作者：Daniel D. Gutierrez
来源：企业网D1Net
分析领域
软件开发商TIBCO公司首席技术官Nelson Petracek表示：
预测分析将推动围绕下一代数字应用程序出现的新用例发展。该技术将变得更加沉浸嵌入，预测分析功能将无缝融合到人们与之交互的系统和应用程序中。预测分析将推动下一代应用程序的广泛应用，例如元宇宙应用程序(这是数字和物理世界的融合，由物联网、数字孪生、人工智能/机器学习和XR等技术提供支持)和下一代可组合应用程序。
NWO.ai公司首席运营官Miroslav Dimitrov表示：
每家企业都想成为一家数据公司，或者是一家数据驱动的公司。这自然会导致自助分析的兴起。目前，业务领导者及其团队严重依赖企业内部的专门分析团队，这些团队有大量分析和仪表板需要构建和处理。随着越来越多的企业希望以客户为中心，在企业范围内提供数据和洞察力并且访问民主化势在必行。
Imply公司创始人兼首席执行官Fangin Yang表示：
大多数人认为分析是关于定期查询的，例如查询数据仓库以获取业务快照。大多数人并不会将数据分析视为代码，而它是交互式的在线应用程序的核心;可以结合实时数据，并同时支持数以千计的内部和外部最终用户。最重要的是，当人们想到分析时，可能会想到使用商业智能或运营智能工具的数据分析师、IT分析师或安全分析师;他们不考虑软件开发人员和他们构建应用程序的能力。他们不会问，如果分析是软件开发人员核心工具包的一部分将会带来哪些好处。2022年，围绕分析的新思维方式将出现，将会更多地关注始终在线的交互式应用程序。人们将看到很多数字和SaaS公司都在构建这些应用程序，因为他们寻求获得有关其业务和运营的见解。同样重要的是，随着数字和SaaS公司寻求与其客户和合作伙伴分享见解，人们将看到这些应用程序的出现——这一趋势在2022年将成为每个数字和SaaS公司的新常态和当务之急。
Domino数据实验室首席执行官Nick Elprin表示：
首席分析官(CAO)将使首席数据官(CDO)相形见绌。虽然许多公司都设有首席数据官这一职位，但在2022年，人们将看到更多企业设立“首席分析官”或“首席数据和分析官”职位。这反映了企业对不断发展的数据科学和机器学习的理解，将数据转化为业务价值的最终功能，并日益成为企业战略的核心。
ZL科技公司首席执行官Ryan Splain表示：
2022年，随着采用更多强大的技术，企业将在非结构化分析上投入更多资金。迄今为止，大多数商业智能都在使用结构化数据。然而，有很多问题无法通过这些清晰的数字来回答。通过分析员工每天创建的文本、对话和交流数据，新兴的人员分析团队获得了一种评估人力资源状况(获取人才、员工情绪、生产力等)的新方法。这些电子邮件、文件和协作数据涉及企业长期以来无法触及的人性化方面。
Stardog公司创始人兼首席执行官Kendall Clark表示：
“即时”数据分析崛起。在数据分析领域中，有一小部分专注于企业堆栈的新方法，其中包括继续将业务转移到云平台上。然而，混合多云也有自己的需求，最显著的是管理和分析数据的能力，无论数据位于混合多云环境的哪个位置。像Starburst、Materialize.io、Rockset和Stardog等初创公司开发的平台旨在以即时方式查询、搜索、连接、分析和集成数据，无需移动或复制数据。预计企业将寻求与数据所在位置无关的数据分析解决方案。这种趋势将在2022年加速，因为存储系统之间的数据移动将继续从堆栈中移除，以加快获得见解。
Denodo公司高级副总裁和首席营销官Ravi Shankar表示：
小型和广泛的数据分析开始流行起来——人工智能/机器学习正在改变企业的运作方式，但要想获得成功，它还依赖于历史数据分析，也就是大数据分析。虽然大数据分析仍然存在，但在许多情况下，这些历史数据将逐渐失去价值。2022年，企业将利用小数据分析为他们的个人客户创造高度个性化的体验，从而在短时间内了解客户对特定产品或服务的态度。虽然广泛的数据分析相对来说是一个新概念，但考虑到企业正在快速地同时利用非结构化和结构化数据。并且进入2022年，预计小型和广泛的数据分析将在企业中获得更大的吸引力。
