Gartner發(fā)布數(shù)據(jù)和分析（D&A）領導者在企業(yè)中利用2022年主要數(shù)據(jù)和分析趨勢時應擁抱的三大主題，分別是：激發(fā)企業(yè)活力和多樣性、增強人員能力和決策，以及信任的制度化。

AI工程等自適應人工智能（AI）的興起在應對全球市場波動的同時，還推動了增長和創(chuàng)新。AI數(shù)據(jù)管理領域的創(chuàng)新、基于主動元數(shù)據(jù)驅(qū)動的自動化方法以及數(shù)據(jù)共享能力（均建立在數(shù)據(jù)編織的基礎上）充分釋放了數(shù)據(jù)和分析的全部價值。

例如“始終數(shù)據(jù)共享”趨勢加強了數(shù)據(jù)共享作為一項面向業(yè)務的關鍵績效指標的作用：表明企業(yè)機構(gòu)為了創(chuàng)造公共價值，正在與利益相關方進行有效的互動并讓更多人能夠獲得正確的數(shù)據(jù)。新冠疫情和其他近期的大規(guī)模全球事件令企業(yè)機構(gòu)迫切地想要通過共享數(shù)據(jù)來加快獨立和相互關聯(lián)的公共和商業(yè)數(shù)字業(yè)務價值。

Gartner預測，到2026年，大多數(shù)外部中間商將被應用于內(nèi)部和外部數(shù)據(jù)生態(tài)系統(tǒng)的自動化信任度指標取代，這將使數(shù)據(jù)共享風險降低一半。

該類別中的2022年趨勢包括：自適應AI系統(tǒng)、以數(shù)據(jù)為中心的AI、元數(shù)據(jù)驅(qū)動的數(shù)據(jù)編織和始終數(shù)據(jù)共享。

為了提供與決策者相關的洞察，數(shù)據(jù)和分析領導者必須提供語境豐富、使用業(yè)務模塊組件創(chuàng)建的分析。這包括將數(shù)據(jù)素養(yǎng)作為優(yōu)先事項以及制定應對數(shù)據(jù)和分析人才稀缺問題的策略。

從現(xiàn)在起到2025年，大多數(shù)首席數(shù)據(jù)官（CDO）將無法培養(yǎng)實現(xiàn)戰(zhàn)略數(shù)據(jù)驅(qū)動的既定業(yè)務目標所必需的員工數(shù)據(jù)素養(yǎng)。Gartner的研究顯示，在數(shù)據(jù)和分析中考慮人員因素的企業(yè)機構(gòu)比只考慮技術的企業(yè)機構(gòu)更加成功。這種以人為本的理念能夠推動更大范圍的數(shù)字化學習，而不僅僅是提供核心技術平臺、數(shù)據(jù)集和工具。

該類別中的2022年趨勢包括：語境豐富的分析、業(yè)務模塊組裝式數(shù)據(jù)和分析、以決策為中心的數(shù)據(jù)和分析以及人員技能和素養(yǎng)的不足。

只有通過管理AI風險并實施跨分布式系統(tǒng)、邊緣環(huán)境和新興生態(tài)系統(tǒng)的互聯(lián)治理，才能大規(guī)模地實現(xiàn)數(shù)據(jù)和分析的價值。

雖然AI正在變得日益普遍，但大多數(shù)企業(yè)機構(gòu)仍因無法解釋或說明其模型的用途而失去人員對其的信任和透明度。企業(yè)機構(gòu)不但無法管理快速發(fā)展的AI創(chuàng)新所帶來的風險，而且常常在安全性等模型治理方面敷衍了事，導致出錯的AI模型產(chǎn)生更加嚴重的負面后果，例如業(yè)務決策出錯，甚至是生死攸關的決策出錯。

隨著全球AI法規(guī)的激增，企業(yè)機構(gòu)必須按照這些法規(guī)的要求采取可審計的做法來確保信任、透明度和保護消費者的權(quán)益。Gartner預測，到2026年，開發(fā)出可信賴的目標導向型AI的企業(yè)機構(gòu)將實現(xiàn)75%以上的AI創(chuàng)新成功率，而未能做到這一點的企業(yè)機構(gòu)只有40%的成功率。

該類別中的2022年趨勢包括：互聯(lián)治理、AI風險管理、廠商和地區(qū)生態(tài)系統(tǒng)、向邊緣的擴展。