臨時(shí)的、靈活的或復(fù)雜的自適應(yīng)自動(dòng)化需求至關(guān)重要。企業(yè)不能僅僅依賴大語(yǔ)言模型（LLM），還需要采用其他形式的分析和 AI 技術(shù)。D&A 領(lǐng)導(dǎo)者應(yīng)使 AI 代理能夠無(wú)縫訪問(wèn)和共享所有應(yīng)用的數(shù)據(jù)。趨勢(shì) 7：小語(yǔ)言模型相比大語(yǔ)言模型，Gartner 更推薦企業(yè)考慮使用小語(yǔ)言模型，以便在特定領(lǐng)域獲得更加準(zhǔn)確、更符合語(yǔ)境的 AI 輸出結(jié)果。Gartner 建議提供用于檢索增強(qiáng)生成或微調(diào)自定義領(lǐng)域模型的數(shù)據(jù)，特別是在本地使用時(shí)，可以處理敏感數(shù)據(jù)并減少計(jì)算資源和成本。趨勢(shì) 8：復(fù)合型 AI多種 AI 技術(shù)的結(jié)合可提高 AI 的影響力和可靠性。D&A 團(tuán)隊(duì)不應(yīng)局限于 GenAI 和 LLM（大語(yǔ)言模型），還應(yīng)整合數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、知識(shí)圖譜以及優(yōu)化等技術(shù)，以實(shí)現(xiàn)全面的 AI 解決方案。