Incorta公司联合创始人兼产品执行副总裁Matthew Halliday表示：
最具变革性的分析用例将来自“公民分析师”——由于他们的领域专业知识、接近业务以及新工具(技术)的可用性，公民数据分析师将会成为最重要和最有影响力的数据工作者。这将导致数据新想法和实际应用得以爆炸式增长，标志着该行业处在下一个重大转折点。
Sisense公司首席产品和营销官Ashley Kramer表示：
企业将重新定义建立“分析文化”的意义。长期以来，企业领导者一直认为，通过数据认证提高员工技能并投资自助服务工具将会成为数据驱动的组织。他们终于承认这是行不通的。自助式商业智能不会缩小技能差距。并不是每个人都有时间或兴趣成为数据分析师，尤其是在疫情期间，企业的团队人手不足，人们对于远程工作有不同看法。到2022年，企业将重新定义构建“分析文化”的含义，并通过以更易于理解的方式为员工提供见解来改变范式——转向嵌入式分析等方法和解决方案，而不需要他们学习新技能或投入更多时间。
Monte Carlo公司首席执行官兼联合创始人Barr Moses表示：
数据分析师和工程师有责任像对待产品一样对待数据，换句话说，将仪表板、数据平台和自助数据工作流嵌入到数据中。这归结为确保数据和相关数据产品得到安全管理、可供合适的个人访问，并且可以跨不同域扩展。那些能够在保持数据债务不受影响的情况下扩展这种思维模式的数据领导者，将会成为真正的赢家。
ThoughtSpot公司首席数据战略官Cindi Howson表示：
分析工程师将取代数据科学家并成为世界上最酷的职位。多年来，数据科学一直是寻求获得数字化转型价值的企业青睐的技术。然而，数据科学家的角色近年来失去了光彩。很多企业未能实施数字化转型，而大学也难以培养出在商业环境中应用其技能的编程人员，数据科学家花费大量时间处理杂乱、分散的数据——所有这些都掩盖了数据科学的光彩。出于这个原因，预计到2022年，该行业将出现一个取代数据科学家的新角色：分析工程师。结合在云平台内对所有数据进行转换的能力，分析工程师对控制转换逻辑和利用现代数据堆栈的全部功能至关重要。
Excelero公司产品副总裁Jeff Whitaker表示：
随着企业致力于在其数据中挖掘价值，分析部署将快速增长。然而，这些资源通常有两种不同的用途：用于网络规模分析或用于核心业务分析。网络规模分析利用云计算的力量，而核心业务分析则在内部部署数据中心进行。云计算数据基础设施的可靠性和性能是推动这两者融合的关键。2022年，随着用于计算、网络和存储的新的云计算性能基础设施的构建，人们将看到分析环境的融合。因此，许多企业将他们的核心业务应用程序和数据库环境迁移到云中，将他们的数据整合到一个中央资源中。从商业智能、数据库分析到人工智能/机器学习环境，现在完全有可能在云中使用云引擎和网络规模的数据平台对数据进行近实时分析。
Infragistics公司首席执行官兼创始人Dean Guida表示：
越来越多的企业采用云计算技术，以跟上现代数据的规模、速度和使用的发展步伐。而学习如何利用这些数据来推动数据驱动的业务洞察力的企业将会超越竞争对手。因此，数据和分析目录将成为编目和发现对推动业务增长至关重要的数据的必备措施。
Yellowfin公司营销主管Ivan Seow表示：
需要重新构建仪表板。正如分析行业所理解的那样，仪表板将被重新构建。传统和静态仪表板的使用率将下降，而增强型仪表板将取而代之。传统分析供应商长期以来一直承诺满足用户对诊断、预测和规范分析的需求，并最终将以增强仪表板的形式实现。就像IT监控中“单一控制平台”的概念一样，分析行业将其理解为“单一分析平台”。除了传统的可视化和表格报告之外，增强仪表板将强调来自自动化业务监控源的自动化洞察、采用个性化数据的相关数据讲故事、使用自然语言查询的对话界面，以及使用自然语言生成的机器辅助解释。
