尽管经济持续存在不确定性，但我们知道，到 2023 年，我们将需要对现有数据做更多的事情，更好地保护数据，并找到新的方法来通过改进数据管理来发现洞察力。 2023 年将要求每个人都灵活处理他们的数据，但我认为该领域的经济增长不会脱轨。 事实上，我相信我们的数据中仍然隐藏着很多价值。
对于 2022 年，我预测 ML/AI 的进步和 SaaS 服务的增长。 这些趋势今年将继续，随着更多工具和更好的集成，许多公司都看到了基于云的部署的改进结果。 以下是我对 2023 年数据管理发展的看法。
ML/AI 的采用仍在继续：
经济不会改变 AI 的采用和收入增长的机会——尽管有逆风，但数据科学的动力和价值太多了。 像亚马逊和沃尔玛这样的公司已经展示了如何通过利用数据来改善零售，亚马逊也有共享的框架来指导营销人员。 AWS、Google Cloud 和 Azure 上都可以轻松获得预训练模型，任何人都可以使用和加速您的机器学习计划。
客户数据仓库的增长推动了 ELT 和 CDC：
过去需要七位数的预算来购买和配置一个好的数据仓库。 如今，云可以按需提供对可扩展系统的访问，这些系统可以在需要时提供短期动力，而无需对系统进行长期投资。 向 ELT（提取、加载、转换）的转变使数据分析师可以更灵活地提取他们需要的信息，并在处理数据时发挥更积极的作用。 与此同时，随着所有这些数据的流入，CDC（变更数据捕获）变得更加重要，它可以通过源源不断的流数据保持一致性和可靠性。
数据民主化需要数据信任和治理：
我们将看到帮助“公民分析师”从数据中收集价值的工具类型的增长和改进，包括 Atlan、Collibra、Alation 和其他数据编目软件。 添加元数据——这些都使数据更易于使用并从中创造价值。 同时，人们需要能够在数据通过系统时观察其准确性，这样他们才能对信任自己的数据充满信心。 数据治理对于欧洲隐私监管机构和金融监管机构来说变得越来越重要。 改善数据访问和信任也将改善治理。
流数据变得至关重要：
随着公司寻找快速响应客户需求和验证行为的方法，我们将看到更多的重点放在动态分析流数据、观察收入斜率以及观察趋势如何动态变化上。 传统上，您已经在信用卡欺诈中看到了这一点——如果您的卡用于在旧金山购物，五分钟后又在纽约市使用，这就是欺诈的强烈信号。 但在制造业、能源市场甚至消费品中，了解生产线的流动情况、价格变化以及哪些数据信号表明需要干预的问题也很重要。 集中流式数据将帮助公司在问题实际发生时标记问题。
永久许可逐渐消失：
随着 SAP 和 Oracle 等公司将更多客户从终身许可协议转移到基于服务的产品，购买和运行本地服务器的做法将逐渐消失。 摩根大通最近的一项调查发现，IT 买家仅计划将 Oracle 产品的支出增加 1%，而 Snowflake 或 Microsoft 等云数据平台的支出增加了 60%。 2022 年初，微软根据其开放许可计划取消了永久许可，SAP 报告称 2022 年第三季度云收入增长了 38%。这种从永久许可的加速转变将使企业软件公司能够更好地与 Workday 等公司竞争 或 ServiceNow，并允许客户在经济不确定的情况下推迟大笔投资。
考虑到过去几年的所有变化，我们将拭目以待。 但我们知道，数据管理将成为每项业务的重要组成部分。 在预算有限的情况下高效且有效地管理这些数据的方法将帮助公司度过任何低迷时期。 更多地使用云技术将帮助公司通过动态需求定价优化预算。 人们将更多地关注他们的数据来支持他们的业务，并对下一次市场变化做出快速反应，无论它发生在哪里。
