关于“数据”的几项事实是：如今国内数据利用率仍然很低，企业数据孤岛问题显著，但数据分享成为更加主流的趋势，数据外泄的风险性愈发低于分享赢得的价值......
近日，Gartner发布2022年数据分析十二大趋势，并从全球视角及中国视角对相关趋势进行解读。
“很多中国企业把数据分析看作一个IT话题。”Gartner高级研究总监孙鑫表示，但如今的趋势是，数据分析愈发涵盖着业务讨论，它带来的决策能力已经变成企业发展韧性最为核心的能力。
在“构建业务价值的新等式”的理念下，Gartner将2022年数据分析十二大趋势分为三大主题：激活企业的活力和多样性，增强员工能力与决策，信任的制度化，分别聚焦企业发展、员工培养以及信任的制度化，每项主题下包括四种趋势。
其中，企业层面趋势包括：自适应人工智能系统、以数据为中心的人工智能、元数据驱动的数据编织、始终数据共享;员工层面趋势包括：语境丰富的分析、业务模块组装式数据和分析、以决策为中心的数据和分析、人员技能和素养的不足;信任制度化层面趋势包括：互联治理、AI风险管理、厂商和地区生态系统、向边缘的扩展。
对于企业来说，四种趋势和数据息息相关，发挥数据的潜在价值将带来新机会。
“AI工程化”是Gartner在近年研究中提出的举措，该举措旨在推动企业真正运营起AI模型，建立自适应AI系统，趋向以组装方式完成数字化能力建设的“组装式企业”。据结果预测，到2026年，AI工程化手段将帮助企业平均多运营25%的AI模型。
以建立自适应AI系统为目的，几项趋势环环相扣。以数据为中心的人工智能作为重要的解决方案，需要更“健壮”的数据管理模式，这就需要基于“元数据”驱动的数据编织，并藉此推动数据共享的持续性。
“但企业最终的决策者是人。”孙鑫表示，当企业的数据分析能力愈发复杂，情景化分析将愈发重要，例如不少企业开始考虑使用钉钉、飞书驱动一些数据分析的项目，希望通过数据化办公软件完成更多的数据分析。
据Gartner预测，2025年，情境驱动/背景驱动的数据分析和人工智能模型将取代60%建立在传统数据上的现有模型。而随着情景分析的深化，“全生命周期的数据分析”的可能性将促使企业传统的IT能力搭载更多业务思考，从而使数据分析应用趋向模块化、产品化，一项生动的表述是：“数据分析驱动的决策，渐渐转为决策驱动的数据分析。”
此外孙鑫还表示，培养有数据素养的数据分析人才，将使企业在上述趋势中更成功，并提出Gartner的人员培养三步走方案：以业务成果激励获取人才;以社区治理培养人才;将数据分析工作结合KPI留存人才。
最后，数据分析将依赖于可信的数据，因此“信任的制度化”尤为重要。
Gartner提出，在国内外复杂的法律、地域、道德等治理因素的挑战下，成立跨组织、跨业务，甚至是跨地域的虚拟的数据和分析治理层，以实现跨企业的治理结果，完成“互联治理”成为必要的趋势，不少企业考虑建立“首席数据官”办公室正与此相对。
在过去的研究中，Gartner发现50%的AI模型是从未进入到生产环境，在企业内外压力之下，“安全”和“隐私”上的偷工减料导致了上述结果。在生态上，“厂商和区域性的数据分析生态”成为重要趋势，越来越多的企业倾向于用一家“云厂商”的生态，建立本土化、国产化的数据分析能力，以规避不同地域、厂商带来的兼容性问题。而在“数据主权”和“监管诉求”之下，边缘数据分析解决方案部署的趋势在加速，当前数据分析的环境更欢迎分布式架构的部署，而非“All in”的形式。
“疫情成为不少企业数据化转型的契机。”孙鑫总结道，在“云”上做数据分析已经变成首选项，疫情大背景下，公有云的上限数据分析能力已有显著增长，而在业务侧使用数据分析的趋势也随之诞生。