大数据行业
Telstra Ventures公司合伙人Steve Schmidt表示：
2022年将会继续加大创新的步伐，采用创新和没有采用创新企业之间的差距可能会扩大。“创新者”明白这一切都由软件提供支持，他们正在以质量、速度和高度协作的方式掌握软件开发过程。Facebook、苹果、亚马逊、Netflix和谷歌这些科技巨头多年来一直在表明这一点。根据今年8月发布的一个调查，这五家公司的总市值为7.1万亿美元，约占标准普尔500指数的19%。这些公司明白，巨大的成就来自软件改进的持续发布，而不是数字化转型项目。为了加快发布，这些企业积极与GitLab等公司建立更强大的持续软件开发力量，并采用DevSecOps/GitOps方法来大规模设计、构建、测试、部署和管理他们的应用程序。这些创新将需要发布到自主和可组合的基础设施上，例如Upbound、Telstra Ventures的投资对象和开源Crossplane，它们利用Kubernetes的力量提供高度的灵活性、自动化、弹性和速度。
Higg公司首席技术官John Armstrong表示：
整个供应链的协作将成为常态。从供应链的所有点引入数据的协作系统将告诉人们在哪里应用进行更改和改进。去中心化技术将使人们能够扩大规模和查明痛点，并着手解决问题。
Aerospike公司首席战略官Lenley Hensarling 表示：
数据将变得更加动态。正如希腊哲学家赫拉克利特曾经说过的那样：“惟有变化才是永恒的。”数据将比以往任何时候都更快、更频繁地变化。每月一次、每周一次甚至每天一次分析大量静态数据将很难被企业接受。企业需要实时从流数据中收集见解，以发现新模式并采取行动。数据就像奔流不息的水流一样，企业因此需要适应不断变化的环境。只有那些学会驾驭急流的人才会成功。
Fluree公司联合首席执行官兼联合创始人Brian Platz表示：
数据结构将会兴起——从理论架构到实现。行业领先的数据和分析领导者开始评估和构建数据结构的架构，这是一种专注于跨复杂分布式环境的数据敏捷性的数据集成方法。数据结构使数据消费者可以实时发现和访问数据，无论数据所在的物理位置如何，这是一种内置集中式安全和治理策略。这组功能将使企业能够实时适应消费者的需求，构建更具凝聚力的分析体验，并为可操作的人工智能应用程序提供支持。然而如今，“数据结构” 术语通常指的是企业数据战略的愿望清单。该战略结合了数据治理、运营、安全、分析和编排的最佳实践，但在实际上尚未体现出来。而随着数据管理技术的成熟、数据合规性政策的形成以及数据敏捷性成为企业公认的竞争优势，人们将会在2022年看到第一代的数据结构架构。
Talend公司首席数据官Dave Costenaro表示：
首席数据官的角色需要跟上传统数据功能的动态演变，例如存储、架构、建模、预测、商业智能和分析，尤其是在当前数字优先的环境中。随着企业继续在其运营中发挥这一关键作用，将越来越需要参与战略、产品、道德和法律等其他领域。
Talend公司首席执行官Christal Bemont表示：
世界各地的商业领袖将看到数据的主观性，并意识到需要将其视为成功支持企业的资产。新冠疫情加速了企业进行数字化转型和依靠数据来提高运营效率并保持市场竞争力的需求。然而，根据最近的一项调查，78%的企业高管在做出数据驱动的决策时遇到了挑战，60%的企业高管并不总是信任他们使用的数据。他们需要将数据视为一种可以衡量、信任和采取行动的资产，而为企业提供高质量的数据，能够做出推动业务成果的关键决策。
Ionir公司首席营销官Kirby Wadsworth表示：
