Gartner：数据驱动业务创新，AI驱动技术变革
【慧聪通信网】今天，数据正成为驱动业务成功最重要的要素之一。国数据资源调查工作组发布的《全国数据资源调查报告（2023年）》显示，2023年，全国数据生产总量达32.85ZB（泽字节），同比增长22.44%。Gartner发布的《2024年数据和分析（D&A）重要趋势报告》指出，到2026年，75%的企业数据“一号位”如果没有将数据影响力发挥作为首要任务，便可能会重新被轮岗或者成为别的角色。
Gartner高级研究总监方琦
Gartner高级研究总监方琦先生在近日举办的媒体见面会上表示，AI技术正像不可阻挡的列车一样向我们驶来。Gartner发现，对于企业用户来讲，数据分析和AI有三大不可避免的趋势需要引起人们的重视和警觉。
从及格到驱动业务成功：重塑数据分析价值
Gartner最新的调研显示，59%的企业CEO认为：“人工智能是会成为未来三年就改变行业最大的一个技术驱动力。”方琦进一步表示说，从前大多数据企业觉得搭建一个60分的数据分析平台就很好，但是现在，企业追求的是如何利用数据分析来进行业务成功。在这里，有两个重点价值方向，一是如何能够重塑数据分析的价值，二是数据分析连锁经营的模式。企业希望通过数据分析、数据能力和人工智能的力量驱动一些业务成功，并对数据和人工智能的期望非常高。
调查显示，超过一半的企业希望有对业务产生业务价值的功能来帮助企业，他们对业务的价值会越来越重视，会成为企业核心能力的诉求。Gartner预测：“到2026年75%的企业数据‘一号位’如果没有将数据影响力发挥到作为首要任务，他们可能会重新被轮岗或者他们可能会作为别的角色，或者他们会被纳入到别的职能当中。”
那么，业务需要怎么样的数据分析？方琦表示，业务侧越来越需要能和日常业务直接结合，比如在他们的业务成果当中产出销售收入、增加销售收入、减少客户流失等一系列具体的或者能量化的业务性的成果产出，而不是我们通过开发大量的仪表盘、自助分析报表，而不是这些工具。对此，方琦建议：数据人员或者数据分析人员，最重要的是需要能够更好地去理解企业的实际需求，不是闭门造车了、而是需要走到业务的前线，需要和业务肩并肩地来得到这样一些业务性的成果产出。
在实现了业务价值之后，如何能够选择一个合适的运营模式？Gartner在今年提出了一个叫“特许经营”的模式。Gartner预测：“到2027年60%的跨国企业将会采用数据分析特许经营模式，以应对不同地域、不同的数据成熟度水平和监管环境。”方琦表示，一方面公司从集团角度需要一致性的管控。另一方面，不同的业务部门又有他们独特的业务需求，他们需要通过自主敏捷的一些创新能力来更好地响应业务的需求。所以“特许经营”的这个模式，就是为了解决我们在“控制”和“自由”当中的一个平衡，使我们的企业数据架构、组织结构和治理架构兼具“自由”和“控制”两方面的优势。
从“混乱”到“管理复杂性”：构建数据分析的生态
随着数字化的进程、系统更迭，数据分析和人工智能领域也有无数的异构平台、数据孤岛和大量的一些不同数据的分析，产品和能力。那么，如何能够从混乱的这样一个架构当中学会来管理数据平台的复杂性？Gartner认为数据分析的生态能有效帮助企业理解和解决这一现状。
Gartner调研显示，对于企业用户来讲，他们的部署数据分析和人工智能首要的阻碍。一是可能59%的企业主要挑战之一就是“如何能够集成各种数据来源”。二是数据可能都是分散的，所以怎么样能够整合这样一个异构复杂系统当中的多个数据源。三是“如何能够应对复杂的技术架构和业务架构、如何能够做集成”，这些可能都是企业分析当中碰到的一个非常大的挑战。
对于企业来讲未来的数据分析生态一定是多样化的。因此，方琦表示，对于企业来讲，以组装的方式来实现是最方便的，即把“数据仓库、数据集成、数据库、数据湖、人工智能”和“商业智能应用”，不同的这样一些组件以组装的方式根据我们的业务需求灵活调配。这样的话，其实它能够保证企业在应用这样的技术的时候以更灵活的方式来面对企业的业务需求。即：以组装的方式、现在的某一块能力，以更快的人工智能的这样一个模块来替代了。方琦强调，尤其是现在人工智能的一些平台变化架构其实非常快的，通过组装的方式来把这些核心能力进行部分的更新，这对于企业来讲可能在未来会是一个越来越重要的需求。AI时代，技术进步让分析平台的可组装性日益提升，可以支持多种角色。
从“超负荷”到“AI赋能”：更好更方便提升效率
Gartner调查显示，超过1/3的企业认为业务侧的数据分析师是最需要AI和生成式AI的能力赋能。数据显示，到2025年，数据分析使用者90%都会应用AI来成为内容的创建者。方琦表示，处理数据分析的人员是最需要AI进行帮助和进行一些能力辅助的。对于数据分析员工来说的话，他们可能不是被直接淘汰，但是不应用AI的员工一定会被应用AI的员工所淘汰。
事实上，进入数字时代后，企业业务数据规模越来越大，客户对业务分析的需求也日趋增多，但传统的数据分析师通常需要具备统计学、数学、计算机科学的知识，熟练掌握数据分析工具和编程语言（如SQL、Python、R等），并且需要对业务有深入的理解，以便将数据洞察转化为实际的业务价值。这显然是一个具有稀缺性的职业，同时也是最需要AI和生成式AI的能力赋能的职业。
方琦也强调，建立AI的过程中，需要更多的一些跨领域的合作，包括：业务、数字和数据素养和人工智能。如何能够把不同的素养结合在一起，来使它真正能够来开发应用AI。这也是融合团队可能会在AI应用当中，也会扮演越来越重要的这样一个角色。
当然，这也并不是说当下AI就能完全取代部分员工角色。方琦最后表示，没有人的智慧可能就没有人工智能，当前的人工智能还是基于大量的人类智慧结晶来进行落地的。对于员工来说，需要做的是“如何来应用AI”，如何使用AI让整个业务价值能够发挥更大的作用，从而体现员工更多的价值。
