【数据与分析】我在2023年GARTNER数据与分析峰会上的五大收获

内容呈现得很好，通常很有煽动性，而且总是很有见地。最棒的是，与在数据世界中生活和呼吸的专业人士建立了新的友谊，这使得每年前往佛罗里达州奥兰多的旅行非常值得门票。

话虽如此，以下是我从今年的数据与分析峰会中得到的五大收获。由于全球疫情，这是过去七个月来的第二次峰会，而不是通常的年度盛会。

Profisee’s Malcolm Hawker (right) presenting at the summit with Nestlé Purina’s VP of Data Science, Brian Zenk (right), on business value and innovation.

1.会议主题:时间机器

和往常一样，开幕式主题演讲是一场高度精炼和激动人心的活动，在一个挤满了4000多名数据专业人士的房间里进行。尽管开幕式的主题演讲令人兴奋，但我还是有一些严重的似曾相识，因为我确信我以前已经听过大多数主题演讲了——这是因为我听过。

回顾过去十年Gartner商业智能/数据和分析会议，忽略闪亮的新事物、关注商业价值以及团队发展和领导力的重要性等关键主题正在反复出现——在另一个新的商业价值框架的情况下，发言者承认他们重复了这些主题。

公平地说，在经营企业时，许多成功的关键驱动因素往往不会改变。然而，主题演讲的核心信息本可以在10年前由这些确切的演讲者传达，也同样重要。

除了一些引人注目的重复过去活动的主题内容之外，我觉得演讲者错过了一个绝佳的机会，将另一个会议主题融入他们的演讲中：可持续性。

作为一个主题，“目标导向”似乎是一个绝佳的机会，可以讨论如何使用数据来支持更深层次的社会或环境问题。但相反，“目的”的概念与新的商业价值框架（并非如此）直接相关。

换言之，就主旨而言，“目的”和“利润”本质上是同义词。从好的方面来看，新的价值框架似乎在很大程度上是从以前类似的价值框架努力中回收的——所以至少它是使用可持续实践创建的。

2.战略与实施之间明显且日益扩大的差距

虽然听到多位Gartner分析师承认，数据编制( data fabrics)、数据可观察性和其他概念数据管理框架——包括可组合性，更多内容如下——实际上不能从任何一家供应商那里购买，我感到非常耳目一新，但这也带来了一点问题。

根据Gartner的数据，我们知道许多组织在整体数据和分析成熟度方面面临着严峻的挑战。这意味着这些新框架的复杂性——跨越人员、流程和技术——远远超出了大多数公司的掌握范围。

因此，尽管数据领导者了解市场的发展方向可能有助于为他们的长期数据战略提供信息，但事实是，大多数CDO无法从这些新框架中受益——至少在目前的状态下不会。

换言之，Gartner在这些活动中提供的战略见解与他们提供的关于如何实施这些见解的见解之间存在着明显且日益扩大的差距。许多分析人士在发言中经常强调战略与执行之间的差距。例如，从众多以人工智能为中心的演示中可以看出：“操作人工智能仍然是最大的挑战。”

Gartner非常善于建立“基础”（周一上午充满了关于基础数据管理问题的内容），而且他们在帮助制定长期数据和分析战略方面非常有效。

但是，如果你是一个脚踏实地的数据领导者，并且你试图了解从你现在的位置到你想去的位置所需的所有步骤，那么你可能会在离开奥兰多会议时想要更多。更多。

战略和运营之间的这种洞察力差距很大程度上是由于Gartner分析师队伍中缺乏实际操作的数据从业者——至少是那些积极参与这些研发峰会的分析人员。Gartner的知名度较高的分析师往往都是职业思想领袖，很少有人长期在战壕中领导他们巧妙定义的战略框架和概念的任何实际应用。

因此，如果你是一个急于吸引和留住顶尖人才的CDO，并且你想知道在这个世界上你会如何在数据结构上执行，那么你肯定不是唯一一个。

3.生成式AI龟兔之争

周一主题演讲中的一句话引起了我的共鸣：“ChatGPT有趣吗？是的。这是你现在应该投入大量资金的东西吗？可能不是。”虽然这对许多公司来说可能是真的，但对我来说，将ChatGPT和Hadoop等同于“闪亮的新事物”的描述似乎是鲁莽的

记录在案，在我们的数据和分析世界里，过度关注技术总是一件坏事。

然而，我不记得有多少青少年使用Hadoop来完成家庭作业。Generative AI的大规模采用是基于它为超过一亿活跃用户提供的变革价值，而Hadoop允许一小群数据科学家回答业内无人提出的问题。将它们进行比较毫无意义。

因此，尽管在Gartner活动上有一些关于人工智能和机器学习的精彩基础演讲，但Gartner似乎没有跟上市场的步伐。

微软的一篇演讲完全集中在生成性人工智能是如何深入融入他们的数据和分析产品中的——现在——真正巩固了主题演讲中所支持的“观望”与一家更专注于加快上市速度和整合一项已经显示出明确而有意义的价值主张的公司之间的脱节。

