何为“新等式”？Gartner高级研究总监孙鑫表示，企业更多的部门需要数据分析去实现更多价值，带来更多业务模式的思考，更好的帮助企业实现数字化转型。
Gartner高级研究总监孙鑫
根据这一理念，今年Gartner发布的数据和分析（D&A）领导者在企业中利用2022年主要数据和分析趋势就分为了三大主题：激发企业活力和多样性、增强人员能力和决策，信任的制度化。
激发企业活力和多样性
自适应人工智能系统：Gartner提出了“AI工程化”的举措，预计到2026年企业利用AI工程化手段实现自适应的人工智能系统，可以更有效地帮助企业运营出更多AI模型，比没有这一举措的企业多出25%的数量。
以数据为中心的人工智能：以数据为核心的人工智能将会不断发展，它扩展的学科也会越来越多，所以企业需要一个更健壮的数据管理模式去完成对于AI运营的能力。
元数据驱动的数据编织：企业如果可以更好的利用数据编织到元数据管理数据源，可以有效的降低过去繁琐的数据管理工作。
始终数据共享：越来越多的企业会考虑用可以被治理的方式下分享数据，关注如何通过自动化的手段发现更多相关数据，使用开放型OpenData的方式对自己的数据可能性进行更多探索。
增强人员能力和决策
语境丰富的分析：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。
业务模块组装式数据和分析：过去的技术可能是固化的、单体软件的一种形式，但是未来的技术会使用更多组装式的技术完成应用的搭建。
以决策为中心的数据和分析：企业需要越来越多的人可以在一个更高的高度上为企业的决策做基于数据分析的建议和规划。Gartner提出了决策智能模型帮助企业从顶层设计的角度去管理决策链。
人员技能和素养的不足：企业需要让用户能够讲出用了数据分析之后的业务成果，从而能够影响更多的人。
信任的制度化
互联治理：建立一个跨组织、跨业务职能，甚至是跨地域的虚拟数据和分析治理层，以实现跨企业的治理结果。中国很多企业会考虑建立“首席数据官”办公室，办公室会有数据治理委员会，治理委员会会和一些法律部门做合作，把“互联治理”在一个更高层次的虚拟层实现。
AI风险管理：很多企业更多的是因为监管和合规性的驱动，在做一些模型治理，所以在做AI模型的时候是完全被动的。Gartner希望企业关注在信任风险和安全管理对于AI的一些治理。
厂商和地区生态系统：企业去建立自己数据分析生态时，要更多考虑厂商与厂商之间的兼容性。
向边缘的扩展：数据和分析的活动越来越多在数据中心或公有云基础设施之外的分布式设备服务器、网关当中去进行操作。
现在企业拥有非常多的数据，但是这些数据并没有被激活，企业很多时候是被动执行数据分析项目和行为，并没有非常主动的把数据的潜在价值发挥出来。孙鑫认为，如何让越来越多的用户可以基于数据做决策，已经成为现阶段企业的挑战，在云上做数据分析已经成为一个首选项，同时企业也希望利用一些“自服务”工具让业务用户更快速的做决策。
Gartner今年的预测中也做了一个比较大胆的预测，越来越多数据分析活动将会始于数字化办公软件，业务提需求的同时会在数字化办公软件里完成数据分析，并且基于数据分析可以在数字化办公软件里完成业务的一些行动，完成数据分析的闭环。
