Аналитики выделили десять главных тенденций в развитии аналитики и обработки данных в 2021 году. Пандемия нарушила работу многих организаций, и руководителям направлений аналитики и обработки данных потребовалось искать инструменты и процессы для выявления тенденций в развитии технологий и тех из них, которые сильнее всего отразятся на конкурентоспособности, отмечают аналитики.

1. Более умный, ответственный, масштабируемый искусственный интеллект: повышение роли искусственного интеллекта и машинного обучения вынуждает компании искать новые методы для реализации умных, менее требовательных к данным, этически ответственных и более устойчивых решений на базе искусственного интеллекта.

2. Компонуемые данные и аналитика: открытые контейнерные архитектуры аналитики делают аналитику более пригодной для использования в компонуемых системах. Такие системы используют компоненты из нескольких других систем данных, аналитических решений и решений на базе искусственного интеллекта для быстрого создания гибких и удобных интеллектуальных приложений. Компонуемые данные и аналитика станут гибким методом создания аналитических приложений.

3. «Матрица» данных в качестве фундамента: в матрице данных аналитика применяется для постоянного мониторинга потоков данных. Непрерывная аналитика поддерживает разработку, развертывание и использование различных данных и позволяет сократить время интеграции на 30%, развертывания на 30% и обслуживания на 70%.

4. От больших к малым и широким данным: резкие изменения в бизнесе из-за пандемии COVID-19 сделали модели, основанные на большом количестве исторических данных, менее актуальными. Теперь нужны аналитические методы, которые могут более эффективно использовать имеющиеся данные. Это методы анализа широких данных, из малых и крупных, неструктурированных и структурированных источников, а также малых данных — методы анализа, требующие меньшего количества данных, но все еще дающие полезные результаты.

5. XOps: задача методик семейства XOps — DataOps, MLOps, ModelOps и PlatformOps — заключается в достижении эффективности и экономики масштаба с использованием лучших методов DevOps и обеспечении надежности, повторного использования ресурсов и воспроизводимости.

6. Интеллектуальные инженерные решения: это относится не только к отдельным решениям, но и их последовательностям. Решения группируются в бизнес-процессы и даже сети эмерджентных решений и последствий. Решения становятся все более автоматизированными, а интеллектуальная разработка решений дает возможность сделать их более точными, воспроизводимыми, прозрачными и прослеживаемыми.

7. Превращение обработки и аналитики данных в основную бизнес-функцию: эта функция превращается в совместно используемый ресурс, ориентированный на результаты бизнеса. Сотрудничество между центральными и периферийными группами улучшается, и данные выходят из изоляции.

8. Графики связывают всё: графики лежат в основе многих современных технологий обработки данных и аналитики. Они позволяют найти отношения между людьми, местами, вещами и событиями в различных данных. К 2025 году графические технологии будут использоваться в 80% инновационных проектов в области обработки данных и аналитики.

9. Потребители информации с расширенными возможностями: сейчас в большинстве случаев используются заранее разработанные панели мониторинга и ручного исследования данных. Вместо них все чаще будут применяться автоматизированные, разговорные, мобильные и динамически сгенерированные порции информации, настроенные на потребности пользователя и доставленные до их точки потребления.

10. «Пограничная» аналитика данных: данные и их анализ смещаются ближе к активам в физическом мире. Аналитики Gartner считают, что к 2023 году более 50% данных, находящихся в зоне ответственности руководителей направлений обработки данных и аналитики, будет приходиться на долю данных, созданных и проанализированных на периферии. Это позволяет обеспечить большую гибкость управления данными, скорость, контроль и устойчивость.