隨著數(shù)據(jù)的作用和數(shù)據(jù)驅(qū)動的決策制定的增加，以及可用數(shù)據(jù)的總體數(shù)量和速度的增長，數(shù)據(jù)治理也在不斷發(fā)展，以滿足不斷變化的業(yè)務(wù)需求。2023年數(shù)據(jù)治理的最大趨勢是什么？

“到2025年，30%的Gartner客戶將使用“需要共享”方法而不是傳統(tǒng)的“需要知道”方法來保護他們的數(shù)據(jù)。“

1.云數(shù)據(jù)治理

從遠程工作到人工智能，云繼續(xù)支撐著現(xiàn)代商業(yè)的重塑。超過70%的組織已將至少部分工作負載遷移到公共云中。然而，成為云原生的競爭并非沒有風(fēng)險，從預(yù)算超支到遷移延遲。

DevOps人才的持續(xù)短缺將加劇遷移和生態(tài)系統(tǒng)的挑戰(zhàn)。尤其是在受到高度監(jiān)管的行業(yè)中，傳統(tǒng)和本地基礎(chǔ)設(shè)施占很大比重，不同的工作負載不太適合“提升和轉(zhuǎn)移”方法。組織將需要尋找其他方法來保持競爭力，例如自動化和自助數(shù)據(jù)分析。

這些基于云的管理系統(tǒng)提供了一種轉(zhuǎn)換原始數(shù)據(jù)并在正確的時間將其交付給正確的用戶的方法。無需IT或數(shù)據(jù)分析師先準備報告。相反，可以按需存儲和訪問大量數(shù)據(jù)。超越使用數(shù)據(jù)倉庫的傳統(tǒng)和靜態(tài)方法，而是為每個用戶及其相關(guān)用例帶來可定制的儀表板。

至關(guān)重要的是，基于云的服務(wù)現(xiàn)在越來越多地得到AI和ML產(chǎn)品的支持。這些釋放了企業(yè)應(yīng)用人工智能優(yōu)化現(xiàn)有流程的潛力，例如通過自動化工作流程。還可以根據(jù)歷史請求應(yīng)用學(xué)習(xí)元素，確保現(xiàn)代數(shù)據(jù)治理的持續(xù)改進周期。

2.自適應(yīng)人工智能

在當今瞬息萬變的世界中，“一切照舊”的概念要求提高靈活性、活力和適應(yīng)生存的準備。預(yù)計2023年將通過自適應(yīng)人工智能的興起來實現(xiàn)這一點。系統(tǒng)根據(jù)新數(shù)據(jù)不斷學(xué)習(xí)、調(diào)整和重新訓(xùn)練模型。它不同于傳統(tǒng)的和更靜態(tài)的人工智能，后者需要人類開發(fā)人員更新模型并防止它們變得過時或過時。

通過有效地“內(nèi)置”持續(xù)學(xué)習(xí)，人工智能將需要更少的人工干預(yù)。更重要的是，從數(shù)據(jù)中自適應(yīng)學(xué)習(xí)的能力將產(chǎn)生新的見解來支持執(zhí)行決策，從而使企業(yè)能夠引入應(yīng)用可觀察性。這是可以分析基于AI的決策以獲得進一步建議的地方。然后可以創(chuàng)建一個反饋循環(huán)來跟蹤以前的結(jié)果。由此產(chǎn)生的基于證據(jù)的見解可用于提高預(yù)測的準確性并為未來的戰(zhàn)略提供信息。

“到2026年，采用AI工程實踐來構(gòu)建和管理自適應(yīng)AI系統(tǒng)的企業(yè)將在運行人工智能模型所需的數(shù)量和時間上超過同行至少25%。

