Меню
Главная Блог Топ-10 трендов в аналитике и работе с данными в 2021
Топ-10 трендов в аналитике и работе с данными в 2021

Топ-10 трендов в аналитике и работе с данными в 2021

2021-04-27

Что нас ожидает в направлении работы с данными в 2021 году? Gartner идентифицировал 10 основных трендов, которые будут популярными и наиболее развивающимися. 

Ежегодно компания Gartner проводит исследования и расчеты всевозможных бизнес направлений, рынков и индустрий. В нашей недавней статье “Облачный рынок достигнет $ 397 млрд. в 2022 году” мы приводили данные и отчеты их постоянной Forecast рубрики про рынок облачных технологий.  

На этот раз специалисты из Gartner провели новое исследование и определили 10 ведущих тенденций на 2021 год в области данных и их анализа (D&A). Эти тренды помогут организациям лучше и быстрее реагировать на изменения, которые так стремительно происходят в современном мире.

Пандемия, за короткий промежуток времени, внесла большое количество изменений в повседневную жизнь организаций. Лидеры в области D&A сегодня должны иметь в своем распоряжении инструменты и процессы, которые позволят быстрее определять тенденции и ключевые конкурентные преимущества для их бизнеса - отмечает Рита Саллам, вице-президент Gartner по научно исследовательской работе. 

Gartner выделяет 10 основных тенденций, которые ускорят возможности прогнозирования и реагирования на быстрые изменения. Эти тренды полезны как  тем, кто работает непосредственно в области D&A, так и всем остальным специалистам, которые так или иначе тесно связаны с новыми технологическими инструментами и методиками. 

Более умный, ответственный и гибкий AI

Бизнес использует технологии искусственного интеллекта (AI) и машинного обучения (ML) всё в больших масштабах. Это вызывает потребность у предприятий создания более умных и менее требовательных систем, которые будут принимать более ответственные и устойчивые решения. Новые разработки помогают внедрять и использовать AI более гибко и глубоко, подстраивая его под потребности бизнеса, что в свою очередь позволяет сокращать время создания ценности и повышает его отдачу. 

Сложные данные и аналитика

Аналитические возможности становятся более составными из-за открытых контейнерных архитектур, и требуют одновременного использования различных решений. С помощью новых AI инструментов создаются гибкие и удобные приложения, которые помогают руководителям по управлению и анализу принимать решения и более эффективно руководить своими подразделениями. 

Сегодня центр тяжести данных перемещается в облако, а пандемия только ускорила переход к облачным инструментам. Из-за этого аналитика и управления данными становится более гибкими и функциональными. 

Data Fabric - основа

В связи с ростом цифровизации пользователей, D&A лидеры все чаще используют замкнутую автономную экосистему данных (Data Fabric), как основу для решения проблем разнообразия, распределения, масштаба и сложности информационных активов своих организаций.

Этот подход использует аналитику для постоянного мониторинга конвейеров данных. Кроме того Data Fabric использует непрерывную аналитику активов данных для поддержки проектирования, развертывания и использования разнообразных данных, чтобы сократить время интеграции на 30%, развертывания на 30% и обслуживания на 70%.

От больших к маленьким и широким данным

Экстремальные изменения в бизнесе в результате пандемии привели к тому, что модели ML и AI, основанные на большом объеме исторических данных, стали менее актуальными. В то же время, принятие решений людьми и AI является более сложным и требовательным, что требует от D&A лидеров наличия большего объема разнообразных данных для лучшей осведомленности о ситуации. 

Это приводит к тому, что нужно выбирать такие аналитические методы, которые могут более эффективно использовать имеющиеся данные. D&A лидеры полагаются на wide data, которая обеспечивает анализ и синергию различных small и big, неструктурированных и структурированных источников данных. Кроме того, используются кластеры данных, которые представляют собой узкие аналитические методики, требующие меньшего объема данных, но все же обладающих полезной информацией по заданным направлениям. 

Подходы на основе small и wide data обеспечивают надежную аналитику и искусственное осмысление, в то же время, уменьшая зависимость организаций от больших массивов данных", - утверждает Саллам - "Используя wide data, организации получают более богатую, полную картину ситуации, что позволяет им применять аналитику для более эффективного принятия решений.

XOps

Целью XOps, включая DataOps, MLOps, ModelOps и PlatformOps, является достижение эффективности и экономии от масштаба с использованием лучших практик DevOps, а также обеспечение надежности, многократного использования и повторяемости. Всё это сокращает дублирование технологий и процессов и позволяет автоматизировать их. Концепция DevOps ускоряет переход разработки приложений от традиционных методов к Cloud Native, подробнее об этом читайте в нашей статьей

Большинство проектов по аналитике и AI терпят неудачу, потому что операционализация рассматривается лишь как второстепенная задача. Если D&A лидеры проведут операционализацию в масштабе с использованием XOps, они обеспечат воспроизводимость, отслеживаемость, целостность и интегрируемость активов аналитики и AI.

Интеллектуальное принятие решений

Инженерный анализ применяется не только к отдельным ситуациям, но и к последовательностям, группируя их в бизнес-процессы и даже сети возникающих решений и последствий. Поскольку решения становятся все более автоматизированными и дополненными, инженерный анализ дает возможность сделать процесс принятия решений более точным, повторяемым, прозрачным и отслеживаемым.

Данные и аналитика как основная бизнес-функция

Сегодня D&A, вместо второстепенной бизнес функции, превращается в основной вид деятельности. В такой ситуации D&A становится общим бизнес-активом, связанным с бизнес-результатами, а изолированность D&A разрушается благодаря лучшему сотрудничеству между центральными и объединенными командами D&A.

График объединяет все

Графики составляют основу многих современных возможностей анализа данных, позволяя находить взаимосвязи между пользователями, событиями, местами, реакциями и прочим. Специалисты полагаются на графики, чтобы быстро ответить на сложные бизнес-вопросы, которые требуют прямого контекста и понимания природы связей между различными сущностями.

По прогнозам Gartner, к 2025 году графические технологии будут использоваться в 80% инноваций в области данных и аналитики, по сравнению с 10% в 2021 году. Это будет способствовать принятию еще более быстрых решений.

Расцвет расширенного потребителя

Большинство бизнес-пользователей сегодня используют предопределенные информационные панели и ручной поиск данных, что иногда приводит к неверным выводам и ошибочным решениям и действиям. Постепенно такие панели будут заменяться на автоматизированные, разговорные, мобильные и динамически генерируемыми данные, которые адаптированы к потребностям пользователя и быстро доставляются в точку потребления.

"Аналитические возможности перейдут к потребителю информации - расширенному потребителю, - предоставляя ему возможности, которые ранее были доступны только аналитикам и специалистам в исследовании данных", - сказала Саллам.

Edge данные и аналитика

Данные, аналитика и другие поддерживающие их технологии все чаще размещаются в пограничных вычислительных средах, ближе к активам в физическом мире и за пределами компетенции ИТ-отделов. По прогнозам Gartner, к 2023 году более 50% основной ответственности руководителей в области данных и аналитики будут составлять данные, созданные, управляемые и анализируемые в подобных edge средах.

Эта тенденция позволит специалистам обеспечивать большую гибкость, скорость, управление и устойчивость данных. Интерес к пограничным возможностям для D&A обусловлен разнообразием сценариев использования: от поддержки анализа событий в реальном времени до обеспечения автономного поведения "вещей".

В нашей предыдущей статье “Как рассчитать облачный ROI - 9 советов” мы рассмотрели основные советы, которые нужно учитывать при расчете облачного ROI.