趋势1：更智能、更负责、更可扩展的人工智能
人工智能（AI）和机器学习（ML）的影响越来越大，这就要求企业应用新技术，开发出更智能、更少需要数据、更具道德责任感和更具弹性的人工智能解决方案。
趋势2：可组合数据和分析
开放的、容器化的分析体系结构使分析功能更加灵活。
趋势3：数据结构是基础
数据结构使用分析来不断监控数据管道。数据结构利用数据资产的连续分析来支持各种数据的设计、部署和利用，从而将集成时间减少30%，部署时间减少30%，维护时间减少70%。
趋势四：从大数据到小数据、宽数据
新冠大流行带来的极端业务变化导致基于大量历史数据的ML和AI模型变得不那么相关。
趋势5:XOps
XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目标是使用DevOps最佳实践实现效率和规模经济，并确保可靠性、可重用性和可重复性。
趋势6：工程决策智能
工程决策智能不仅适用于单个决策，而且适用于决策序列，将它们分组到业务流程中，甚至包括紧急决策。
趋势7：数据和分析作为核心业务功能
D&A不再是一种次要活动，正在向核心业务职能转变。
趋势8：图表关联一切
Gartner预测，到2025年图形技术将用于80%的数据和分析创新，高于2021年的10%，促进整个组织的快速决策。
趋势9：扩大消费的崛起
如今，大多数业务用户都在使用预定义的仪表盘和手动数据探索，这可能会导致错误的结论和有缺陷的决策和操作。
趋势10：边缘数据和分析
到2023年，数据和分析领导者的主要责任将超过50%，包括在边缘环境中创建、管理和分析的数据。
来源：199IT.com
