本文來源：Gartner公司

Gartner公司發(fā)布了2025年數(shù)據(jù)和分析（D&A）重要趨勢，這些趨勢正在催生包括企業(yè)和人員管理等方面的一系列挑戰(zhàn)。

Gartner研究副總裁孫鑫（Julian Sun）表示：“D&A正在從一個小眾領域走向普及。與此同時，D&A領導者面臨的壓力已經從‘資源少，事情多’變成了‘資源多，事情更多’，而且這項工作由于風險的增加而變得更具挑戰(zhàn)性。不過，有一些趨勢將幫助D&A領導者應對他們所面臨的壓力、期望和需求。”

趨勢1：高消耗數(shù)據(jù)產品

為了充分利用高消耗數(shù)據(jù)產品，D&A領導者應重點關注關鍵業(yè)務用例，通過產品關聯(lián)和規(guī)模化來減少數(shù)據(jù)交付方面的挑戰(zhàn)，優(yōu)先交付可重復使用和可組合的最小可行數(shù)據(jù)產品，以便讓團隊不斷改進這些產品。同時，D&A領導者還必須在數(shù)據(jù)生產和使用團隊之間就關鍵績效指標達成共識，這對于衡量數(shù)據(jù)產品的成功至關重要。

趨勢2：元數(shù)據(jù)管理解決方案

有效的元數(shù)據(jù)管理應先從技術元數(shù)據(jù)出發(fā)，然后擴展到業(yè)務元數(shù)據(jù)以增強上下文。通過整合各種類型的元數(shù)據(jù)，企業(yè)能夠實現(xiàn)數(shù)據(jù)目錄、數(shù)據(jù)脈絡和AI用例。因此，選擇有助于自動發(fā)現(xiàn)和分析元數(shù)據(jù)的工具勢在必行。

趨勢3：多模態(tài)數(shù)據(jù)編織

建立強大的元數(shù)據(jù)管理實踐涉及獲取和分析整個數(shù)據(jù)管道中的元數(shù)據(jù)。數(shù)據(jù)編織提供的洞察和自動化可滿足編排需求、通過數(shù)據(jù)運維（DataOps）實現(xiàn)更卓越的運營，并最終實現(xiàn)數(shù)據(jù)產品。

趨勢4：合成數(shù)據(jù)

識別缺失、不完整或獲取成本高的數(shù)據(jù)對于推進AI行動至關重要。合成數(shù)據(jù)既可以作為原始數(shù)據(jù)的變體，也可以替代敏感數(shù)據(jù)，能夠在促進AI發(fā)展的同時保護數(shù)據(jù)隱私。

趨勢5：代理式分析

使用AI智能體進行數(shù)據(jù)分析，完成業(yè)務成果的自動化閉環(huán)具有變革性意義。Gartner建議嘗試開發(fā)自然語言接口連接業(yè)務洞察的用例，并評估供應商的數(shù)字化工作場所應用集成路線圖。同時，建立治理機制可最大程度地減少錯誤和幻覺，并且通過AI就緒數(shù)據(jù)原則評估數(shù)據(jù)就緒度十分重要。

趨勢6：AI代理

AI代理對于滿足臨時的、靈活的或復雜的自適應自動化需求至關重要。企業(yè)不能僅僅依賴大語言模型（LLM），還需要采用其他形式的分析和AI技術。D&A領導者應使AI代理能夠無縫訪問和共享所有應用的數(shù)據(jù)。

趨勢7：小語言模型

相比大語言模型，Gartner更推薦企業(yè)考慮使用小語言模型，以便在特定領域獲得更加準確、更符合語境的AI輸出結果。Gartner建議提供用于檢索增強生成或微調自定義領域模型的數(shù)據(jù)，特別是在本地使用時，可以處理敏感數(shù)據(jù)并減少計算資源和成本。

趨勢8：復合型AI

多種AI技術的結合可提高AI的影響力和可靠性。D&A團隊不應局限于GenAI和LLM（大語言模型），還應整合數(shù)據(jù)科學、機器學習、知識圖譜以及優(yōu)化等技術，以實現(xiàn)全面的AI解決方案。

趨勢9：決策智能平臺

從數(shù)據(jù)驅動到以決策為中心的轉變至關重要。Gartner建議采取的步驟包括：優(yōu)先考慮急需建模的業(yè)務決策、調整決策智能（DI）實踐、評估DI平臺。成功的關鍵在于重新發(fā)掘數(shù)據(jù)科學技術并解決決策自動化的道德、法律和合規(guī)問題。