------Gartner

自適應(yīng)人工智能有可能解決機器學(xué)習(xí)模型帶來的一些歷史挑戰(zhàn)。在離群值經(jīng)常影響訓(xùn)練數(shù)據(jù)的情況下，每次迭代都會以指數(shù)方式扭曲結(jié)果，而不是被忽視。當然，真正新穎的觀察或現(xiàn)實世界變化的影響可能很容易在小數(shù)據(jù)集中檢測到。而在AI所需的數(shù)量中，此類異常值更難確定。因此，自適應(yīng)人工智能可以降低這種算法偏差的風(fēng)險。通過動態(tài)調(diào)整流程，自適應(yīng)人工智能還可以通過應(yīng)用更智能的自動化來幫助企業(yè)確保更有效的治理。

3、實時數(shù)據(jù)

數(shù)據(jù)使企業(yè)保持運轉(zhuǎn)，但實時數(shù)據(jù)提供了競爭優(yōu)勢。從以毫秒為單位進行交易的金融機構(gòu)到批準付款和處理PII的電子商務(wù)商店。在按需自助服務(wù)體驗的推動下，對實時數(shù)據(jù)的進一步需求將來自不斷提高的客戶期望。與批量數(shù)據(jù)管道相比，創(chuàng)建實時數(shù)據(jù)管道還可以降低處理成本。批處理數(shù)據(jù)必須從源頭反復(fù)查詢，而實時只需要對新數(shù)據(jù)或事件做出反應(yīng)。

一些用例只需要基于批處理的管道來處理歷史數(shù)據(jù)。然而，隨著數(shù)據(jù)集和相關(guān)的治理要求越來越大，許多組織將不得不進行一些大型基礎(chǔ)設(shè)施調(diào)用。這種演變的規(guī)模，加上所需的處理能力和能力，是數(shù)據(jù)分析自動化到2023年將發(fā)揮如此重要作用的原因。從自動執(zhí)行訂單的簡單腳本，到自動檢測異?；蝻L(fēng)險活動的復(fù)雜算法。

能夠成功利用自動化的組織將能夠提高生產(chǎn)力、更快地發(fā)現(xiàn)洞察力并更好地管理復(fù)雜變量。它只需要正確選擇平臺。數(shù)據(jù)生命周期可以自動化，但仍提供具有所需可見性級別的統(tǒng)一事實來源。

4.數(shù)據(jù)訪問治理

數(shù)據(jù)隱私、保護和治理在世界各國政府的待辦事項清單上名列前茅。

歐盟的GDPR、加拿大的PIPEDA和中國的PIPL——這些和其他國家已經(jīng)表明，大規(guī)模調(diào)整立法是可能的。這種勢頭使數(shù)據(jù)治理和數(shù)據(jù)訪問控制成為2023年業(yè)務(wù)戰(zhàn)略的核心。

“截至2020年，全球10%的人口的個人數(shù)據(jù)受到現(xiàn)代隱私法規(guī)的保護。到2023年，預(yù)計全球總?cè)丝诘?5%的個人數(shù)據(jù)將受到隱私法規(guī)的保護。

當多個業(yè)務(wù)職能協(xié)調(diào)一致時，這些趨勢將在2023年及以后帶來許多機會。從外部角度來看，展示合規(guī)性可以作為品牌差異化因素，在消費者中建立信任。從內(nèi)部角度來看，自動化數(shù)據(jù)治理和策略管理提高了整個企業(yè)的生產(chǎn)力。員工可以自由訪問他們需要的數(shù)據(jù)，而無需手動檢查他們是否合規(guī)。數(shù)據(jù)可以動態(tài)到達，用于聚合、共享和與其他BI工具集成。當然，它始于遵守必要法規(guī)的基本要求。以及靈活性和穩(wěn)健性。當這些法規(guī)更新時，或要求對PII進行更多控制或圍繞無偏差算法提高透明度時。一旦數(shù)據(jù)保護框架到位，數(shù)據(jù)治理就可以成為競爭優(yōu)勢。重點不是簡單地控制數(shù)據(jù)，而是更多地關(guān)注需要數(shù)據(jù)的人。

