Die 10 wichtigsten Trends für Data und Analytics von Gartner für 2021

Als die COVID-19-Pandemie begann, erkannten Organisationen, die traditionelle Analysetechniken einsetzen, die sich stark auf große Mengen historischer Daten stützen, eine wichtige Sache: Viele dieser Modelle sind nicht mehr relevant. Im Wesentlichen änderte die Pandemie alles, was viele Daten nutzlos machte.

Entsprechend wechseln zukunftsgerichtete Daten- und Analyseteams von traditionellen KI-Techniken, die sich auf „große“ Datenmengen verlassen, zu einer Klasse von Analysen, die weniger oder „kleinere“ Mengen erfordert und vielfältiger ist.

Der Übergang von Big Data zu kleinen und breiten Daten ist einer der wichtigsten Daten- und Analysetrends von Gartner für 2021. Diese Trends repräsentieren eine Geschäfts-, Markt- und Technologiedynamik, die Data- und Analytics-Führungskräfte nicht ignorieren können.

„Diese Daten- und Analysetrends können Organisationen und der Gesellschaft dabei helfen, mit disruptiven Veränderungen, hoher Unsicherheit und den Chancen, die diese in den nächsten drei Jahren mit sich bringen, umzugehen“, sagt Rita Sallam, Distinguished VP Analyst von Gartner. „Führungskräfte aus den Bereichen Data und Analytics müssen proaktiv prüfen, wie sie diese Trends in geschäftskritische Investitionen einbringen können, um ihre Fähigkeiten zur Antizipation, Veränderung und Reaktion zu beschleunigen.“

Jeder der Trends passt zu einem dieser drei Hauptthemen:

1. Beschleunigter Wandel bei Data und Analytics: Nutzung von Innovationen in den Bereichen KI, verbesserte Zusammensetzbarkeit und agilere und effizientere Integration vielfältiger Datenquellen.
2. Operationalisierung des Geschäftswerts durch effektivere XOps:  Ermöglicht bessere Entscheidungsfindung und macht Data und Analytics zu einem integralen Bestandteil des Geschäfts.
3. Alles verteilt: Erfordert eine flexible Beziehung zwischen Daten und Erkenntnissen, um ein noch breiteres Publikum von Menschen und Objekten zu befähigen.

Trend Nr. 1: Intelligentere, verantwortungsvollere, skalierbare KI

Eine intelligentere, verantwortungsvollere, skalierbare KI wird bessere Lernalgorithmen, interpretierbare Systeme und kürzere Zeit bis zur Wertschöpfung ermöglichen. Organisationen werden anfangen, viel mehr von KI-Systemen zu verlangen, und sie müssen herausfinden, wie die Technologien zu skalieren sind – etwas, das immer noch eine Herausforderung darstellt.

Obwohl traditionelle KI-Techniken stark auf historische Daten angewiesen sein können, sind historische Daten angesichts der Tatsache, wie COVID-19 die Geschäftslandschaft verändert hat, möglicherweise nicht mehr relevant. Das bedeutet, dass KI-Technologie in der Lage sein muss, mit weniger Daten über „Small-Data“-Techniken und adaptives maschinelles Lernen zu arbeiten. Diese KI-Systeme müssen auch die Privatsphäre schützen, die staatlichen Vorschriften einhalten und die Voreingenommenheit reduzieren, um ethische KI zu unterstützen.

Trend Nr. 2: Zusammensetzbare Data und Analytics

Das Ziel von zusammensetzbarer Data und Analytics ist es, Komponenten aus mehreren Daten-, Analyse- und KI-Lösungen für eine flexible, benutzerfreundliche und nutzbare Erfahrung zu verwenden, die es Führungskräften ermöglicht, Dateneinblicke mit Geschäftsaktionen zu verbinden. Anfragen von Gartner-Kunden deuten darauf hin, dass die meisten großen Organisationen mehr als ein „Unternehmensstandard“-Analyse- und Business-Intelligence-Tool haben.

Die Erstellung neuer Anwendungen aus den gebündelten Geschäftsfunktionen verschiedener Bereiche fördert die Produktivität und Agilität. Zusammensetzbare Data und Analytics werden nicht nur die Zusammenarbeit fördern und die Analysefunktionen der Organisation weiterentwickeln, sondern auch den Zugang zu Analysen verbessern.

Trend Nr. 3: Data Fabric als Grundlage

Da Daten immer komplexer werden und das Digital Business immer schneller wird, ist Data Fabric die Architektur, die zusammensetzbare Data und Analytics und ihre verschiedenen Komponenten unterstützt.

Data Fabric reduziert die Zeit für das Integrationsdesign um 30 %, die Bereitstellung um 30 % und die Wartung um 70 %, da die Technologiedesigns auf die Fähigkeit zur Verwendung/Wiederverwendung und Kombination verschiedener Datenintegrationsstile zurückgreifen. Darüber hinaus können Data Fabrics vorhandene Fähigkeiten und Technologien von Data Hubs, Data Lakes und Data Warehouses nutzen und gleichzeitig neue Ansätze und Tools für die Zukunft schaffen.

