Gartner杰出研究副总裁Rita Sallam表示：“今年的主要数据和分析趋势涵盖了将帮助企业机构预测变化并将不确定因素转化为机遇的业务、市场和技术动态，这两项举措都属于数据和分析领导者的职责范围。
Gartner已发布2022年十二大数据和分析趋势，这些趋势涵盖以下三个核心主题。
激发企业活力与多样性
AI工程等自适应人工智能(AI)的兴起在应对全球市场波动的同时，还推动了增长和创新。AI数据管理领域的创新、基于主动元数据驱动的自动化方法以及数据共享能力(均建立在数据编织的基础上)充分释放了数据和分析的全部价值。
例如“始终数据共享”趋势加强了数据共享作为一项面向业务的关键绩效指标的作用：表明企业机构为了创造公共价值，正在与利益相关方进行有效的互动并让更多人能够获得正确的数据。新冠疫情和其他近期的大规模全球事件令企业机构迫切地想要通过共享数据来加快独立和相互关联的公共和商业数字业务价值。
Gartner预测，到2026年，大多数外部中间商将被应用于内部和外部数据生态系统的自动化信任度指标取代，这将使数据共享风险降低一半。
该类别中的2022年趋势包括：自适应AI系统、以数据为中心的AI、元数据驱动的数据编织和始终数据共享。
增强人员能力和决策
为了提供与决策者相关的洞察，数据和分析领导者必须提供语境丰富、使用业务模块组件创建的分析。这包括将数据素养作为优先事项以及制定应对数据和分析人才稀缺问题的策略。
从现在起到2025年，大多数首席数据官(CDO)将无法培养实现战略数据驱动的既定业务目标所必需的员工数据素养。Gartner的研究显示，在数据和分析中考虑人员因素的企业机构比只考虑技术的企业机构更加成功。这种以人为本的理念能够推动更大范围的数字化学习，而不仅仅是提供核心技术平台、数据集和工具。
该类别中的2022年趋势包括：语境丰富的分析、业务模块组装式数据和分析、以决策为中心的数据和分析以及人员技能和素养的不足。
信任的制度化
只有通过管理AI风险并实施跨分布式系统、边缘环境和新兴生态系统的互联治理，才能大规模地实现数据和分析的价值。
虽然AI正在变得日益普遍，但大多数企业机构仍因无法解释或说明其模型的用途而失去人员对其的信任和透明度。企业机构不但无法管理快速发展的AI创新所带来的风险，而且常常在安全性等模型治理方面敷衍了事，导致出错的AI模型产生更加严重的负面后果，例如业务决策出错，甚至是生死攸关的决策出错。
随着全球AI法规的激增，企业机构必须按照这些法规的要求采取可审计的做法来确保信任、透明度和保护消费者的权益。Gartner预测，到2026年，开发出可信赖的目标导向型AI的企业机构将实现75%以上的AI创新成功率，而未能做到这一点的企业机构只有40%的成功率。
该类别中的2022年趋势包括：互联治理、AI风险管理、厂商和地区生态系统、向边缘的扩展。
