数据分析能力已经越来越变成一种业务能力,所以2022年,Gartner针对数据分析趋势提出了“构建业务价值新等式”的理念。
何为“新等式”?Gartner高级研究总监孙鑫表示,企业更多的部门需要数据分析去实现更多价值,带来更多业务模式的思考,更好的帮助企业实现数字化转型。
Gartner高级研究总监孙鑫
根据这一理念,今年Gartner发布的数据和分析(D&A)领导者在企业中利用2022年主要数据和分析趋势就分为了三大主题:激发企业活力和多样性、增强人员能力和决策,信任的制度化。
激发企业活力和多样性
自适应人工智能系统:Gartner提出了“AI工程化”的举措,预计到2026年企业利用AI工程化手段实现自适应的人工智能系统,可以更有效地帮助企业运营出更多AI模型,比没有这一举措的企业多出25%的数量。
以数据为中心的人工智能:以数据为核心的人工智能将会不断发展,它扩展的学科也会越来越多,所以企业需要一个更健壮的数据管理模式去完成对于AI运营的能力。
元数据驱动的数据编织:企业如果可以更好的利用数据编织到元数据管理数据源,可以有效的降低过去繁琐的数据管理工作。
始终数据共享:越来越多的企业会考虑用可以被治理的方式下分享数据,关注如何通过自动化的手段发现更多相关数据,使用开放型OpenData的方式对自己的数据可能性进行更多探索。
增强人员能力和决策
语境丰富的分析:为了提供与决策者相关的洞察,数据和分析领导者必须提供语境丰富、使用业务模块组件创建的分析。
业务模块组装式数据和分析:过去的技术可能是固化的、单体软件的一种形式,但是未来的技术会使用更多组装式的技术完成应用的搭建。
以决策为中心的数据和分析:企业需要越来越多的人可以在一个更高的高度上为企业的决策做基于数据分析的建议和规划。Gartner提出了决策智能模型帮助企业从顶层设计的角度去管理决策链。
人员技能和素养的不足:企业需要让用户能够讲出用了数据分析之后的业务成果,从而能够影响更多的人。
信任的制度化
互联治理:建立一个跨组织、跨业务职能,甚至是跨地域的虚拟数据和分析治理层,以实现跨企业的治理结果。中国很多企业会考虑建立“首席数据官”办公室,办公室会有数据治理委员会,治理委员会会和一些法律部门做合作,把“互联治理”在一个更高层次的虚拟层实现。
AI风险管理:很多企业更多的是因为监管和合规性的驱动,在做一些模型治理,所以在做AI模型的时候是完全被动的。Gartner希望企业关注在信任风险和安全管理对于AI的一些治理。
厂商和地区生态系统:企业去建立自己数据分析生态时,要更多考虑厂商与厂商之间的兼容性。
向边缘的扩展:数据和分析的活动越来越多在数据中心或公有云基础设施之外的分布式设备服务器、网关当中去进行操作。
现在企业拥有非常多的数据,但是这些数据并没有被激活,企业很多时候是被动执行数据分析项目和行为,并没有非常主动的把数据的潜在价值发挥出来。孙鑫认为,如何让越来越多的用户可以基于数据做决策,已经成为现阶段企业的挑战,在云上做数据分析已经成为一个首选项,同时企业也希望利用一些“自服务”工具让业务用户更快速的做决策。
Gartner今年的预测中也做了一个比较大胆的预测,越来越多数据分析活动将会始于数字化办公软件,业务提需求的同时会在数字化办公软件里完成数据分析,并且基于数据分析可以在数字化办公软件里完成业务的一些行动,完成数据分析的闭环。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。