Gartner 近日在其数据与分析峰会上发布了2025 年数据与分析 (D&A) 领域顶级趋势的预测。分析师指出，这些趋势预示着 D&A 将从少数人的专属领域走向无处不在，同时也为企业带来了组织和人才等多方面的挑战。
Gartner 分析师重点阐述了 IT 领导者必须理解并融入其数据与分析战略的以下顶级趋势：
1. 高度可消费的数据产品: 为了充分利用数据产品，企业应聚焦于业务关键用例，关联并扩展数据产品以缓解数据交付难题。优先交付可重用和可组合的最小可行数据产品至关重要，允许团队随着时间推移不断改进。同时，数据生产团队和消费团队之间必须就关键绩效指标达成共识，这对于衡量数据产品的成功至关重要。
2. 元数据管理解决方案: 有效的元数据管理应从技术元数据入手，逐步扩展到包含业务元数据，以增强数据背景。通过整合各类元数据，企业可以支持数据目录、数据血缘分析以及 AI 驱动的用例。选择能够自动化发现和分析元数据的工具也势在必行。
3. 多模态数据编织: 构建强大的元数据管理实践，需要捕获和分析整个数据管道中的元数据。来自数据编织的洞察和自动化功能将支持编排需求，通过 DataOps 提升运营效率，并赋能数据产品。
4. 合成数据: 对于推进 AI 计划而言，识别数据缺失、不完整或获取成本过高的领域至关重要。合成数据，无论是原始数据的变体还是敏感数据的替代品，都能在确保数据隐私的同时促进 AI 开发。
5. 智能体分析: 利用 AI 智能体自动化数据分析的闭环业务成果具有变革性意义。建议企业试点将洞察连接到自然语言界面的用例，并评估供应商在数字工作场所应用集成方面的路线图。建立完善的治理体系可以最大限度地减少错误和幻觉，同时通过 AI 就绪数据原则评估数据准备情况也至关重要。
6. AI 智能体: AI 智能体对于满足临时性、灵活性或复杂的自适应自动化需求非常宝贵。除了仅仅依赖大型语言模型 (LLM) 之外，还需要其他形式的分析和 AI。数据与分析领导者应使 AI 智能体能够跨应用程序无缝访问和共享数据。
7. 小型语言模型: 对于特定领域内更准确、更符合上下文的 AI 输出，建议企业考虑使用小型语言模型而非大型语言模型。尤其对于处理敏感数据并希望降低计算资源和成本的本地部署场景，为检索增强生成或微调自定义领域模型提供数据是值得推荐的做法。
8. 组合 AI: 利用多种 AI 技术可以增强 AI 的影响力和可靠性。数据与分析团队应跳出生成式 AI 或 LLM 的局限，将数据科学、机器学习、知识图谱和优化等技术融入到全面的 AI 解决方案中。
9. 决策智能平台: 从数据驱动型愿景转变为以决策为中心的愿景至关重要。建议企业优先对紧迫的业务决策进行建模，调整决策智能 (DI) 实践，并评估决策智能平台。重新审视数据科学技术，并解决决策自动化相关的伦理、法律和合规性问题，对于取得成功至关重要。
公众号回复“进群”入群讨论。
（文：AI工程化）