5.數(shù)據(jù)民主化

到2023年，對數(shù)據(jù)民主化的需求將繼續(xù)上升，要求企業(yè)擺脫傳統(tǒng)的自上而下的數(shù)據(jù)治理方法。相反，重點將放在根據(jù)需要將數(shù)據(jù)交到盡可能多的被批準的數(shù)據(jù)消費者手中。合規(guī)數(shù)據(jù)將變得更易于訪問和按需提供。而不是期望人類專業(yè)知識必須經(jīng)常通過手動和冗長的過程和瓶頸來尋找數(shù)據(jù)。

這將意味著商業(yè)智能將更加面向自助服務(wù)，而不是IT的專利。隨著員工越來越多地將數(shù)據(jù)納入決策和協(xié)作，企業(yè)文化也將發(fā)生變化。

“組織越來越希望通過內(nèi)部協(xié)作、跨生態(tài)系統(tǒng)的數(shù)據(jù)共享、直接商業(yè)化或作為AI驅(qū)動的業(yè)務(wù)決策的基礎(chǔ)來利用其數(shù)據(jù)來獲得業(yè)務(wù)優(yōu)勢”

低代碼的興起表明了非技術(shù)用戶可以實現(xiàn)的目標。從生成豐富的數(shù)據(jù)可視化到構(gòu)建應(yīng)用程序。民主化數(shù)據(jù)——結(jié)構(gòu)化和非結(jié)構(gòu)化——是該過程的自然演變。在優(yōu)先考慮可用性的地方，同時降低傳統(tǒng)數(shù)據(jù)治理流程的復(fù)雜性和剛性。

人工智能和機器學(xué)習(xí)在即將到來的數(shù)據(jù)管理趨勢中的作用

數(shù)據(jù)管理自動化不僅使普通業(yè)務(wù)用戶能夠自行執(zhí)行復(fù)雜的數(shù)據(jù)相關(guān)任務(wù)，而且確保滿足所有法規(guī)要求。因此，越來越多地使用AI和機器學(xué)習(xí)解決方案和工具已成為企業(yè)在日益規(guī)范的數(shù)據(jù)管理生態(tài)系統(tǒng)中保持相關(guān)性和合規(guī)性的必要條件。

越來越多的關(guān)于地震等自然災(zāi)害的研究將依賴AI、RPA和ML驅(qū)動的大數(shù)據(jù)來進行可操作的預(yù)測。

AI和ML將完全控制從數(shù)據(jù)中心涌出的大數(shù)據(jù)——試圖捕捉隱藏的關(guān)系，并在人類理解的邊界內(nèi)保持和投射洞察力。

隨著全球供應(yīng)商在推出變革性AI和ML解決方案方面展開并駕齊驅(qū)的競爭，組織現(xiàn)在將擁有更廣泛的可用解決方案選擇。然而，技術(shù)和工具的廣泛選擇也會讓企業(yè)領(lǐng)導(dǎo)者和決策者進退兩難，難以做出最適合他們需求的選擇。

人工智能技術(shù)革命將為2023年及以后的數(shù)據(jù)分析創(chuàng)造新機遇。突然崛起數(shù)據(jù)分析自動化將需要企業(yè)使用人工智能、機器學(xué)習(xí)、低代碼、無代碼工具和更多選項來自動化盡可能多的流程。

協(xié)助管理客戶數(shù)據(jù)的工具也為實施創(chuàng)造了機會智能自動化，這是另一個值得關(guān)注的AI趨勢。

自動化支持數(shù)據(jù)管道的敏捷創(chuàng)建、管理和關(guān)閉，為任何規(guī)?；虺砷L階段的組織提供他們在持續(xù)集成、持續(xù)部署(CICD)框架內(nèi)所需的數(shù)據(jù)可見性。

到2025年，人工智能驅(qū)動，“上下文感知”分析模型將取代60%的基于傳統(tǒng)數(shù)據(jù)構(gòu)建的現(xiàn)有模型。