“數(shù)據(jù)沒有分析是一種資源的浪費，分析沒有數(shù)據(jù)是一場無用功。”

這是Gartner研究總監(jiān)孫鑫(Julian Sun)分享的觀點——沒有分析，數(shù)據(jù)就僅是磁盤中的二進制。一言以蔽之，價值是在使用中淬煉出來的。

圖丨Gartner研究總監(jiān)孫鑫(Julian Sun)

近幾年，“數(shù)據(jù)分析”已經(jīng)成為了國民經(jīng)濟和社會發(fā)展的重要風向標：在“十四五”規(guī)劃中，“大數(shù)據(jù)”這個詞出現(xiàn)了14次，而“數(shù)據(jù)”這個詞出現(xiàn)了60余次。不止如此，Gartner在CEO層中做的問卷顯示，82%的CEO認為，毋庸置疑，應該追加自己在數(shù)字化舉措上的投資，因為在疫情危機下，越來越多的業(yè)務不得不被搬到線上。

與此同時，數(shù)據(jù)分析應用的增長速度也一路高歌猛進：2018年，僅有57%的企業(yè)認為數(shù)據(jù)分析嵌入了業(yè)務平臺，而2020年，這個數(shù)字已經(jīng)增長到了70%?？梢哉f，數(shù)據(jù)分析越來越多地嵌入到業(yè)務系統(tǒng)當中，并讓更多業(yè)務用戶和數(shù)字化平臺用戶感受到了益處。

那么，數(shù)據(jù)分析具體如何影響企業(yè)業(yè)務？在當下，如何利用新一代數(shù)據(jù)分析技術(shù)，讓企業(yè)可以加快變革速度，并且在更廣闊的地方部署數(shù)據(jù)分析系統(tǒng)？

全球最具權(quán)威的IT研究與顧問咨詢公司Gartner從甲方市場和乙方市場兩個角度，對市場上與數(shù)據(jù)分析相關(guān)的科技進行評估——從甲方市場出發(fā)，得到CIO、CDO甚至是CEO的反饋，再從乙方市場的角度，也就是得到技術(shù)供應商對未來市場的見解，從而總結(jié)了十大數(shù)據(jù)和分析趨勢。

Gartner杰出研究副總裁Rita Sallam表示：“這些數(shù)據(jù)和分析趨勢可以幫助企業(yè)機構(gòu)應對未來三年的顛覆性變革，從巨大的不確定性中抓住其中的機遇。數(shù)據(jù)分析的領(lǐng)導者必須主動研究如何順勢而為，根據(jù)這些趨勢加強應對能力，并對關(guān)鍵任務進行投資。”

圖丨Gartner杰出研究副總裁Rita Sallam

Gartner總結(jié)的十大趨勢中，最有代表性、同時也最為貼近我國國情、最能解決我國企業(yè)數(shù)字化轉(zhuǎn)型中燃眉之急的，無外乎以下三大趨勢：組裝式的數(shù)據(jù)分析成為大勢所趨；數(shù)據(jù)隱私保護成為時代命題，而隨著大數(shù)據(jù)時代向小數(shù)據(jù)時代泅渡，AI技術(shù)將會變得更智能、更負責、更可拓展。

01

組裝式的數(shù)據(jù)分析成為大勢所趨：復用能力是關(guān)鍵

說到組裝式的數(shù)據(jù)分析，就不得不提到近幾年我國互聯(lián)網(wǎng)圈炙手可熱的一個概念：中臺。

中臺最早出自戰(zhàn)爭術(shù)語，近幾年才被作為管理戰(zhàn)略被引入國內(nèi)：2015年，阿里巴巴拜訪了號稱全世界最成功的游戲公司Supercell。Supercell以最多不超過7個員工的小團隊模式戰(zhàn)斗在一線，而小團隊背后，有一個強大的技術(shù)平臺，來支持眾多小團隊進行游戲研發(fā)。

