跳转到主要内容

很难找到没有数字业务的企业,如果不是不可能的话。 数字化的便利因素正在加快企业应用在线业务的步伐,包括那些在 COVID 之前主要是实体业务的业务。 不仅仅是以这种方式提供产品和服务,大多数组织还使用数据来生成可能影响其收入、销售、成本和业务决策的见解。

虽然数据和洞察力驱动是所有 CIO 和 CDO 的主要关注点,但说起来容易做起来。 如果没有适当的数据管理和相关的基础设施,向内部和外部的利益相关者提供可信和高质量的数据是一项挑战。 为解决这些问题,数据管理行业通过与云、财务运营、更新的数据管理架构、自动化、机器学习等相关的许多创新不断挑战极限。以下是我们认为影响最大的前五大趋势 2023 年,因为它与数据和分析有关。

趋势 1:随着经济衰退的临近,公司将寻求优化基础设施成本


无论北美是否处于衰退之中,企业都在积极削减成本,减少 IT 基础设施,这一直是 CEO 的轻松选择。 虽然通过使用云计算和存储成本不断降低,但鉴于组织在数据和分析基础设施上的大量投资,它仍然可能导致巨额账单。 部分归功于存储、计算和应用程序选择的广泛性,公司经常采取推倒重来的策略来实现数据和分析工作的现代化。 这种方法不仅成本高昂,而且通常会导致 IT 运营中断。 到 2023 年,越来越多的公司将看到 IT 专注于以现代、无中断的方式更新其 IT 基础设施,无论他们的数据完全驻留在一个云、多个云中,还是包括本地在内的混合环境中。

趋势 2:当多云成为现实时,云中的 FinOps 变得必要


对于许多公司而言,战略数据资产分布在多个云和地理位置,无论是因为各个业务部门或位置都有其首选的云服务提供商 (CSP),还是因为并购导致这些资产驻留在不同的云提供商中 '边界。 随着越来越多的数据继续迁移到云端,并且不同地区看到某些云提供商相对于其他提供商的重要性,跨国公司正在加速采用多云架构。 目前,没有简单的方法来管理和集成这些不同 CSP 之间的数据和服务。 未能解决此问题总是会导致数据孤岛和分散的数据管理方法,从而导致数据访问和数据治理复杂化。

此外,与流行的看法相反,由于数据量和相关的出口费用等原因,云成本正日益成为一项物质支出。 对于许多组织而言,云投资并未带来预期的经济和业务收益。 因此,他们正在利用 FinOps 提供一个框架来控制云成本和使用,确定成本与价值,并了解在现代混合和多云环境中优化管理它的方法。 在接下来的一年里,预计 FinOps 将作为一项关键举措获得发展势头,以帮助公司更好地管理其混合云和多云支出。

趋势 3:加速采用数据结构和数据网格


在过去的二十年里,数据管理经历了集中与分散的循环,包括数据库、数据仓库、云数据存储、数据湖等。虽然关于哪种方法最好的争论有其自己的支持者和反对者,但最后一个 几年已经证明,对于大多数组织而言,数据更加分散而不是集中。 尽管部署企业数据架构有多种选择,但到 2022 年,两种数据架构方法(数据结构和数据网格)的采用速度加快,以更好地管理和访问分布式数据。 虽然两者之间存在内在差异,但 Data Fabric 是可组合的数据管理技术堆栈,而 Data Mesh 是面向分布式团队的流程导向,可以按照他们认为合适的方式管理企业数据。 对于希望更好地管理数据的企业来说,两者都至关重要。 轻松访问数据并确保其受到监管和安全,对每个数据利益相关者都很重要——从数据科学家到高管。 毕竟,它对于仪表盘和报告、高级分析、机器学习和 AI 项目至关重要。

如果使用适当的数据基础架构进行适当构建,数据结构和数据网格都可以在企业范围内的数据访问、集成、管理和交付中发挥关键作用。 因此,到 2023 年,预计大中型企业对这两种架构方法的采用将迅速增加。

趋势 4:随着基于 AI 的决策的商业采用增加,符合道德的 AI 变得至关重要


各行各业的公司都在加速使用人工智能进行基于数据的决策——无论是社交媒体平台压制帖子、将医疗保健专业人员与患者联系起来,还是大型财富管理银行向其最终消费者提供信贷。 然而,当人工智能决定最终结果时,目前还没有办法抑制算法中固有的偏差。 这就是为什么新兴法规,如拟议的欧盟人工智能法案和加拿大的 C-27 法案(如果颁布可能成为人工智能和数据法案),开始围绕商业组织中人工智能的使用制定监管框架。 这些新法规将人工智能应用程序的风险分为不可接受、高、中或低风险,并相应地禁止或管理这些应用程序的使用。

到 2023 年,组织将需要能够遵守这些拟议的法规,包括确保隐私和数据治理、算法透明度、公平和非歧视、问责制和可审计性。 考虑到这一点,组织必须实施自己的框架来支持符合道德规范的 AI(例如,可信赖的 AI 指南、同行评审框架和 AI 伦理委员会)。 随着越来越多的公司将 AI 投入工作,道德 AI 必将在来年变得比以往任何时候都更加重要。

趋势 5:提高数据质量、数据准备、元数据管理和分析


虽然许多数据管理工作的最终结果是提供高级分析并支持 AI 和 ML 工作,但适当的数据管理本身对组织的成功至关重要。 数据通常被称为新石油,因为基于数据和分析的洞察力不断推动业务创新。 随着组织加速使用数据,公司必须密切关注数据治理、数据质量和元数据管理。 然而,随着数据量、种类和速度的不断增长,数据管理的这些不同方面变得过于复杂而无法大规模管理。 考虑数据科学家和数据工程师在开始使用数据之前花费在查找和准备数据上的时间。 这就是为什么增强数据管理最近被各种数据管理供应商所接受,在这些供应商中,通过应用人工智能,组织能够自动执行许多数据管理任务。

根据一些顶级分析公司的说法,数据结构的每一层——即数据摄取、数据处理、数据编排、数据治理等——都应该嵌入 AI/ML,以自动化数据管理过程的每个阶段 . 到 2023 年,增强型数据管理将获得强大的市场吸引力,帮助数据管理专业人员专注于提供数据驱动的洞察力,而不是被日常管理任务所阻碍。

数据及相关基础设施软件市场还有更多值得关注的创新,包括 DataOps 的创新、持续决策过程生命周期的扩散、数据保护、数据利用等。我们相信所有这些创新都将加快数字化转型的步伐 2023 年及以后的数字业务。 我们还相信,过去两到三年明确地告诉我们,数字业务是未来所在。

本文地址

知识星球

微信公众号

视频号