2023年商业智能与数据的十大趋势

世界任何地方都可能发生供应链中断，而这需要我们即刻做出响应。

这意味着，要做好应急计划，甚至在可能的情况下“提前行动”。

换言之，要利用预测和场景，在事态崩溃前扭转局势。处理实时数据的基础设施已经就位一段时间，但尚未充分探索其关键用例和极限潜力。现在，是时候进行这种探索了。

通货膨胀期间，很多零售商是怎样解决不断增加的成本问题呢？

转嫁给消费者。

事实上，这种方式只能解决“眼前的问题”，长远来看，完全不可持续。

但如果零售商选择把视角转回到提高自身效率上，去着力优化那天数以千次重复着的业务环节，事情又会变得不一样。

根据高德纳的调查，95%的基于数据的决策都至少能够部分自动化。

数据分析、人工智能和自动化加上人类的经验与直觉，大规模决策速度让获取数据到做出决策的时间大大缩短。数据素养也是除技术以外的一个关键赋能因素。最终，决策速度会留下大数据痕迹，其中的模式可以被分析，这将为决策挖掘创造突破口。

近年来低代码开发工具如雨后春笋，在开发的世界中，写代码、搭应用不再是“程序员的独家技能”，非技术人员也有了打开新世界大门的钥匙。

伴随着开发门槛的降低，大量工具不仅推动了应用创建，也让数据和洞察有了新的可能。

例如，应用程序自动化使工作人员能够创建由数据触发的事件链。AutoML使业务分析师能够使用最先进的算法。同时，数据交付管道中的数据转型也能在很大程度上实现自动化

由于采用深度神经网络机器学习技术进行了大量数据训练，自然语言模型已经实现了范式转换。GPT-3尤其广为人知。

目前，全球有5~6个开发项目的规模甚至超过了GPT-3，11这些模型训练使用的数据集要更大。

机器和人类的关系将如何发展？通过图灵测试的机器是否真的正在路上？

人类、数据与机器，都在不断突破中寻找答案。

数据行业有一则信条：在正确的时间向正确的用户提供正确的信息。

在当下数据分布、时间稀有的碎片化世界中，实现这一原则愈发艰难。

数据叙事被视为使数据对用户构成意义的一种方式；故事能够从情感上打动人，促使人们采取行动，而单独的数据却无法做到这一点。但是，数据叙事需要的不仅仅是将图表添加至信息图表或PPT里，而是要实实在在的与行动相连接。

我们看到，在日益碎片化的世界里，以往数据集成、管理、分析/人工智能、可视化、数据科学和自动化等此前各自孤立的系统正在不断融合。

这些融合创造了前所未有的机遇。

它使数据生产者和消费者之间的协作变得更加简单，这种结合从他们心中的产品、成果或决策开始，然后再逆向思维，围绕他们的业务目标，构建敏捷的数据管道。

随着企业数据向云端转化的日渐成熟，与预置软件市场相同的许多问题正在抬头。

例如，在采用云仓和云湖后，需要解决数据转移、转换、元数据目录等问题。

这些需求在围绕云库和云湖的多个软件领域（包括语义层级和数据集成、转移、来源和可观测性等领域）不断推高投资。

同时随着小型供应商寻求退场，市场预期将迎来一大波并购潮。曾经发生在预置软件市场的这一幕将在云领域重新上演。

近年来，对数据编织（以及中心和网格）的讨论越来越多，这是一种通过语义模型将分布式数据集连接起来的重要方法。

而想要实现互联管理，全面掌控，我们就要把数据网编织得更密。“X”编织应运而生。

数百万参与者在“X”编织中扮演着不同的角色，这其中包括应用编织、商业智能编织和算法编织。目前，这些方法的成熟度远不及数据编织。

正如趋势6中提到的，分析、自动化和人工智能正在不断融合，相互交叉重叠越来越多。在这个过程中，它们相互作用，带来了以前不可能产生的新的洞察。

在数据管理中使用人工智能将使数据工程中的更多机械式工作实现自动化。

从而改变多年来“数据准备”和“数据分析”间的二八分配法则。

人工智能可以在数据世界中承担一个“管家”的角色，使一些较琐碎的数据准备工作实现自动化。

从而让数据工程师和科学家集中注意力于更重要的事情。