如此一來，基礎(chǔ)技術(shù)由中臺賦能，小團隊不用從最基礎(chǔ)卻重要的技術(shù)問題做起，而是直接研發(fā)新產(chǎn)品中差異化的部分，節(jié)省了大量成本和時間。這種模式讓Supercell公司成為了年稅前利潤15億美元的游戲公司。在此次拜訪的半年后，阿里巴巴啟動了中臺戰(zhàn)略。

歸根結(jié)底，中臺的底層邏輯就是，基于公司的資源和能力，打造一個強有力的中臺，當全新的場景萌芽時，充足的資源與能力就能快速注入前臺，快速打造出滿足用戶需求的產(chǎn)品。

為什么能快速注入？因為一個公司的舊產(chǎn)品和新產(chǎn)品之間，有很多東西都是可以重復使用的。拿阿里巴巴來說，淘寶有完善的訂單創(chuàng)建流程，而一切訂單創(chuàng)建流程，都涉及會員信息驗證、庫存修改支付記錄生成。如果在推出聚劃算的時候，直接把這種共通部分復制過來用，則大大減少了新產(chǎn)品的研發(fā)時間。

不難發(fā)現(xiàn)，中臺實現(xiàn)數(shù)據(jù)分析的方式就是組裝式的：中臺有一個很重要的理念，就是可以在數(shù)字化業(yè)務中體現(xiàn)出可復用的能力?？蓮陀玫哪芰涂山M裝性是息息相關(guān)的，因為數(shù)字只有在被復用的前提下，才可以像搭積木一樣把很多能力組合起來，最終交付給業(yè)務部門，讓它能夠起到快速響應突發(fā)事件的作用。

“事實上，一旦我們把數(shù)據(jù)分析和應用開發(fā)結(jié)合在一起，就可以把重復的工作去掉。一個好的中臺不止是一個簡單的技術(shù)平臺，它更像是一個組裝式的平臺，能讓用戶在組裝過程當中體驗到哪些能力是可以通過容器和微服務架構(gòu)完成優(yōu)化的。”Gartner研究總監(jiān)孫鑫如是說。

因此，組裝式數(shù)據(jù)和分析不僅是一項數(shù)據(jù)分析業(yè)務，更是一種把企業(yè)的洞察力與行動力關(guān)聯(lián)起來的決策工具：可以說，近幾年，組裝式數(shù)據(jù)分析成為了大勢所趨。Gartner預測，到2023年，60%的企業(yè)將會利用三個或者是更多的分析解決方案，來組成一些組件，以建立一種注入了分析的、決策導向型應用。

具體來說，未來企業(yè)在做應急響應或數(shù)據(jù)分析的交付時，不再需要從零開始搭建，只需要把各種各樣的能力組合起來。比如，連接并收集客戶作為一個能力、綜合外部客戶的數(shù)據(jù)作為一個能力、管理客戶生命周期又是一個能力......最終以組裝的形式合并在一起。不止如此，確定客戶的特點，從客戶畫像監(jiān)控客戶流失指標并發(fā)出警報，預測客戶流失率等等，都可以作為一些能力即取即用。

也因此，Gartner做的另一個預測是，到2025年，70%的新應用將是由低代碼、無代碼技術(shù)完成開發(fā)的。更有意思的一點是，新應用將會由真正使用它的人去做組裝——也就是說，在未來，用戶自己將會開發(fā)出各種各樣的應用。

這也意味著數(shù)據(jù)時代的全面來臨。與此同時，一個繞不開的問題浮出水面：如何解決企業(yè)數(shù)據(jù)需求和用戶個人隱私之間的矛盾？換句話說，在對數(shù)據(jù)安全性的監(jiān)管越來越強的時代，該如何平衡好數(shù)據(jù)提取與隱私保護的關(guān)系，進而發(fā)揮數(shù)據(jù)分析的最大作用？

