在智能時(shí)代，數(shù)據(jù)的價(jià)值變得前所未有的重要。以ChatGPT為代表的生成式AI讓人們看到了AI技術(shù)的顛覆性，一時(shí)間，大模型、加速計(jì)算、數(shù)據(jù)要素、數(shù)據(jù)隱私等概念風(fēng)起云涌，此時(shí)，對(duì)數(shù)據(jù)進(jìn)行有效的采集、處理、分析、治理，成為企業(yè)實(shí)現(xiàn)商業(yè)成功的關(guān)鍵。每一年，Gartner都會(huì)對(duì)市場(chǎng)熱門的技術(shù)趨勢(shì)進(jìn)行深入研究，從中找到值得關(guān)注和投資的方向，為企業(yè)主提供發(fā)展參考。5月18日，Gartner發(fā)布了2023年十大數(shù)據(jù)和分析（D&A）趨勢(shì)，包括數(shù)據(jù)即業(yè)務(wù)、數(shù)據(jù)價(jià)值規(guī)模化、以人為中心建立數(shù)據(jù)分析平臺(tái)三個(gè)主題。

2023年十大數(shù)據(jù)和分析趨勢(shì)

Gartner研究總監(jiān)孫鑫表示：“我們發(fā)現(xiàn)，如果只是把數(shù)據(jù)分析能力作為一種IT能力做運(yùn)維，往往難以發(fā)揮讓業(yè)務(wù)比較大的價(jià)值。但是，如果把數(shù)據(jù)能力變成一種業(yè)務(wù)能力進(jìn)行拓展，就會(huì)衍生出一些獨(dú)立的、更有意思的商業(yè)模式，因此，‘?dāng)?shù)據(jù)即業(yè)務(wù)’已經(jīng)發(fā)展為一種全球的趨勢(shì)，吸引了很多中國(guó)企業(yè)關(guān)注。”例如，有時(shí)數(shù)據(jù)分析會(huì)作為一種產(chǎn)品進(jìn)行銷售，更多的業(yè)務(wù)人員也會(huì)承擔(dān)一些數(shù)據(jù)分析或數(shù)據(jù)管理的職責(zé)。

(資料圖片)

孫鑫認(rèn)為，企業(yè)要讓數(shù)據(jù)分析與業(yè)務(wù)價(jià)值產(chǎn)生更清晰的聯(lián)系，以此來進(jìn)行更有針對(duì)性的投入，避免重復(fù)勞動(dòng)。對(duì)此，Gartner推薦企業(yè)使用“業(yè)務(wù)價(jià)值流工具”進(jìn)行數(shù)據(jù)的分析和管理，可以自上而下的幫助企業(yè)了解重要的業(yè)務(wù)節(jié)點(diǎn)和流程，輔助管理者做出決策，實(shí)現(xiàn)應(yīng)有的價(jià)值。隨著更多的創(chuàng)新發(fā)生在云端，圍繞AI和數(shù)據(jù)分析的擴(kuò)展性、兼容性、持續(xù)性和成本被頻繁提及，由此也引發(fā)了有關(guān)數(shù)據(jù)編織和數(shù)據(jù)網(wǎng)格的熱議，企業(yè)希望可以提升數(shù)據(jù)的業(yè)務(wù)場(chǎng)景化能力。

Gartner對(duì)數(shù)據(jù)網(wǎng)格（Data Mesh）的定義是以業(yè)務(wù)主導(dǎo)的方式管理數(shù)據(jù)，用于定義、交付、維護(hù)、管理數(shù)據(jù)產(chǎn)品，讓數(shù)據(jù)發(fā)揮更大的價(jià)值。如果想實(shí)施好數(shù)據(jù)網(wǎng)格，需要在業(yè)務(wù)端配備數(shù)據(jù)產(chǎn)品經(jīng)理的崗位，輔助做一些自服務(wù)分析，根據(jù)不同層級(jí)設(shè)置相互關(guān)聯(lián)的治理模式。數(shù)據(jù)編織（Data Fabric）可以視為較為新型的數(shù)據(jù)管理設(shè)計(jì)模式，能夠獲取到靈活可復(fù)用、且被AI增強(qiáng)的數(shù)據(jù)集成管道，其中，會(huì)涉及知識(shí)圖譜等技術(shù)，去更好地分析和理解元數(shù)據(jù)，提升基于用戶的數(shù)據(jù)服務(wù)體驗(yàn)。

