Gartner公司發(fā)布了 2025年數據和分析（D&A）重要趨勢，這些趨勢正在催生包括企業(yè)和人員管理等方面的一系列挑戰(zhàn)。

Gartner研究副總裁孫鑫（Julian Sun）表示：“D&A正在從一個小眾領域走向普及。與此同時，D&A領導者面臨的壓力已經從‘資源少，事情多’變成了‘資源多，事情更多’，而且這項工作由于風險的增加而變得更具挑戰(zhàn)性。不過，有一些趨勢將幫助D&A領導者應對他們所面臨的壓力、期望和需求。”

趨勢1：高消耗數據產品

為了充分利用高消耗數據產品，D&A領導者應重點關注關鍵業(yè)務用例，通過產品關聯(lián)和規(guī)模化來減少數據交付方面的挑戰(zhàn)，優(yōu)先交付可重復使用和可組合的最小可行數據產品，以便讓團隊不斷改進這些產品。同時，D&A領導者還必須在數據生產和使用團隊之間就關鍵績效指標達成共識，這對于衡量數據產品的成功至關重要。

趨勢2：元數據管理解決方案

有效的元數據管理應先從技術元數據出發(fā)，然后擴展到業(yè)務元數據以增強上下文。通過整合各種類型的元數據，企業(yè)能夠實現數據目錄、數據脈絡和AI用例。因此，選擇有助于自動發(fā)現和分析元數據的工具勢在必行。

趨勢3：多模態(tài)數據編織

建立強大的元數據管理實踐涉及獲取和分析整個數據管道中的元數據。數據編織提供的洞察和自動化可滿足編排需求、通過數據運維（DataOps）實現更卓越的運營，并最終實現數據產品。

趨勢4：合成數據

識別缺失、不完整或獲取成本高的數據對于推進AI行動至關重要。合成數據既可以作為原始數據的變體，也可以替代敏感數據，能夠在促進AI發(fā)展的同時保護數據隱私。

趨勢5：代理式分析

使用AI智能體進行數據分析，完成業(yè)務成果的自動化閉環(huán)具有變革性意義。Gartner建議嘗試開發(fā)自然語言接口連接業(yè)務洞察的用例，并評估供應商的數字化工作場所應用集成路線圖。同時，建立治理機制可最大程度地減少錯誤和幻覺，并且通過AI就緒數據原則評估數據就緒度十分重要。

趨勢6：AI代理

AI代理對于滿足臨時的、靈活的或復雜的自適應自動化需求至關重要。企業(yè)不能僅僅依賴大語言模型（LLM），還需要采用其他形式的分析和AI技術。D&A領導者應使AI代理能夠無縫訪問和共享所有應用的數據。

趨勢7：小語言模型

相比大語言模型，Gartner更推薦企業(yè)考慮使用小語言模型，以便在特定領域獲得更加準確、更符合語境的AI輸出結果。Gartner建議提供用于檢索增強生成或微調自定義領域模型的數據，特別是在本地使用時，可以處理敏感數據并減少計算資源和成本。

趨勢8：復合型AI

多種AI技術的結合可提高AI的影響力和可靠性。D&A團隊不應局限于GenAI和LLM（大語言模型），還應整合數據科學、機器學習、知識圖譜以及優(yōu)化等技術，以實現全面的AI解決方案。

趨勢9：決策智能平臺

從數據驅動到以決策為中心的轉變至關重要。Gartner建議采取的步驟包括：優(yōu)先考慮急需建模的業(yè)務決策、調整決策智能（DI）實踐、評估DI平臺。成功的關鍵在于重新發(fā)掘數據科學技術并解決決策自動化的道德、法律和合規(guī)問題。