Deset nejdůležitějších trendů pro oblast dat a analytiky v roce 2023 představili analytici Gartneru u příležitosti série konferencí Gartner Data & Analytics Summit (ta evropská se uskuteční příští týden v Londýně). Lídři odpovědní za data a analytiku mohou tento přehled klíčových trendů využít k vytváření nových zdrojů přidané hodnoty cestou předvídání změn a přeměně extrémní nejistoty v nové obchodní příležitosti. 

„Tyto trendy v oblasti D&A určuje potřeba přinášet organizaci prokazatelnou přidanou hodnotu ve velkém měřítku,“ říká analytik a viceprezident výzkumu Gartneru Gareth Herschel. „Ředitelé odpovědní za data a analytiku (CDAO) a vedoucí pracovníci v oblasti D&A musejí spolupracovat se zainteresovanými partnery ve svých organizacích, aby si ujasnili nejlepší přístup k zavádění D&A. To znamená více a kvalitnějších analýz a postřehů, jež berou v potaz také lidskou psychologii a hodnoty.“ 

Do výběru desítky nejdůležitějších trendů pro oblast dat a analytiky v roce 2023 byly zahrnuty: 

#1 Optimalizace přidané hodnoty (Value optimization) 

#2 Řízení AI rizik (Managing AI risk) 

#3 Pozorovatelnost (Observability) 

#4 Sdílení dat jako nezbytnost (Data sharing is essential) 

#5 Udržitelnost dat a analytiky (D&A sustainability) 

#6 Praktická datová osnova (Practical data fabric) 

#7 Nastupující AI (Emergent AI) 

#8 Konvergované a komponovatelné ekosystémy (Converged and composable ecosystems) 

#9 Konzumenti se stávají tvůrci (Consumers become creators) 

#10 Klíčová rozhodnutí stále přísluší lidem (Humans remain the key decision makers) 

Tématu dat a analytiky bude věnován také lokální on-line brífink s analytikem Ehtishamem Zaidim The Practical Data Fabric: How to Architect the Next Generation Data Management Design – podrobnosti na webu KPC-Group (zastoupení Gartneru pro ČR, SR a Rumunsko).

Top 10 trendů v oblasti dat a analytiky pro rok 2023 

#1 Optimalizace přidané hodnoty (Value optimization) 

Většina vedoucích pracovníků v oblasti D&A se snaží stanovit hodnotu, kterou přinášejí organizaci, v obchodním vyjádření. Optimalizace přidané hodnoty plynoucí z portfolia dat, analytiky a umělé inteligence vyžaduje integrovaný soubor kompetencí pro řízení hodnoty včetně hodnotových příběhů, analýzy hodnotových toků, řazení a prioritizace investic a měření obchodních výsledků, aby se zajistilo, že očekávané přidané hodnoty bude dosaženo. 

„Vedoucí pracovníci v oblasti D&A musejí optimalizovat přidanou hodnotu vytvářením hodnotových příběhů, které zakládají jasné vazby mezi iniciativami v oblasti D&A a klíčovými prioritami organizace,“ říká Herschel. 

#2 Řízení AI rizik (Managing AI risk) 

Rostoucí míra využívání umělé inteligence vystavuje společnosti novým nebezpečím, jako jsou etická rizika, otrávení tréninkových dat nebo obcházení systémů pro odhalování podvodů, která je třeba zmírnit. Řízení rizik spojených s AI není jen o dodržování předpisů. Efektivní řízení AI a zodpovědné postupy v oblasti AI jsou rovněž zásadní pro budování důvěry mezi zúčastněnými stranami i katalyzátorem zavádění a využívání AI. 

#3 Pozorovatelnost (Observability) 

Pozorovatelnost je vlastnost, která umožňuje pochopit chování systému D&A a zodpovědět otázky týkající se jeho chování. 

„Pozorovatelnost umožňuje organizacím zkrátit dobu potřebnou k identifikaci příčin problémů ovlivňujících jejich výkonnost a přijímat včasná a nákladově efektivní byznysová rozhodnutí s využitím spolehlivých a přesných dat,“ vysvětluje Herschel. „Vedoucí pracovníci v oblasti D&A musejí vybrat vhodné nástroje pro pozorovatelnost dat, aby pochopili potřeby primárních uživatelů, a určit, jak tyto nástroje zapadají do celkového podnikového ekosystému.“ 

#4 Sdílení dat jako nezbytnost (Data sharing is essential) 

Sdílení dat zahrnuje sdílení dat jak interní (mezi odděleními nebo mezi podřízenými organizacemi), tak externí (mezi stranami mimo vlastnictví a kontrolu vaší organizace). Organizace mohou vytvářet „data jako produkt“, kdy jsou aktiva D&A připravena jako dodávaný nebo sdílený produkt. 