02

數(shù)據(jù)隱私保護成為時代命題：AI更智能、更負責、更可拓展

事實上，數(shù)據(jù)隱私保護的加強亟需提上日程。拿最近的新聞來說，據(jù)外媒報道，美國知名社交媒體平臺臉書（Facebook）有5.33億用戶數(shù)據(jù)遭泄露，其中包含一些知名人士的信息。

據(jù)悉，一個低級別的黑客論壇3日曝光了5.33億臉書用戶的個人數(shù)據(jù)，這些用戶涉及106個國家和地區(qū)，泄露的信息包括用戶在臉書的賬戶名、位置、生日以及電子郵件地址等。

臉書公司在一份聲明中稱，上述數(shù)據(jù)來自2019年發(fā)生的信息泄露事件，當年8月已經(jīng)進行了修復。2018年3月，臉書曾被曝出與咨詢公司劍橋分析公司違規(guī)分享8700萬用戶數(shù)據(jù)，被判賠付50億美元罰金。

也因此，互聯(lián)網(wǎng)行業(yè)專家表示，現(xiàn)如今的互聯(lián)網(wǎng)成就很大，但是帶來的隱私問題相當嚴重。與此同時，隨著隱私保護不斷加強，廣告商收集數(shù)據(jù)也越來越困難了。Gartner預測，到2023年，在擁有20名以上數(shù)據(jù)科學家的組織當中，將有60%的組織被要求制定關(guān)于數(shù)據(jù)和AI使用中，有關(guān)倫理道德的規(guī)定。

這意味著數(shù)據(jù)分析將“帶著鐐銬跳舞”。然而，數(shù)據(jù)是分析的基礎(chǔ)，當數(shù)據(jù)的使用性有限時，AI現(xiàn)有的優(yōu)勢就很難被利用。如何解決這一問題？

事實上，Gartner認為，無論將來是否加強隱私保護，我們都需要更智能、更負責任、更可拓展的AI，以支持一些更復雜和數(shù)據(jù)更為稀缺的用例，因為現(xiàn)有數(shù)據(jù)密集型的分析方法是非常消耗算力的，在面對變化時會顯得非常脆弱。更廣泛的用例要求我們用創(chuàng)造性的AI創(chuàng)新來拓展AI工具箱。

因此，Gartner建議企業(yè)，通過使用新型技術(shù)，如合成數(shù)據(jù)、主動學習、自適應學習等技術(shù)，去拓展AI的用例，使AI可以變得更智能、更強大，從而在歷史數(shù)據(jù)稀缺等情況下仍然可以順利運行。

拿合成數(shù)據(jù)方法舉例，合成數(shù)據(jù)就是通過AI工具生成一些新數(shù)據(jù)，來滿足特定時期的需求和條件。目前，國外已經(jīng)有了這樣的廠商，當企業(yè)數(shù)據(jù)不足的時候，可以利用合成數(shù)據(jù)工具去生成一些應急數(shù)據(jù)。Gartner認為，當隱私的保護需求限制了數(shù)據(jù)的可用性時，我們也可以利用合成數(shù)據(jù)來解決訓練模型中數(shù)據(jù)不足的問題。

再比如遷移學習方法，可以使AI的解決方案從三段任務中學習到足夠多的數(shù)據(jù)，并利用這種學習到的數(shù)據(jù)來幫助企業(yè)克服一些棘手問題：

比如說，一家醫(yī)院想去開發(fā)一個治療疾病的模型，但是數(shù)據(jù)有限，于是就在自己的本地數(shù)據(jù)上訓練模型，再把這個模型轉(zhuǎn)移給下一家醫(yī)院，下一家醫(yī)院繼續(xù)在自己的本地數(shù)據(jù)上訓練模型......依此類推，不斷結(jié)合模型進行一些改進。由于不需要集中共享本地數(shù)據(jù)，這種方法增加了數(shù)據(jù)的隱私性，更方便保密。

