2023年分析和数据管理趋势
根据Omdia的“2023年值得关注的趋势：分析和数据管理”报告，尽管COVID-19现在被认为是地方病，但公司仍在继续投资数据和分析技术，就像它们在大流行开始时所做的那样。
为此，公司继续针对特定的面向客户的用例，例如销售管道自动化，同时对后端基础设施进行现代化改造，以期降低成本、提高运营效率并在未来产生新的收入来源，报告作者Bradley Shimmin表示，姐妹研究公司Omdia的AI平台、分析和数据管理首席分析师。
Omdia期望企业买家加速采用云原生和多云架构和部署机会，以此作为降低数据存储、迁移、集成和管理成本的手段。
“到2026年，这将推动近148亿美元的数据集成、管理和处理，”Shimmin说。
至于技术采用，他认为通过采用融合数据库可以加速成本节约，并通过联合商业智能和数据科学机会提高企业洞察力。
以下是Shimmin对2023年的预测：
对整个企业的数据进行优先排序
随着大多数公司的数字化转型项目顺利进行，IT从业者将在2023年发现自己面临越来越大的压力，需要在不产生额外成本或增加风险的情况下，在更广泛的业务用户中解锁对分析数据的自助访问。
关键任务数据能力：全面的360°业务视图不再是企业“可有可无”的能力。对于希望经受住市场动荡和探索新机遇的公司而言，对整个业务进行检测已成为绝对必要的。企业数据资产正成为与客户服务、产品开发和运营一起的主要业务线。
关注元数据：为支持数据可观察性等目标，到2023年，公司将大量投资于对其数据资产进行检测的技术(数据中心和数据目录)，生成的元数据不仅可用于推动新用例，而且鼓励整个企业的数据专业人员和业务用户更广泛地利用数据。
强调可观察性：努力建立对数据驱动结果的信任，以及对不断变化的监管要求的担忧，将促使公司除了通常的安全和隐私问题外，还强调数据质量、准确性和有效性。为了实现这些目标，公司将投资数据可观察性解决方案，以实现持续的性能分析、数据检查和传统监控。
DataOps应运而生：公司将继续投资于支持跨不同业务消费者的数据持续集成和持续交付(CI/CD)的技术。这将体现在协作、开发、部署、编排和测试/监控工具中，包括DVC、Chef、Airflow、Puppet、Jenkins等。投资这些工具(其中许多是开源的)将帮助公司开始将数据视为与软件本身无异的资产。
建立数据文化：克服组织和文化障碍仍将是2023年人工智能、数据和分析取得成功的最大障碍之一。在这方面取得最大进展的公司将是那些愿意投资培训和教育服务的公司教业务用户如何无风险地定位、理解和利用数据。
构建透明的数据架构
到2023年，以API驱动和元数据支持的数据结构形式向统一数据层迈进的势头将得到推动，这得益于老牌公司的新平台服务以及K2View等以数据结构为重点的新公司的涌入.
精心安排的数据管道：Omdia预计到2023年自动化将有所提高，公司将采用将静态数据集成脚本转换为托管的有向无环图(DAG)的工具来实现数据管道的运营，就像在Apache Airflow中一样，允许预期和意想不到的变化。
存储和计算的分离：公司将在2023年享受持续涌入的机会，以进一步将计算与底层数据存储基础设施分开。例如，大多数数据库供应商都在推出无服务器查询引擎，这将使企业能够更好地优化其成本/性能比。
注入人工智能的数据库：数据库提供商将加快步伐，将人工智能功能直接构建到数据库本身，扩展其内置框架组合并添加预构建模型，所有这些都是为了在单一编程语言，即SQL。
万能数据库：分析和数据管理行业将在2023年继续向可以结合结构化、半结构化和非结构化工作负载的多模型数据库迈进。2023年的大部分工作将集中在融合关系存储和对象存储上。
民主化分析见解
为了在持续的市场混乱中实现敏捷性和弹性，公司将在2023年加速使用将及时的、上下文相关的洞察嵌入日常业务程序的工具。公司还将扩大对能够混合预测性、AI-驱动分析与传统的描述性分析。
自助服务分析：与前几年一样，自助服务数据和分析将在2023年继续快速发展，供应商将在其解决方案中构建更多功能，从而缩短业务用户与IT互动的需求。今年的一个变化是更加注重将这种自助服务扩展到不在公司数据仓库、数据湖或湖屋范围内的数据。
注入人工智能的分析：人工智能将继续在传统的商业智能和分析解决方案中占据主导地位。特别是，自助服务工具(例如Google Looker Studio)将直接集成来自Google人工智能产品组合的高级分析功能，使用户更容易识别、提供、准备和理解数据。
实践专业知识：随着供应商寻求民主化数据访问，同时解决IT内部日益严重的技能短缺问题，公司应该期待教育、培训和体验服务的涌入。
嵌入式分析：基于数据作为API服务的总体趋势，公司将看到更多将分析图表嵌入业务流程的机会。其中许多将由特定于用例的AI结果预先构建和支持。