„Spolupráce při sdílení dat včetně spolupráce vně organizace zvyšuje hodnotu sdílení dat tím, že přidává opakovaně použitelná, dříve vytvořená datová aktiva,“ říká Kevin Gabbard, senior analytik a ředitel výzkumu Gartneru. „Zaveďte koncepci datové struktury, která umožní jednotnou architekturu pro sdílení dat napříč heterogenními interními a externími zdroji dat.“ 

#5 Udržitelnost dat a analytiky (D&A sustainability) 

Vedoucí pracovníci v oblasti D&A by se měli snažit optimalizovat své vlastní procesy pro zlepšení udržitelnosti, protože potenciální přínosy jsou obrovské. Odborníci z oblasti D&A a AI si stále více uvědomují svou rostoucí energetickou stopu. V důsledku toho se objevuje řada postupů, jako je využívání obnovitelné energie (cloudovými) datovými centry, používání energeticky účinnějšího hardwaru a využívání malých dat a dalších úspornějších technik strojového učení (ML). 

#6 Praktická datová osnova (Practical data fabric) 

Datová osnova či pletivo (data fabric) představuje model pro správu dat, jenž využívá všechny typy metadat k pozorování, analýze a doporučování řešení pro správu dat. Sestavením a obohacením sémantiky podkladových dat a použitím průběžné analýzy nad metadaty generuje datová tkanina výstrahy a doporučení, jež mohou dělat lidé i systémy. Umožňuje byznys uživatelům s důvěrou konzumovat data a usnadňuje méně kvalifikovaným „civilním vývojářům“ (citizen developers), aby se stali všestrannějšími v procesu integrace a modelování. 

#7 Nastupující AI (Emergent AI) 

ChatGPT a generativní AI jsou předvojem nastupujícího trendu umělé inteligence. Vznikající – emergentní – AI změní způsob fungování většiny společností z hlediska škálovatelnosti, všestrannosti a přizpůsobivosti. Příští vlna AI nástrojů, modelů a technologií umožní organizacím aplikovat AI v situacích, kde to dnes není možné, a AI se tak stane ještě rozšířenější a cennější. 

#8 Konvergované a komponovatelné ekosystémy (Converged and composable ecosystems) 

Konvergované D&A ekosystémy umožňují navrhnout a nasadit platformu dat a analytiky, tak aby existovala a běžela soudržně díky bezproblémové integraci, správě a technické interoperabilitě. Složitelnost či komponovatelnost ekosystému je zajištěna díky návrhu, skládání a nasazování konfigurovatelných aplikací a služeb. 

Díky vhodné architektuře mohou být systémy D&A modulárnější, přizpůsobivější, flexibilnější a dynamicky škálovatelnější a je možné je uspořádat a zefektivnit, tak aby vyhovovaly rostoucím a měnícím se byznys potřebám. Tedy aby umožňovaly evoluci podle toho, jak se nevyhnutelně mění obchodní a provozní prostředí. 

#9 Konzumenti se stávají tvůrci (Consumers become creators) 

Čas, který uživatelé stráví na předdefinovaných informačních panelech (dashboardech), bude nahrazen konverzačními, dynamickými a vloženými uživatelskými interakcemi, jež budou reagovat na konkrétní požadavky konzumentů dat v daném okamžiku. 

Organizace mohou rozšířit adopci a dopad analytiky tím, že konzumentům obsahu poskytnou snadno použitelné automatizované a vložené náhledy a konverzační rozhraní, které jim pomůže stát se tvůrci obsahu. 

#10 Klíčová rozhodnutí stále přísluší lidem (Humans remain the key decision makers) 

„Snaha o plnou automatizaci rozhodování bez zohlednění role člověka by vedla k vytvoření organizace založené na datech bez svědomí a konzistentního cíle,“ zdůrazňuje Herschel. „Programy datové gramotnosti organizací proto musejí klást důraz na kombinaci dat a analytiky s lidským rozhodováním.“ 

Klienti společnosti Gartner si mohou přečíst více ve studii "Top Trends in Data and Analytics 2023“