DevOps工程师仍将面临的最大挑战之一是数据引力——不断累积数据黑洞的引力以及由此导致的数据移动性不足。从现在到2024年，这种缓慢的数据交付量预计将每年翻一番。数据引力阻碍了数据移动以及跟上动态客户需求、无缝部署应用程序和生成高效持续集成(CI)/持续交付(CD)管道的能力。移动数据成本高昂，而且浪费宝贵的时间。与传输应用程序不同，在云计算环境中传输数据需要数小时或数天的时间，并且会产生大量的出口费用。数据引力将威胁到整个价值主张的弹性。移动应用程序所需的数据比移动应用程序更难。2022年，IT专业人员将需要实施创新的数据服务解决方案，以对抗数据引力和DevOps管道的中断。这是实现摆脱数据引力并看到降低复杂性、成本和管理收益所需的最后一部分。预计人们将看到向高级容器原生存储的集体迁移，它可以通过在任何地方与任何集群之间即时移动数据，并提供对任何时间点的即时访问来消除数据引力。这些解决方案可以让数据像应用程序一样快速而轻松地移动。
云计算不断增长的数据引力吸引了数据保护解决方案：
虽然企业多年来一直使用数据保护解决方案来备份其内部部署数据，但许多企业在使用这些解决方案来保护其 SaaS 应用程序数据和其他类型的数据方面进展缓慢。然而，随着越来越多的企业将更多和更重要的数据移至云平台，云计算的数据引力(吸引解决方案、服务和其他数据的能力)呈指数级增长。
Commvault Venture公司总经理 Manoj Nair表示：
企业寻求能够在网络攻击、错误配置或其他灾难后备份和快速恢复基于云的数据。进一步推动数据保护解决方案对云计算越来越有吸引力的事实。IT 专业人员正在意识到这样一个事实，即在 SaaS 和云服务提供商的责任共担模型下，他们对存储在其 SaaS 应用程序中的所有数据负责。最近成功的基于云的网络攻击数据表明，当企业没有通过创建原始的、经过验证的备份副本来保护这些数据时，他们可以在勒索软件或其他网络攻击之后进行恢复的话，其结果可能是毁灭性的。面对勒索软件攻击事件的高额赔付，保险公司现在要求客户在编写或续订网络攻击保险单之前为其 SaaS 和其他基于云的数据制定数据保护策略。除此之外，网络犯罪分子正在发起越来越复杂的勒索软件攻击，网络攻击造成的损害也越来越明显。可以预期，在 2022 年，云计算不断增长的数据引力将吸引更多的数据保护解决方案，几乎每个拥有 SaaS 或其他基于云的数据的组织都实施了备份策略，并在年底前快速恢复这些数据。
Alteryx公司产品管理高级总监David Sweenor表示：
数据不是新石油，而是可再生能源。通过分析将数据转化为有用的见解后，数据的价值将会继续增加，并且其价值将永久存在，并从中提取的价值将会越多。
Query.AI公司联合创始人兼首席运营官Andrew Maloney表示：
使用数据集中化的企业将会迎来清算的一天。用于威胁检测和响应的数据集中化概念在数据量很小、位于本地且受安全周界保护的情况下有可能发挥作用，但即便如此，这也是一个难以实现的目标。在当今世界，这是不可能实现的。产生不同数据类型、格式和来源的新技术;数据存在于许多不同环境中的不同孤岛中，包含在内部部署、云端和SaaS应用程序内;数据量猛增——所有这些因素消除了通用数据集中化和单一管理平台的可能性。如今，企业必须对其安全运营进行现代化改造，以处理来自各种工具和平台的分散式分布式数据，这意味着要跳出固有思维模式。
Altair公司首席技术官Sam Mahalingam表示：
持续智能实现更灵活的业务决策。企业比以往任何时候都有更多的数据和更多的数据源需要处理。随着制造商和其他企业被推动以更高的效率提供新的产品理念，新的数据分析模型(如增强分析和持续智能)对于提升思维和批判性思维至关重要。例如，通过持续智能，实时分析集成到业务运营中，使用户能够最大限度地利用其数据。由于持续智能处于“无摩擦状态”，企业可以利用这些基于自动化计算和具体建议的连续、人工智能驱动的见解，在数据事件发生时做出可操作、前瞻性的决策。这种更准确的信息模型有利于需要及时响应的业务领域，其中包括供应链、欺诈检测、客户体验和物联网制造。
Komprise公司总裁、首席运营官兼联合创始人Krishna Subramanian表示：
