随着 COVID-19 大流行的爆发，使用传统分析技术并严重依赖大量历史数据的企业意识到一些重要的事情：其中许多模型不再有效。 疫情几乎改变了一切，让很多数据变得毫无用处。
具有前瞻性思维的数据和分析团队正在从利用“大”数据的传统人工智能技术转向更小但更多样化的“小”数据。
Gartner发布的2021年十大数据和分析趋势之一是从大数据向小而广的数据的转变。 这十大趋势是数据和分析领导者必须关注的业务、市场和技术动态。
Gartner 杰出研究总裁 Rita Sallam 表示：“这些数据和分析趋势可以帮助组织和社会应对未来五年带来的颠覆性变化、巨大的不确定性和机遇。数据和分析领导者必须主动研究如何应对顺应趋势，根据趋势制定关键任务，提升预测能力、变革能力和应对能力。”
每个趋势都可以分为三个主要主题之一：
加速数据和分析革命：利用人工智能创新、改进的可组合性以及灵活、高效地集成不同数据源。
通过更有效的 XOp 实现业务价值运营：优化决策并将数据和分析转变为业务不可或缺的一部分。
分布式实体（人和物）：数据和洞察需要灵活连接，以提高更多人和物的能力。
1. Smarter, more Responsible,scalable AI（更智能、更负责任、可扩展的AI）
更智能、更负责任和可扩展的人工智能将优化学习算法，使系统更易于解释，并更快地推动价值实现。 企业组织将开始对人工智能系统提出更多要求，他们需要弄清楚如何扩展该技术。 但到目前为止，这仍然是一个两难的境地。
传统人工智能技术严重依赖历史数据，而COVID-19疫情给商业环境带来的变化让历史数据变得毫无用处。 这意味着人工智能技术必须能够通过“小数据”技术和自适应机器学习对更少的数据进行操作。 为了成为有道德的人工智能，此类人工智能系统还必须保护隐私、遵守法规并最大限度地减少偏见。
2.可组合数据分析架构（Composable data and Analytics）
组装的数据分析架构使用来自多个数据、分析和人工智能解决方案的组件，提供灵活、用户友好且实用的体验，使管理人员能够将数据洞察与业务行动联系起来。 Gartner 客户调查显示，大多数小型企业组织拥有不止一种“企业标准”分析和商业智能工具。
将多个业务功能组件组合到新应用程序中可以提高生产力和敏捷性。 组装数据分析不仅可以鼓励协作并提高组织的分析能力，还可以减少分析的使用。
3. 数据制造是基础（Data Fabric the Foundation）
随着数据的日益复杂和数字化业务的加速发展，数据编织架构已成为支持组装数据分析及其各个组件的基础设施。
由于不同的数据集成方法可以在技术设计中使用/重用和组合，数据编织可以减少30%的集成设计时间、30%的部署时间和70%的维护时间。 此外，数据编织不仅可以利用数据中心、数据湖和数据库机房现有的技术和技能，未来还可以添加新的方法和工具。
4.从“大”数据到“小”“宽”数据（Frombig to Small and Wide data）
面对日益复杂的人工智能问题和数据用例稀缺的挑战，企业组织正在用小而宽的数据代替大数据来解决许多问题。 通过“X分析”技术，利用宽数据对各种小而多样（宽）的非结构化和结构化数据源进行分析，并发挥其协同效应，从而提高态势感知和决策水平。 顾名思义，小数据是指使用需要较少数据但仍提供实用见解的数据模型的能力。
5. XOps
XOps（数据、机器学习、模型、平台）的目标是利用DevOps最佳实践来实现效率和规模经济数据分析 人工智能，同时确保可靠性、可重用性和可重复性，同时减少技术和流程的重复并实现手动更改。
该技术将实现原型的扩展，并为受治理的决策系统提供灵活的设计和敏捷的协调。 总体而言数据分析 人工智能，XOps 将使组织能够通过数据和分析的操作化来推动业务价值。
6. 工程决策智能
工程决策智能是一门涵盖广泛决策的学科，包括传统分析、人工智能和复杂自适应系统应用。 工程决策智能不仅适用于单一决策，也适用于连续决策。 该技术可以将决策组织到业务流程中，甚至可以形成决策网络。
借助这项技术，组织可以更快地获得推动业务行动所需的见解。 当与可组装性和通用数据编织架构相结合时，工程决策智能将为重新审视或重新设计组织决策优化方法带来新的可能性，提高决策的准确性、可重复性和可追溯性。 性别。
7. 数据和分析成为核心业务功能（Data and Analytics core Business Function）
企业领导者越来越认识到使用数据和分析来加速数字业务计划的重要性。 数据和分析不再只是由单独团队处理的次要焦点，而是已转变为核心功能。 但企业领导者常常高估数据的复杂性，最终错失机会。 如果首席数据官（CDO）能够参与目标和策略的制定，可以将业务价值持续生产的效率提高2.6倍。
8.图技术让一切变得相关（Graphrelates everything）
图技术已成为现代数据和分析的基础，可增强和改进用户协作、机器学习模型和可解释的人工智能。 图技术对于数据和分析来说并不新鲜，但随着组织看到的用例越来越少，围绕图技术的思维方式已经发生了变化。 事实上，多达 50% 的 Gartner 客户有关人工智能的询问涉及有关图表技术使用的讨论。
9.增强型消费者的崛起
企业用户曾经仅限于预定义的仪表板和自动化数据探索。 通常，数据和分析仪表板仅适用于正在探索预定义问题的数据分析师或公民数据科学家。
但Gartner认为，未来此类仪表板将被手动、对话式、移动和动态生成的见解所取代，但这些见解将根据用户需求进行定制，并在用户需要消费这些数据时交付给用户。 使组织中的任何人都能获得以前只有少数数据专家才能获得的见解和知识。
10.数据和分析正在连接到边缘（Data and Analytics at the Edge）
存在于传统数据中心和云环境之外的数据分析技术正在开始衰退，并且正在向事物靠拢。 这可以减少或避免以数据为中心的解决方案造成的延迟和实时价值损失。
通过将数据和分析转移到边缘，数据团队将有机会扩展其能力并将变革扩展到业务的不同部分。 它还解决了由于法律或监管原因而无法连接某些地理位置的数据的问题。