石菲

一场突如其来的新冠肺炎疫情让企业加快了数字化转型步伐，作为降本增效的首要利器，数据分析成为企业关注的重点领域。而在人工智能（AI）技术的快速发展下，不仅加快了数据分析改善企业经营决策的速度，还对数据分析的技术趋势产生了深远影响。

对于数据分析领域来说，AI可以说是具有改变游戏规则的潜力。根据Gartner针对企业高管的调查显示，82%的企业CEO会投入更多预算在数字化方面，64%的CDO（企业数据官）提升了今年的预算并计划增加数据分析的团队人数。种种迹象表明，企业对数据分析领域越来越重视。

那么，企业如何快速灵活地对内外部数据进行分析，尽量满足市场和创新需求？在Gartner对2021年数据和分析技术趋势预测中，有两点特别值得关注。组装式数据分析和数据编织。

组装式架构更灵活

首先来看组装式数据和分析架构。

新冠疫情刚刚暴发时，对企业的快速响应能力是一场考验。而组装式架构可以帮助企业更加灵活便利地应对突发状况。对于数据分析领域也是如此。可以复用的能力和可组装是息息相关的，数字化能力只有在被复用的情况下，才可以像搭积木一样将各种能力组合起来，最终交付给业务部门，从而起到快速响应突发事件的作用。

目前，大型企业拥有很多不同的数据分析工具。随着低代码和无代码技术的发展，越来越多的企业开始通过这种方式促使更多业务分析师和开发人员进行合作，将数据分析能力与应用开发能力组装优化。而随着云计算的飞速发展，云技术提升了模块化发布的效率。并且随着各种数据分析工具提供的API接口越来越多，容器技术和微服务也提供了更多快速灵活的方式。

另一方面，开放、容器化的数据和分析架构提高了分析能力的可组装性。方便整合的组装式数据分析架构可以使用来自多个数据、分析和人工智能解决方案的组件来快速构建灵活、对用户友好的智能应用，帮助数据和分析领导者能够将洞见与行动相联系。

而随着数据重心向云转移，组装式数据和分析架构将成为一种通过云市场以及低代码和无代码解决方案构建分析应用的更敏捷方式。

Gartner给出的组装式数据和分析定义包括，基于容器或者微服务架构，以及数据编织的设计理念作为基础。然后从现有的资产当中组合出灵活的、模块化的、可重用的、消费者友好的数据分析功能。之后可以利用低代码和无代码的技术组件将这些能力组合起来。让这些来自不同厂商的技术组件组合成为可以有效支撑自适应决策的形式。

Gartner研究总监孙鑫表示，目前国内很多企业都在构建数据中台战略，而数据中台的实质就是在数字化业务中提炼可以复用的能力，提升企业的数据能力和分析能力，以这些应用对数据能力进行赋能。预计2025年会有70%的新应用来自低代码或者无代码开发。组装式数据分析架构更加适合市场需求，可以提升AI分析效果。

对此，Gartner建议将模块化数据分析能力纳入企业决策，组装式数据分析架构应用AI能够快速让企业见到数据分析的效果。通过组装式的数据分析，把已经投资的BI报表工具，或者是机器学习提供的预测分析能力给组合起来，变成一种应用程序，从而通过组合式的分析推动创新。企业应组建由数据分析师和开发人员组成的融合团队，并在云端进行应用试水，推动这种组合式的创新。

数据编织提供管理基础

要想成功构建组装式数据和分析架构，有一个重要基础，那就是数据编织。

很多企业都建立了数据湖来汇总企业内外部的所有数据，但这种收集数据的形式只擅长于数据的存储，容易产生“暗数据”，并且不利于实时处理跨越无论存储介质的数据。数据编织的设计模式是帮助企业管理好各种各样的数据整合时可能出现的情况，并不意味着企业一定要去购买某一个工具，而是帮助企业从传统的收集数据的形式渐渐通过灵活转换，变成连接数据。也就是说数据不移动位置，而是以连接形式去继续使用数据。数据编织给与了企业灵活调整数据收集和连接的平衡。

因此，数据编织是一个可以解决企业数据资产多样性、分布规模和复杂程度的综合架构，可以帮助企业解决现存的数据孤岛问题。

孙鑫说：“数据编织通过持续分析数据资产来支持不同数据的设计、部署和利用，使集成时间缩短30%、部署时间缩短30%、维护时间缩短70%。我们推荐企业通过利用数据编织的设计理念去支持不同的数据交互，并且用这种动态的形式去管理各种各样的数据，同时投资越来越多的元数据，驱动更多基于数据的开发。”

在近期出台的中华人民共和国国民经济和社会发展第十四个五年规划纲要中，大数据出现了14次，数据出现了60余次。由此可以看出，数据已经成为国民经济和社会发展的重要风向标。未来，企业对数据分析的需求会进一步增大。灵活、便利的组装式架构和数据编织管理方法可以帮助企业更快速地利用数据产生的价值，稳步迈入数字化。

此外，Gartner 2021年数据和分析十大趋势还包括AI会变得更智能、负责、可扩展；企业会从大而全的数据分析逐渐过渡到对“小”而“宽”的数据进行分析并快速取得效果；越来越多企业会使用XOps实施大规模的业务化，从而实现分析和AI資产的可复制性、可追溯性、完整性和可集成性；工程化决策智能使企业决策变得更加准确；数据和分析会成为核心业务功能；图技术使一切产生关联；企业中会出现日益增多的增强型数据消费者；数据和分析正在向边缘移动。