在2022年，非结构化数据将继续重塑数据管理的格局，此时不仅产生了前所未有的数据量，而且还将收集、存储数据，在多个位置(内部部署、云中和边缘)进行处理和分析，并在这些运营环境之间移动。企业正在使用视频、图像、物联网传感器数据、社交媒体和类似信息作为其执行的许多分析、机器学习和商业智能任务的基础。随着2022年的临近，看到非结构化数据继续成为企业数据管理工作的重点也就不足为奇了。
Rockset公司联合创始人兼首席技术官Dhruba Borthakur表示：
实时数据的民主化是在更普遍的数据民主化之后发生的。很多企业致力于将数据驱动的决策从少数人手中解放出来，并使更多的员工能够自己访问和分析数据。随着对数据的访问变得商品化，数据本身具有差异化。数据越新，就越有价值。Doordash公司和Uber公司等数据驱动型公司通过在实时分析的支持下建立颠覆性的业务证明了这一点。现在，很多企业都面临着利用实时数据提供即时、个性化客户服务、自动化运营决策或为机器学习模型提供最新数据的压力。在2022年为开发人员提供不受限制的实时数据访问权限的企业将会获得更多收益。
Push Technology公司首席执行官SeanBowen表示：
越来越多的数据正在成为具有竞争优势的货币。数据包的大小、数据传输和更新的速度和频率，以及数据处理的“智能”，是成功创造收入增长机会的关键因素。2022年，需要利用和管理的数据量将呈指数级增长。智能数据平台将是促进能够处理不断增加的流数据量的创新架构的必要条件。
SingleStore公司首席创新官Oliver Schabenberger表示：
数据强度将成为新的KPI。数据强度和复杂性的概念将在未来几年被广泛采用，以衡量数字灵活性，因为企业需要在不增加复杂性的情况下提高数据强度。随着与数据相关的约束越来越多，数据强度也随着增加：种类、数量或速度、地理分布、不同类型和结构、不同用例、自动化隐私、安全性、生产者和消费者的数量。虽然数据强度是积极的，但如果管理不当，将增加复杂性、成本和冲突。虽然当今的数据强度主要是应用程序的一个属性，但预测到2024年，大多数企业将有与数据强度相关的目标、关键结果和KPI，以捕获其数字成熟度。
Theloops公司首席执行官Somya Kapoor表示：
越来越多的数字化企业认识到，利用自动化和分析来支持以人为本的参与将提高客户关系质量，并提高同理心忠诚度。这一趋势将在2022年加速。企业将优先考虑大数据的数字化，并在这一过程中将客户支持从成本中心转变为增长动力。
Element Analytics的首席执行官Andy Bane表示：
数字孪生得以快速增长成长，而2022年将是人们不再讨论“数字孪生”的定义并开始部署数字孪生的一年。人们已经看到行业领先运营商从试验到生产的转变，数字孪生已经从基于历史数据的静态模型发展为实时操作的动态表示。动态数字孪生超越了历史分析，可以提供更好的预测，甚至支持基于模拟的学习。展望未来，人们将看到更多基于物理的模型被部署，更多地使用人工智能通过先进的数字孪生进行自适应控制。
Braze公司产品高级副总裁Kevin Wang表示：
数据集中化和自动化正在达到一个转折点。“大数据”的早期时代已经结束，已经建立了可以很好地使用数据的系统的企业正在超越那些不能充分使用数据的企业。而获胜者正在转变方向，以操作数据和相应的见解来交付业务价值：做出更好的决策，创造更个性化的体验。人工智能和其他形式的自动化将加快这一趋势，因为它们能够实现价值的阶梯式增长，而精干的团队能够构建一流的客户体验。这将最终为消费者和品牌赢得长期合作关系。
Informatica公司首席产品官Jitesh Ghai表示：
如今，来自更多来源的更多数据分布在更多的云平台中——将近80%的企业将一半以上的数据存储在混合云和多云基础设施中。最重要的是，这些数据是碎片化和孤立的，这使企业的领导者更难发现、管理和控制他们的数据。79%的企业使用100多个数据源的数据，30%的企业使用1000多个数据源的数据。到2022年，预计数据碎片化将成为首席数据官(CDO)和首席信息官(CIO)的最大痛点，拥有端到端解决方案的企业将成为数据领域的赢家，这些解决方案能够管理所有类型的数据，并使数据能够跨孤岛环境互操作。
