Dvanáct trendů pro oblast dat analytiky v roce 2022 a nadcházejících letech bylo jedním z témat přednášek na konferenci Gartner Data & Analytics Summit, která se uskutečnila (opět fyzicky) minulý týden v Londýně. Analytici a viceprezidenti výzkumu Carlie Idoinová a Ted Friedman v ní představili trendy, na které by se lídři zodpovědní za data a analytiku, ale také další členové „digitální“ exekutivy v oblasti dat a analytiky měli zaměřit.
Obecná doporučení analytiků pro investice do oblasti dat a analytiky a její další rozvoj se v současné době zaměřují zejména na funkce zlepšující „situační povědomí“ – tak aby se organizace byly s její pomocí schopné snáze přizpůsobovat dalším změnám a otřesům. To znamená klást důraz zejména na rozmanitost a dynamičnost včetně adaptivních AI systémů, rostoucí míry sdílení dat a práce s tzv. datovým pletivem (data fabric).
Oblast inovací lze pomocí dat a analytiky nejlépe podpořit rozvojem kontextově řízené a doménové analytiky skládané (komponované) modulárním způsobem přímo byznysem – to zároveň většinou znamená zaměřit se na otázku dostupnosti vhodných talentů, dovedností a znalostí, tedy na nábor a také na vzdělávání. Investice do dat a analytiky mohou být prospěšné také pro oblast bezpečnosti, řízení rizik a propojené governance (napříč distribuovanými systémy, v prostředích typu edge a nově vznikajících ekosystémech).
Dvanáct top trendů je proto rozděleno do tří tematických oblastí:
Podpora datové rozmanitosti a dynamiky – sem patří inovace v oblasti správy dat pro AI, automatizované, medatady řízené přístupy a kompetence v oblasti sdílení dat, všechny založené na datovém pletivu, tak aby umožnily rozvinout plný potenciál a přidanou hodnotu dat a analytiky.
Rozvoj lidí a rozhodování, tak aby bylo možné na základě modulárních komponovaných prvků dodávat obohacenou, kontextem řízenou analytiku byznysu a také aby bylo možné poskytnout relevantní vstupy a podklady pro kvalifikované rozhodování. To vyžaduje učinit prioritu z datové gramotnosti a zavést HR strategie a postupy, jež umožní získat či vychovat potřebné specialisty.
Institucionalizace důvěry s cílem začít škálovat přidanou hodnotu dat a analytiky – například cestou lepšího řízení AI rizik či zavedením zmíněné propojené governance.
Top datové a analytické trendy Gartneru pro rok 2022
Podpora datové rozmanitosti a dynamiky
- Adaptivní systémy umělé inteligence (adaptive AIsystems)
- Umělá inteligence zaměřená na data (data-centric AI)
- Datové pletivo řízené metadaty (metadata-driven data fabric)
- Vždy sdílejte data (always share data)
Rozvoj lidí a rozhodování
- Kontextově obohacené analýzy (context-enriched analysis)
- Byznysem skládaná D&A (business-composed D&A)
- D&A zaměřená na rozhodování (decision-centric D&A)
- Nedostatek dovedností a znalostí (skills and literacy shortfall)
Institucionalizace důvěry
- Propojená governance (connected governance)
- Řízení AI rizik (AI risk management)
- Dodavatelské a regionální ekosystémy (vendor and region ecosystems)
- Rozšiřování směrem k okraji/edge computingu (expansion to the edge)
Zdroj: Gartner, 2022
V Observeru nemáme prostor na popis všech dvanácti trendů, zaměřili jsme se proto alespoň na první čtveřici, další naleznou klienti Gartneru v obsáhlé studii: Top Trends in Data and Analytics, 2022 (//www.gartner.com/document/4012385 + QR), kterou doprovází též sada prezentací a schémat popisujících vybrané top trendy.
Adaptivní systémy umělé inteligence (adaptive AI systems)
Do roku 2026 začnou podniky, které zavedou inženýrské postupy pro vytváření a správu adaptivních systémů AI, překonávat své konkurenty v počtu zprovozněných modelů AI nejméně o 25 %.
Vzhledem k tomu, že rozhodování je stále více propojené, kontextuální a kontinuální, potřebují vedoucí pracovníci v oblasti D&A stále více přetvářet a automatizovat rozhodování. Hodí se k tomu adaptivní systémy AI, které mohou nabídnout rychlejší a flexibilnější rozhodování tím, že se rychleji přizpůsobí změnám. Dokážou průběžně přeškolovat modely a učit se v rámci běhového a vývojového prostředí na základě nových dat, aby se rychleji přizpůsobily změnám v reálném světě a okolnostem, které nebyly předvídány nebo nebyly známé během původního vývoje.
Umělá inteligence zaměřená na data (data-centric AI)
Do roku 2024 zaznamenají organizace, jež nemají udržitelný rámec pro operacionalizaci dat a analytiky, zpoždění svých datově analytických iniciativ až o dva roky.
Bez správných dat je budování AI riskantní a možná i nebezpečné. Datově orientovaná AI narušuje tradiční správu dat a převažující modelově orientovanou datovou vědu tím, že se zabývá specifickými aspekty dat pro AI, jako je zkreslení (datový bias), označování a odklon dat, s cílem průběžně zlepšovat kvalitu modelů.
Datové pletivo řízené metadaty (metadata-driven data fabric)
Do roku 2025 sníží aktivní automatizované funkce v datové struktuře podporované metadaty pracnost práce s daty a analytikou o třetinu a zároveň čtyřnásobně zlepší využití dat.
Metadata jsou „data v kontextu“ – aspekty dat typu „co“, „kdy“, „kde“, „kdo“ a „jak“. Datové pletivo (data fabric) naslouchá, učí se a jedná na základě metadat. Uplatňuje průběžnou analýzu nad existujícími, zjistitelnými a odvozenými metadatovými aktivy. Sestavením a obohacením sémantiky podkladových dat generuje datové pletivo upozornění a doporučení, která mohou být použita lidmi a systémy. V důsledku toho zvyšuje míru důvěry v data a jejich využívání v organizaci.
Vždy sdílejte data (always share data)
Do roku 2026 nahradí automatizované metriky důvěryhodnosti nasazené napříč interními a externími datovými ekosystémy většinu externích zprostředkovatelů dat a sníží riziko sdílení dat o 50 %.
Dlouhodobý kalkul, že sdílení dat nestojí za riziko jejich zneužití, je zastaralý. Analytici zjistili, že riziko neúspěchu nyní nesou především organizace, které data automaticky nesdílejí (pravidlo „always share data“) – neexistuje-li závažný důvod, proč tak nečinit. Sdílení dat je klíčovým ukazatelem výkonnosti byznysu, který ukazuje, že organizace usiluje o efektivní zapojení zainteresovaných stran a tvorbu přidané hodnoty.