基于用戶數(shù)據(jù)消費(fèi)行為的分析，并在此基礎(chǔ)之上進(jìn)行推薦，是數(shù)據(jù)編織要解決的主要問題，讓相關(guān)的數(shù)據(jù)找到相應(yīng)的人。根據(jù)企業(yè)所處的數(shù)字化階段和能力不同，Gartner提供了兩種數(shù)據(jù)編織的設(shè)計(jì)路徑——最小可用數(shù)據(jù)編制的設(shè)計(jì)和完整版的數(shù)據(jù)編制設(shè)計(jì)，企業(yè)可以據(jù)此進(jìn)行數(shù)據(jù)優(yōu)化和調(diào)整。招商銀行建立了新一代數(shù)據(jù)目錄，希望進(jìn)一步優(yōu)化數(shù)據(jù)分類體系，在該目錄中進(jìn)行的搜索、檢查、請(qǐng)求等操作會(huì)被記錄，這些操作型的元數(shù)據(jù)會(huì)被反饋到數(shù)據(jù)分類體系中，結(jié)合機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行自主演進(jìn)，從多維度了解不同用戶的實(shí)際需求。數(shù)據(jù)編織可以幫助企業(yè)用戶實(shí)現(xiàn)快速的自服務(wù)，幫助數(shù)據(jù)管理團(tuán)隊(duì)實(shí)現(xiàn)更高效的數(shù)據(jù)生產(chǎn)力，大幅縮短數(shù)據(jù)需求響應(yīng)時(shí)間，幫助企業(yè)主體加速投資回報(bào)。

借助高度可組合的數(shù)據(jù)分析生態(tài)，數(shù)據(jù)分析能力可以和微服務(wù)等技術(shù)整合，以模塊化的方式快速落地到業(yè)務(wù)場(chǎng)景中。企業(yè)對(duì)于分析平臺(tái)的可組合性較為關(guān)注，不同崗位的人員會(huì)在不用階段根據(jù)不同需求選擇匹配的技術(shù)路徑，包括數(shù)據(jù)可視化、自動(dòng)數(shù)據(jù)洞察、數(shù)據(jù)故事、數(shù)據(jù)敘事、自然語(yǔ)言驅(qū)動(dòng)的分析、數(shù)據(jù)準(zhǔn)備和報(bào)表會(huì)滿足不同的業(yè)務(wù)需求，由企業(yè)按需來進(jìn)行定制化的組合，而底層則是通過合作能力、指標(biāo)平臺(tái)/中臺(tái)、治理能力、數(shù)據(jù)科學(xué)整合能力、數(shù)據(jù)目錄能力，以及對(duì)數(shù)據(jù)源的連接來提供基礎(chǔ)支撐。

在孫鑫看來，使用商業(yè)智能和數(shù)據(jù)科學(xué)平臺(tái)的用戶愈發(fā)多元化，既有業(yè)務(wù)分析師，也有數(shù)據(jù)分析的開發(fā)者、數(shù)據(jù)科學(xué)家，還有被增強(qiáng)過的數(shù)據(jù)消費(fèi)者，“面對(duì)更廣闊的用戶，也要有更靈活的使用數(shù)據(jù)分析產(chǎn)品的架構(gòu)，去建立更靈活的分析體驗(yàn)，這也是今年我們?cè)凇Яλ南笙蕖u(píng)估時(shí)比較重要的點(diǎn)。”除此之外，還會(huì)有一些新的產(chǎn)品形態(tài)來輔助建設(shè)業(yè)務(wù)指標(biāo)。例如，指標(biāo)平臺(tái)/指標(biāo)中臺(tái)可以利用虛擬層管理不同的數(shù)據(jù)源，分析目錄可以管理不同廠商的報(bào)表，帶來統(tǒng)一的使用體驗(yàn)，這些目錄可以被進(jìn)行評(píng)級(jí)和打分，便于各方選擇使用，同時(shí)，很多企業(yè)也在對(duì)外輸出數(shù)據(jù)分析能力，使得數(shù)據(jù)的生產(chǎn)者和消費(fèi)者相互轉(zhuǎn)換，形成了對(duì)數(shù)據(jù)分析能力的發(fā)布-組合-再創(chuàng)新的生態(tài)循環(huán)。

分析目錄

如今，AI已經(jīng)是擺在企業(yè)面前的一道必答題。Gartner將Emergent AI視為今年的科技趨勢(shì)之一，AI技術(shù)已經(jīng)能夠以更少量的數(shù)量達(dá)到更高的復(fù)雜度，預(yù)計(jì)到2026年，通過生成式AI驅(qū)動(dòng)的數(shù)據(jù)分析能力，將吸引20%的大型企業(yè)數(shù)據(jù)和分析的支出，以支持這些企業(yè)對(duì)于自動(dòng)化閉環(huán)數(shù)據(jù)分析結(jié)果的需求。此時(shí)，企業(yè)要學(xué)會(huì)主動(dòng)迎接AI的浪潮，可以借助NLP等技術(shù)實(shí)現(xiàn)“決策智能”，完成從數(shù)據(jù)分析到業(yè)務(wù)行為的閉環(huán)。