4.那次演讲让一切都变得有价值

尽管上面提到了Gartner回收旧内容和行动太慢的问题，但他们仍然坚持进行一两次令人难以置信的前瞻性和发人深省的会议演示，这可能会让你想继续回来看更多。

在这次活动中，这是Mark Beyer关于他所说的“活动元数据双螺旋”(The Active Metadata Double Helix)的演讲，这是马克试图描述他认为从“设计”数据到“观察”数据的必要变化。

从表面上看，这似乎是我们一直以来的做法，我们观察，然后根据观察结果设计或建模。新技术的加入正在从根本上改变这种模式。

更深入地讨论“激活”的元数据将如何帮助转变数据管理业务，即使不是更多，也值得一篇独立的博客文章。但长话短说，人工智能和图形的进步将有助于使数据能够对其使用和治理进行分类。

随着时间的推移，数据本身将定义和管理其治理和管理，而不是让人类定义和管理数据的“规则”。这包括从数据质量规则到数据集成模式的所有内容，但也扩展到业务应用程序和工作流中数据的操作使用。

所以，当马克谈到“观察”数据时，并不是人类进行所有的观察，而是人工智能驱动的知识图。这些技术在企业数据管理中的规模和自动化将真正改变游戏规则。

这一主题是使用先进技术实现从规则或模式定义的数据管理到更多元数据和概念/上下文定义数据管理的缓慢过渡，在其他演示中也得到了重复，包括关于自然语言处理、应用数据可观察性，当然还有数据编制（data fabric）的会议。

在过去，Gartner会将这一更广泛的趋势描述为“增强数据管理”，但截至本次会议，这一新的数据管理学科或方法似乎不再有自己的名字。也许这是一个有意识的决定，但我怀疑不是。

5.GARTNER仍然是会议的黄金标准（尽管有些小问题）

Gartner知道如何办好大型行业会议。与拉斯维加斯的其他大型会议相比，在那里，你的酒店房间和会议厅之间通常需要步行两英里，迪士尼度假区的物流很容易导航，对与会者也很友好。

有很多选择可以偷偷溜出去给设备通电或找一个安静的地方，有几种食物和饮料的选择不需要你每次感到口渴时都向供应商挑战。食物的质量仍然很高——如果你问我的话——考虑到要养活的人的数量，它的质量高得惊人。

这里唯一真正的问题是周一和周二早上的一些反常的凉爽温度，导致军用餐厅帐篷的温度徘徊在40多度和50多度之间。

这使得原本会是一次积极的早餐体验变成了一次相当于北极熊游泳的会议。Gartner会议移动应用程序坚固且易于使用，但在会议期间实现任何形式的社区/同行互动或反馈方面存在显著差距。

奖金回合：经济衰退？什么样的衰退？

我们可能生活在一个高度不确定的时代，全球和国家经济形势仍然非常混乱，但如果我们处于任何形式的全球衰退的边缘，你都不会从与会者的出席人数或情绪中知道这一点。

在三天的时间里，我在我们的展厅展位上与数据领导者进行了一百多次对话，在早餐、午餐和晚餐时，我想不起有人对经济放缓表示担忧。

相反，公司仍然专注于以数据为中心的基础举措，其中许多举措是在2020-2022年启动的。我听说过许多情况，公司将主数据和数据治理计划置于其他优先事项之上，因为他们认识到，值得信赖和可操作的数据是所有下游工作的关键，无论是运营还是转型。

值得注意的添加和遗漏

附加–ESG/可持续性

2022年，由于新冠肺炎和欧洲战争，环境、社会和治理（ESG）倡议短暂中断，但本周在奥兰多又回来了。我预测，到2024年，人们将更加关注消除“暗数据”和其他导致数据中心过度消费的研发驱动因素，而数据中心作为一个行业，其温室气体排放量超过了航空业。

遗漏——可组合D&A

在过去的两年里，Gartner在研发活动中一直在大力宣扬“可组合性”，这与Gartner IT研讨会上发出的类似鼓点如出一辙。然而，这一鼓点在此次活动中几乎没有引起轰动，这通常意味着——由于缺乏市场采用——Gartner将缩减炒作机器，让之前的“顶级趋势”逐渐被遗忘。

遗漏——数据即产品

虽然会议演示中提到了这一点，但LinkedIn和其他社交渠道上围绕数据产品/数据作为一种产品的热议与Gartner在此次活动中的报道程度之间存在明显的脱节。我认为这在很大程度上是由于数据产品和数据网格之间的紧密联系，Gartner避免推广这种联系，因为许多人认为它是数据结构(data fabric) 的竞争对手。

遗漏——增强数据管理

在两年的大部分时间里，Gartner将图形和人工智能等新技术在传统数据管理中的应用称为“增强数据管理”。然而，这个标签似乎已经失宠了，可能是因为大多数讨论它的演示都严重倾向于数据自动化，而不仅仅是增强。正如我在上面提到的，Gartner很乐意在这里提出一个新名称来描述这个充满主动元数据的数据管理世界。如果数据结构(Data Fabric)就是架构，那么这门学科叫什么？