趨勢1：更智能、更高速、更負責的AI
到2024年底，75%的企業機構將從人工智能（AI）試點轉為AI運營，基于流數據的分析基礎架構的數量將因此增加5倍。
疫情當前，機器學習（ML）、優化和自然語言處理（NLP）等AI技術正就病毒傳播、應對效果及影響提供重要洞察和預測。
而強化學習和分布式學習等其他更智能的AI技術正在創建更具適應性和靈活性的系統，用于處理復雜的業務情況。例如，基于代理的系統可對復雜系統進行建模和仿真。
趨勢2：儀表板的衰落
具備更多自動化和消費化體驗的動態數據故事將取代視覺化、點擊式的數據創建和探索。因此，用戶使用預定義儀表板的時間也將會減少。向支持增強分析或NLP等技術的動態數據故事轉變，這意味著：最相關的洞察將基于用戶的場景、角色或用途，流式傳輸給每個用戶。
趨勢3：決策智能
到2023年，33%以上的大型企業機構將聘用分析師實現包括決策建模在內的決策智能。決策智能匯集了決策管理和決策支持等多項技術。它提供了一個框架，幫助數據和分析領導者針對業務成果和行為，設計、建立、協調、執行、監控和調整決策模型及流程。
趨勢4：X分析
“X分析”由Gartner創造的一個總稱術語，其中的X指代各種結構化和非結構化內容（如文本分析、視頻分析、音頻分析等）的數據變量。
在新冠疫情期間，AI發揮了關鍵作用，梳理了成千上萬份研究論文、新聞資料、社交媒體內容和臨床試驗數據，幫助醫療和公共衛生專家預測疾病傳播，制定能力規劃，尋找新的治療方法并確定易感人群。X分析與AI、圖譜分析等其他技術結合起來，將對未來自然災害和其他危機的識別、預測和規劃發揮關鍵作用。
趨勢5：增強型數據管理
增強型數據管理利用ML和AI技術優化并改進運營。它還促進了元數據角色的轉變，從協助數據審計、沿襲和匯報轉為支持動態系統。
增強型數據管理產品能夠審查大量的運營數據樣本，包括實際查詢、性能數據和方案。利用現有的使用情況和工作負載數據，增強型引擎能夠對運營進行調整，并優化配置、安全性和性能。
趨勢6：云成為必然
到2022年，公有云服務將對90%的數據和分析創新起到至關重要的作用。隨著數據和分析的上云，數據和分析領導者仍然很難實現服務與用例的協調一致，這就增加了不必要的治理和集成開支。
數據和分析問題的關鍵，已經從某項服務的成本轉為如何在定價之外滿足工作負載的性能要求。上云時，數據和分析領導者需要優先處理能夠利用云能力和專注于成本優化的工作負載。
趨勢7：數據和分析的碰撞
數據管理能力和分析能力在傳統上被視為不同的領域，需要分別進行管理。利用增強分析提供端到端工作流的供應商使這兩個市場之間的界線變得模糊了。
數據和分析的碰撞將增加這兩個傳統上相對獨立的領域之間的交互和協作。這不僅會影響到所提供的技術和能力，還會使支持和使用它們的人員和流程受到影響。相關角色也將從傳統的數據和分析擴展到信息探索人員和公民開發人員等。
趨勢8：數據市場和交易平臺
到2022年，35%的大型企業機構將通過正式的在線數據市場參與數據交易，而這一比例在2020年為25%。數據市場和交易平臺為整合第三方數據產品和降低第三方數據成本提供了統一平臺。
趨勢9：區塊鏈技術在數據和分析中的應用
區塊鏈技術解決了數據和分析領域中的兩項挑戰。首先，區塊鏈提供了資產和交易的完整沿襲。其次，區塊鏈為復雜的參與者網絡提供透明度。
除了有限的比特幣和智能合約用例之外，分類賬目數據庫管理系統（DBMS）將為單個企業審計數據來源提供了更具吸引力的選擇。Gartner預計，到2021年，分類賬目DBMS產品將取代多數許可區塊鏈的使用。
趨勢10：關系奠定了數據和分析價值的基礎
到2023年，圖譜技術將促進全球30%的企業機構決策過程的快速情景化。圖譜分析是指一系列用于探索不同感興趣的實體（如組織、人員和交易）之間關系的技術。它幫助數據和分析領導者找到數據中未知的關系，并查看傳統分析技術不易分析的數據。