孫鑫認(rèn)為，生成式AI實(shí)現(xiàn)了嵌入式的增強(qiáng)體驗(yàn)，可以幫助用戶完成更高級(jí)的數(shù)據(jù)分析，大幅降低了使用門檻。Gartner建議企業(yè)可以學(xué)習(xí)掌握提示工程（Prompt Engineering），通過全新的交互界面進(jìn)行驗(yàn)證，從輸入的角度核實(shí)、輸出的角度理解并拓展大語(yǔ)言模型，輔以專門的工程師開發(fā)和優(yōu)化由AI生成的文本。在招商銀行內(nèi)部，已經(jīng)在使用聊天軟件進(jìn)行數(shù)據(jù)分析的相關(guān)討論，提升數(shù)據(jù)使用效率。未來，數(shù)據(jù)科學(xué)家會(huì)更加關(guān)注大語(yǔ)言模型的調(diào)參，使其能夠運(yùn)用到千差萬(wàn)別的業(yè)務(wù)場(chǎng)景中。

AI戰(zhàn)略的實(shí)施往往“事與愿違”

盡管AI可以為企業(yè)帶來更低的成本和更好的決策，但是像生成式AI這樣的新技術(shù)也會(huì)帶來不少風(fēng)險(xiǎn)，例如所學(xué)習(xí)的數(shù)據(jù)存在偏見和錯(cuò)誤，企業(yè)既要保證數(shù)據(jù)來源的多樣性，也要避免遭遇一些瑕疵，同時(shí)，如果錯(cuò)誤的信息沒有經(jīng)過適當(dāng)?shù)谋O(jiān)管和審查，也會(huì)造成額外的損失。企業(yè)不能過度依賴AI提供的結(jié)果，要建立一套責(zé)任機(jī)制進(jìn)行數(shù)據(jù)治理，確保生成式AI的使用是可靠的，遵守當(dāng)?shù)氐碾[私和安全法規(guī)。錯(cuò)誤的信息、認(rèn)知偏見，以及數(shù)據(jù)版權(quán)等問題，使得人工審查有著充分的必要性。

談及生成式AI的未來走向，孫鑫給出了進(jìn)一步解讀，涉及架構(gòu)、模型和運(yùn)營(yíng)。首先，英偉達(dá)在加速計(jì)算領(lǐng)域?yàn)锳I算力奠定了重要基礎(chǔ)，不過考慮到產(chǎn)品供應(yīng)等問題，AWS、GCP等云廠商同樣具有很大的發(fā)展空間，一些基礎(chǔ)設(shè)施供應(yīng)商也會(huì)集成預(yù)訓(xùn)練模型來提升硬件的價(jià)值。此外，大模型和“Fine-Tuning”模型會(huì)越來越多，F(xiàn)ine-Tuning模型的匹配度更高，使用相對(duì)較小、貼近業(yè)務(wù)場(chǎng)景的數(shù)據(jù)集即可滿足要求，成本會(huì)隨之降低，開源技術(shù)也會(huì)發(fā)揮更多的作用。同時(shí)，基于大模型構(gòu)建的具有行業(yè)屬性的特定模型將愈發(fā)普及。對(duì)于技術(shù)供應(yīng)商來說，AI的安全治理、性價(jià)比等能力將是差異化或是護(hù)城河的體現(xiàn)。運(yùn)營(yíng)方面，“提示工程”的市集可以從多方面完善大模型的體驗(yàn)，“矢量數(shù)據(jù)庫(kù)”則能夠讓生成式AI更了解企業(yè)所需，再加上Fine-Tuning模型和API管理工具，就能讓企業(yè)在使用AI技術(shù)時(shí)更加得心應(yīng)手。

“最后，我還是要強(qiáng)調(diào)一下，對(duì)于‘負(fù)責(zé)任人工智能工具’的投入是非常重要的。在中國(guó)，可能這一塊相對(duì)來講還比較空白一些，我們看到這種負(fù)責(zé)任的人工智能工具將在運(yùn)營(yíng)側(cè)發(fā)揮關(guān)鍵的作用，甚至可以提供一些‘紅隊(duì)測(cè)試’、可解釋性或者內(nèi)容的管控，以減少我們基于人工智能用例的有害影響?！皩O鑫說。

關(guān)鍵詞：