2023年有关数据、分析和AI方面的预测
【按】1.数据驱动企业开始越来越变为现实；2.因此，数据成为企业/组织越来越重要的资产；3.应用系统要求数据更加实时。
Source: Mike Leone, Data, analytics andAIpredictions for 2023, 11 Jan 2023
回顾2022年，令人兴奋的是，数据、分析和人工智能的快速发展，并对塑造企业组织的运营方式显著的促进作用。对于许多企业来说，这是一个转折点，因为他们开始意识到数据驱动的洞察力的真正潜力，以及人工智能推动创新的力量。随着我们进入2023年，我们可以期待更多的突破和发展，这将改变公司利用数据和分析获得竞争优势的方式。让我们仔细看看我对未来一年的预测，并探讨企业组织如何为数据、分析和人工智能的未来做好准备。
并购活动激增
预计2023年将有更多的并购活动，因为供应商希望讲述更统一、端到端和全面的解决方案。最近宣布的两项收购已经显现了这种情况：Qlik/Talend 和 Confluent/Flink。当然，也存在宏观经济条件的因素。我们从各个市场的几位高管那里听说，在寻求扩大投资组合、填补空白和/或进入新市场时，手头现金比以往任何时候都更加重要。那么，哪些市场比其他市场更活跃的时机已经成熟呢？我密切关注DataOps、数据可观测性、数据科学平台和MLOps平台。
专注于通过信任和治理实现数据共享
回答“我的数据在哪里？”这个问题仍然是一个巨大的挑战，企业组织通常使用的不仅仅是他们自己的数据。他们使用的是第三方数据。这突出了我预计在2023年将重点关注数据共享。数据共享必须被视为总体数据目标的关键支柱。随之而来的是信任的保证。这就是治理的用武之地。治理不再只是关于合规性和隐私。这不仅仅是使用正确的数据目录或利用数据血缘（data lineage）功能。它更多的是使用智能功能来自动发现数据、创建数据血缘（data lineage）、通知正确的利益相关者并在不中断的情况下维护优化的工作流程。我希望治理与数据质量和数据可观察性有更大的联系，因为企业组织希望更好地使客户和最终用户能够可靠地为每个决策提供可信的数据和洞察力。
降低数据管理成本
企业组织可以预期，与处理和管理从各种来源收集的大规模数据相关的成本将显著降低。随着尖端自动化和AI/ML技术的出现，人们对这些大型数据集的分析将减少，从而能够快速、可靠地识别和提取关键元数据。这些技术还将提高识别烦人的复杂数据生态系统中故障的准确性，加快获得洞察力的过程，并减少花费在无效方法和/或DIY方法上的不必要资源。
通过增强的AI体验提高效率和生产力
仍然有许多人认为人工智能将完全取代员工，尤其是在宏观经济挑战始终存在的情况下。我们看到像ChatGPT这样的新工具已经改变了人们经营企业或工作的方式，但我相信我们离许多行业的人工智能运行的新世界还很远。我们将在2023年看到员工绩效和行为的变化。例如，如果您已经是一名出色的程序员、营销人员或作家，ChatGPT 将进一步增强您的能力——无论您的角色如何——创造您从未体验过的新的效率和生产力水平。
自动化将影响雇用和留住员工
到2023年，如果您不让您的员工通过自动化和自助服务提高效率和生产力，他们就会离开去那些这样做的公司。这在分析和人工智能市场中非常重要，因为许多员工因被赋予工作描述之外的任务而负担过重。随着智能自动化在整个2023年的发展，无论经济状况如何，公司的自动化程度和先进技术将极大地影响员工留下或继续前进的决定。正在寻找工作的人将被采用智能自动化的企业所吸引，因为它可以让他们腾出时间从事更重要和更具战略性的任务。另一方面，反对自动化并继续依赖手动和低效流程的企业将很难吸引和留住最优秀、最聪明的员工。
专注于作为产品和数据网格的数据
企业组织需要帮助确保数据的无缝编排、适当管理和及时交付。到2023年，企业组织将寻求将数据作为产品交付并使用数据网格来实现这一目标的概念。数据网格是专门构建为分布式数据架构的平台，它结合了数据收集和摄取、数据集成和转换、存储和消费、分析、集中治理、安全性和标准化互操作性。同时，数据即产品是处理数据的过程，类似于企业组织如何为客户开发和优化产品。但是，由于各种因素，例如数据质量问题、分布式数据、工具过剩、团队技能不足、成本上升和风险增加，企业组织将数据作为产品交付具有挑战性。为了解决这个问题，解决方案是数据网格的概念。这种方法使企业组织能够重新思考向更广泛的业务提供数据产品的方式。
“实时”变得更加实时
随着越来越多的企业意识到其潜力，流媒体和实时数据分析的兴起最近在采用率上出现了跃升。到2023年，我们将看到实时成为主流。我们将看到更多的技术，这些技术能够在多个行业中快速采用，并提高有效性、互操作性和性能。认为自己在实时技术方面已经足够好的企业将落后或失去竞争优势。