Trend Nr. 4: Von Big Data zu Small und Wide Data

Small und Wide Data lösen, im Gegensatz zu Big Data, eine Reihe von Problemen für Organisationen, die sich mit zunehmend komplexen Fragen zu KI und Herausforderungen bei knappen Datennutzungsfällen beschäftigen müssen. Wide Data – unter Verwendung von „X Analytics“-Techniken – ermöglichen die Analyse und Synergie einer Vielzahl kleiner und vielfältiger („wide“), unstrukturierter und strukturierter Datenquellen, um das kontextbezogene Bewusstsein und die Entscheidungsfindung zu verbessern. Small data, wie der Name schon sagt, sind in der Lage, Datenmodelle zu verwenden, die weniger Daten erfordern, aber dennoch nützliche Einblicke bieten.

Trend Nr. 5: XOps

Das Ziel von XOps (Daten, maschinelles Lernen, Modell, Plattform) ist es, mithilfe von DevOps Best-Practices-Effizienz und Größenvorteile zu erzielen – und Zuverlässigkeit, Wiederverwendbarkeit und Wiederholbarkeit zu gewährleisten, während gleichzeitig die Duplizierung von Technologie und Prozessen reduziert und Automatisierung ermöglicht wird.

Diese Technologien ermöglichen die Skalierung von Prototypen und liefern ein flexibles Design und eine agile Orchestrierung von Systemen zur Entscheidungsfindung. Insgesamt wird XOps es Organisationen ermöglichen, Data und Analytics zu operationalisieren, um den Geschäftswert zu steigern.

Trend Nr. 6: Entwickelte Decision Intelligence

Decision Intelligence ist eine Disziplin, die ein breites Spektrum an Entscheidungsfindung umfasst, einschließlich konventioneller Analysen, KI und komplexer adaptiver Systemanwendungen. Entwickelte Decision Intelligence gilt nicht nur für individuelle Entscheidungen, sondern auch für Sequenzen von Entscheidungen, wobei diese in Geschäftsprozesse und sogar Netzwerke der aufkommenden Entscheidungsfindung eingeteilt werden.

Dies ermöglicht es Organisationen, schneller die Erkenntnisse zu gewinnen, die erforderlich sind, um Maßnahmen für das Unternehmen voranzutreiben. In Kombination mit Zusammensetzbarkeit und einer gemeinsamen Datenstruktur eröffnet die entwickelte Decision Intelligence neue Möglichkeiten, um zu überdenken oder umzugestalten, wie Organisationen Entscheidungen optimieren und genauer, wiederholbarer und nachvollziehbarer treffen.

Trend Nr. 7: Data und Analytics als zentrale Geschäftsfunktion

Führungskräfte beginnen zu verstehen, wie wichtig es ist, Data und Analytics zu nutzen, um digitale Geschäftsinitiativen zu beschleunigen. Anstatt ein sekundärer Fokus zu sein – der von einem separaten Team abgeschlossen wird – verlagert sich Data und Analytics zu einer Kernfunktion. Allerdings unterschätzen Führungskräfte häufig die Komplexität von Daten und verpassen dadurch Chancen. Wenn Chief Data Officers (CDOs) an der Festlegung von Zielen und Strategien beteiligt sind, können sie die konsistente Produktion des Geschäftswerts um den Faktor 2,6X erhöhen.

Trend Nr. 8: Graph verbindet alles

Graph bildet die Grundlage für moderne Data und Analytics mit Funktionen zur Verbesserung und Förderung der Zusammenarbeit von Benutzern, maschineller Lernmodelle und erklärbarer KI. Obwohl Graphtechnologien für Data und Analytics nicht neu sind, hat es eine Veränderung in der Denkweise in Bezug auf diese gegeben, da Organisationen eine zunehmende Anzahl von Anwendungsfällen identifizieren. Tatsächlich beinhalten bis zu 50 % der Kundenanfragen von Gartner zum Thema KI eine Diskussion über den Einsatz von Graphtechnologie.

Trend Nr. 9: Der Aufstieg des augmentierten Verbrauchers

Traditionell waren geschäftliche Benutzer auf vordefinierte Dashboards und manuelle Datenexploration beschränkt. Häufig bedeutete dies, dass Data- und Analytics-Dashboards nur für Datenanalysten oder Citizen-Data-Wissenschaftler zugänglich waren, die vordefinierte Fragen untersuchten.

Gartner ist jedoch der Ansicht, dass diese Dashboards in Zukunft durch automatisierte, konversative, mobile und dynamisch generierte Erkenntnisse ersetzt werden, die an die Bedürfnisse eines Benutzers angepasst und an seinen Verbrauchsort geliefert werden. Dies verschiebt das Wissen über Erkenntnisse von einer Handvoll Datenexperten auf jeden in der Organisation.

Trend Nr. 10: Data und Analytics an der Edge

Da immer mehr Datenanalysetechnologien beginnen, außerhalb der herkömmlichen Rechenzentrums- und Cloud-Umgebungen zu bestehen, rücken sie den physischen Assets näher. Dies reduziert oder beseitigt die Latenz für datenzentrierte Lösungen und ermöglicht mehr Echtzeitwert.

Die Verlagerung von Data und Analytics an die Edge wird Datenteams Möglichkeiten eröffnen, ihre Fähigkeiten zu skalieren und ihre Auswirkung auf verschiedene Teile des Unternehmens auszuweiten. Es kann auch Lösungen für Situationen bieten, in denen Daten aus rechtlichen oder behördlichen Gründen nicht aus bestimmten Regionen entfernt werden können.