Spirion公司首席执行官Kevin Coppins表示：
自动化的场景丰富的数据分类成为主流。企业内的每条数据都代表了业务价值和风险级别的独特组合。随着隐私问题、网络安全威胁和合规性要求越来越高，对有效进行数据分类的需求比以往任何时候都更加紧迫。分类系统可帮助企业围绕数据访问、使用和修改设置边界，一旦工作完成，就可以作为保护数据的下一步。但许多企业发现该过程具有挑战性，因为该系统过于繁琐而无法广泛采用。庞大的数据量使得人工分类的无法成立，似乎令人生畏。在新的一年里，企业可以简单地从关注自动化开始，以更好地了解企业数据的价值。
Kyligence公司首席执行官兼联合创始人Luke Han表示：
到2022年，预计Hadoop平台可能将继续衰落。预计首席信息官和数据团队将继续淡化Hadoop，并继续将其从生产数据堆栈中移除的过程。还要求IT部门继续使他们的内部部署实施看起来和功能类似于公有云。在短期内，企业可能会继续使用Hadoop文件系统(HDFS)作为存储平台，直到可以设计出更好的私有云存储解决方案。实际上，为了保护现有投资并遵守当地政府法规，企业不能简单地将构建在内部部署Hadoop之上的所有现有工作负载和应用程序迁移到公有云。
Software AG公司首席产品官Stefan Sigg表示：
内部部署数据堆栈将继续存在。跨公有云和私有云的混合解决方案将是一种更实用的方法。数据管理的挑战不会在2022年消失，因此企业需要构建和采用数据结构的架构以实现敏捷性和动态决策。数据结构不是简单地发送数据以进行存储、缩放或分析，而是能够将数据引导到保存区域，以便在最相关时使用。大数据支持72%的业务目标，正确实施数据结构是一种自然演变，可以帮助企业更快地了解更多信息。
Veritas Technologies公司总经理Ajay Bhatia表示：
预测智能信息将获得动力。众所周知，向混合工作的转变导致跨众多来源生成的数据量大幅增加，对于当今的企业来说，能够捕获、归档和发现这一快速增长的数据量是至关重要的。然而，根据生成的数据量，这个过程可能非常昂贵，问题是，很多这些数据被归类为“暗数据”，这意味着收集、处理和存储但未被使用的信息可能用于其他目的。在新的一年，企业将会主动预测边缘的智能内容，以更好地了解哪些数据真正重要。在这一过程中，技术可以利用人工智能数据模式和策略的组合，对实际需要捕获和分析的内容进行智能预测，从而显著地降低成本并提高效率。这是下一波不仅要管理数据还要从源头管理信息的浪潮。
PDL公司首席执行官Sean Thorne表示：
更多的企业将投资于第三方数据合作伙伴。2022年将是大型传统企业显著加快对第三方数据资源投资的一年，以更有效地利用他们收集的数据，同时采用第三方数据对其进行扩充，以便他们可以获得见解，构建数据产品，提高收入，并为越来越多的数据驱动的业务应用程序提供支持。数据即服务将成为一个巨大的风险投资目标，企业将在2022年在数据即服务领域进行更多投资。在风险投资方面，这将采取有针对性的投资数据提供商的形式，解决行业细分市场中具体的数据挑战。
Alation公司首席技术官John Wills表示：
数据网格和数据结构将作为互补力量协同工作。数据网格和数据结构如今被视为两个经常相互对立的相对实体。数据结构专注于支持跨混合云和多云环境的元数据驱动用例所需的技术，而数据网格放弃了以人员和流程为中心的观点。实际上，数据网格和数据结构是两种同样有效但并不相同的架构，它们可以协同工作得以相互补充。2022年，人们将看到企业越来越多地采用这两种方法来管理数据和维护中央基础设施。通过数据网格和数据结构协同工作，企业可以避免筛选海量的数据，专注于促进数据驱动的决策。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
