数字化转型必看：2023年十大数据和分析趋势

AI的日益普及使公司面临新的风险，例如道德风险、训练数据中毒或者欺诈检测规避等，这些风险必须得到缓解。管理AI风险不仅仅是要遵守法规，有效的AI治理和负责任的AI实践对于在利益相关者之间建立信任和促进AI的采用和使用来说，也是至关重要的。

可观察性是一种特性，有助于了解D&A系统的行为，并允许回答有关其行为的问题。

可观察性让组织能够缩短确定影响性能问题根本原因的时间，以及使用可靠且准确的数据做出及时且具有成本效益的业务决策所需的时间。D&A领导者需要评估数据可观察性工具，以了解主要用户的需求，并确定这些工具是如何融入整个企业生态系统的。

数据共享包括了内部（部门之间或者部门之间或者子公司之间）和外部（组织所有权和控制范围之外的各方之间）共享数据。组织可以创建“数据即产品”，其中将D&A资产作为一种可交付的产品或者共享的产品。

数据共享协作，包括组织外部的协作，增加了可重复使用的、先前创建的数据资产来提高数据共享的价值。采用数据结构设计，使单一架构能够跨异构内部和外部数据源共享数据。

D&A领导者仅仅为企业ESG（环境、社会和治理）项目提供分析和洞察是不够的。D&A领导者还必须尝试优化自己的流程以提高可持续性。潜在的好处是巨大的。D&A和AI从业者越来越意识到他们的能源足迹正在不断增长。因此，出现了各种实践，例如（云）数据中心使用可再生能源、使用更节能的硬件、以及使用小数据和其他机器学习技术。

Data Fabric是一种数据管理设计模式，利用所有类型的元数据来观察、分析和推荐数据管理解决方案。Data Fabric通过组装和丰富底层数据的语义，对元数据应用持续分析，以生成警报和建议，让人类和系统可以用于采取行动。Data Fabric让业务用户能够自信地使用数据，并促进技能较低的全民开发人员在集成和建模过程中变得更加灵活。

ChatGPT和生成式AI是新兴AI趋势的先锋。新兴AI将改变大多数企业在可扩展性、多功能性和适应性方面的运作方式。下一波AI浪潮将使企业组织能够在目前不可行的情况下应用AI，从而使AI变得更为普遍和具有价值。

融合的D&A生态系统设计和部署D&A平台，通过无缝集成、治理和技术互操作性紧密地运行和运作。生态系统的可组合性是通过构建、组装和部署可配置的应用和服务来实现的。

有了适当的架构，D&A系统就可以更加模块化，适应性更强，更灵活，可动态扩展并更加精简，以满足不断增长和变化的业务需求，并随着业务和运营环境不可避免的变化而发展。

用户花在预定义仪表盘上的时间占比，将被满足特定内容消费者时间点需求的对话式、动态和嵌入式用户体验所取代。

企业组织可以通过为内容消费者提供易于使用的自动化和嵌入式洞察力，以及他们成为内容创建者所需的对话体验，来扩大分析的采用和影响。

并非每个决策都可以或者应该被自动化。D&A部门将明确他们给决策的支持，以及人类在自动化和增强决策制定中发挥的作用。

如不考虑人类在决策中发挥的作用，那么推动决策自动化的努力将导致数据驱动型组织缺乏良知或者是始终如一的目标。组织的数据素养计划需要强调，数据和分析是要与人类决策相结合的。