Gartner：数据中台需要组装式数据分析体验

[[387124]]

由于一般情况下数据和分析投资与业务应用开发的投资是分开的，因此很难在应用开发中融入或沉淀可复用的数据和分析能力，这与许多中国企业对中台的痛点是类似的。各企业机构都希望能够灵活地组装或反复组装数据和分析能力，这样他们就能够通过应用将更多的分析洞见和数据参考融入到业务行动中(见图一)。

(图一、组装式数据和分析)

今天的商业智能(ABI)和数据科学与机器学习(DSML)市场已不是零和游戏。没有一个供应商或工具能以同一水平提供所有能力。一次性实施完整的数据和分析平台也不切实际，所以很多公司都分阶段实施。

Gartner2020年魔力象限客户调查显示，许多大型企业拥有不止一个“企业标准”商业智能工具，41%的企业表示他们拥有多个标准。

企业需要更先进、更灵活的分析能力来支持、增强和自动执行决策。从过去到现在，新技术和数据一直是推动分析平台发展的关键动力，这往往减少了与业务成果的直接关联。企业机构将需要一个组装式架构让用户能够从业务问题出发，将来自多家厂商的数据和分析能力组件组装到一起。

组装式数据和分析运用容器化或微服务化的架构和数据编织(Data Fabric)，将现有资产组装成灵活、模块化、可复用且对用户友好的数据和分析能力。这能够将独立的数据管理和分析应用转化为数据、分析与其他应用能力模块的组合体，通过使用低代码和无代码能力等组装技术支持自适应和智能的决策。

组装式数据和分析是2021年数据和分析的主要趋势之一，其原因如下：

第一，Gartner调查显示，大多数企业都有一个以上的“企业标准”商业智能工具。将每个能力模块(与其他能力模块)组装成新的能力模块将成为一个日益重要的分析应用构建方法。

第二，在全球遭受新冠疫情重创之后，获得数据洞见和实现敏捷的速度已成为首要要求。模块化数据和分析能力将使用户能够对变化做出灵活的反应，并且更快、更主动地提供业务应用。

第三，容器化或微服务化的ABI和DSML平台通过经过改进的API，能够以更灵活的方式组装分析应用。

第四，对于大多数企业来说，人工智能(AI)还处于试点阶段，但商业智能(BI)已经投入使用多年，AI能力需要与BI能力组装以投入到生产环境。

企业可以通过组装将BI与AI相连接，进而扩展BI能力，为用户提供一个综合全面、量身定制、甚至是个性化的解决方案，而且无需跨平台使用。另外，云市场也正在成为企业发布和分享模块化分析能力的一个有效渠道。

鉴于这一点，需要对组装式数据和分析的影响进行相应的研究：

第一，在开发应用的同时，从单独的数据管理和分析应用向组装式数据和分析能力过渡，从而组装出自适应智能决策的解决方案。企业机构可以使用来自数据和分析领域的扩展API与应用衔接。应用开发者可以通过提交集成套件为数据和分析市场(Extensions Gallery)做出贡献，这将促进更多组装式和增值应用模块的开发。

第二，组装流程需要数据和分析与应用团队合作完成，重点是将注重技术的集成式应用转化为面向业务的问题解决方案。

第三，根据情况组装具有描述性、诊断性、预测性和指示性分析能力，在决策过程中产生数据洞见。分析技术可以为决策提供信息，并以一种更紧密、连续和基于背景的方式推动有效的行动。

第四，企业可以通过组装不同厂商的最佳能力来创建高级分析能力，而不是在不同的平台上单独使用它们。

第五，一般情况下由IT部门实施嵌入式分析，其主要目的是获得仪表盘和报告。企业用户可以使用低代码或无代码能力来组装出更多的能力，例如交互式可视化和预测建模等，从而让嵌入式分析变得更加丰富全面。

最后，云市场正在成为企业发布和分享分析应用的有效渠道，而组装式数据与分析使他们能够轻松找到所需的组件并通过加入分析功能来增加应用价值。

综上所述，数据和分析高管应该：

第一，通过加入和组装可复用的模块化数据和分析能力，改善数据和分析的决策和业务影响;

第二，将先进的数据科学和机器学习能力嵌入到分析应用中，然后运用组装式分析来推动创新;

第三，通过建立一个由应用开发人员和业务分析师组成的长期合作团队，把握各种将分析能力添加到应用中的机会并重新思考组织架构、流程和技能，为分析服务的敏捷组装和反复组装提供支持;

最后，在云中试点组装式分析，通过建立一个分析应用市场来推动和支持协作和共享。