也因此，數(shù)據(jù)平臺更負責、更智能、更可拓展是大勢所趨：不僅可以增強數(shù)據(jù)科學家的生產(chǎn)力，也可以利用自動化AI，讓一些非專家的使用者也可以擁有專業(yè)分析能力。這也引出了下一個大趨勢：隨著數(shù)據(jù)隱私保護的不斷加強、AI技術(shù)的不斷革新，數(shù)據(jù)時代的脈搏正在由大數(shù)據(jù)向小數(shù)據(jù)過渡。

03

隱私時代的讓渡：由大數(shù)據(jù)到小數(shù)據(jù)或?qū)挃?shù)據(jù)

隱私保護成為時代命題的背景下，Gartner提出了一個“小數(shù)據(jù)”（或“寬數(shù)據(jù)”）的概念：隨著企業(yè)逐漸認識到大數(shù)據(jù)的局限性，被稱為小數(shù)據(jù)和寬數(shù)據(jù)的方法正在慢慢涌現(xiàn)。

什么是小數(shù)據(jù)？具體說來，小數(shù)據(jù)拋開了對于大型單體數(shù)據(jù)的依賴，仍能提供有見解的分析技術(shù)：應用相對較少的數(shù)據(jù)，實現(xiàn)對于小型、大型、結(jié)構(gòu)化、非結(jié)構(gòu)化等數(shù)據(jù)源的分析和協(xié)同。方法論上，不同于大數(shù)據(jù)用一刀切的方式、使用數(shù)據(jù)要求較高的深度學習技術(shù)，小數(shù)據(jù)會有針對性地使用數(shù)據(jù)要求比較低的模型——比如一些時間序列分析的技術(shù)。

Gartner預測，到2025年，70%的企業(yè)將不得不把關(guān)注點從原先的大數(shù)據(jù)轉(zhuǎn)向現(xiàn)在的小數(shù)據(jù)。事實上，AI對數(shù)據(jù)的需求將進一步減少：到2025年，超過85%的技術(shù)供應商（乙方市場）將在AI解決方案當中加入讓數(shù)據(jù)變得更豐富的方法和模型訓練技術(shù)，以提高模型的彈性和敏捷性，雖然在2020年，這么做的供應商還不到5%。

為什么我們需要小數(shù)據(jù)？

第一，大數(shù)據(jù)時代，雖然實現(xiàn)了存儲、管理更多數(shù)據(jù)的目的，但并沒有真正讓某個組織從中獲得更多的價值。舉個例子，企業(yè)可能花了很多錢組建了一個基于Hadoop的大數(shù)據(jù)平臺，但很多數(shù)據(jù)沒有被企業(yè)真正放到生產(chǎn)環(huán)境當中。

相對而言，小而廣的數(shù)據(jù)方法可以減少組織對大數(shù)據(jù)的依賴，讓其擺脫重負后完成更強大的分析，從而實現(xiàn)更豐富、更完整的態(tài)勢感知。

第二，疫情讓之前的很多數(shù)據(jù)都過時了，企業(yè)需要通過更少的數(shù)據(jù)去建立AI和分析的技術(shù)，并收集足夠多的歷史數(shù)據(jù)和標簽數(shù)據(jù)用于分析和AI。

第三，未來數(shù)據(jù)的來源、質(zhì)量、數(shù)據(jù)偏見和隱私保護等問題都會被提上議程，并變成非常大的挑戰(zhàn)。如果還是使用過往的大型數(shù)據(jù)解決方案，企業(yè)的成本就會變得非常高，因此，企業(yè)必須學會用小數(shù)據(jù)進行深度分析。

當然，小數(shù)據(jù)目前還沒有廣為人知。Gartner曾提出“技術(shù)成熟度曲線”：一項新技術(shù)誕生伊始，總會先處于不成熟的技術(shù)萌芽期，再進入歷資本瘋狂涌入的“泡沫巔峰期”，隨后，這項技術(shù)暴露出各種問題，進入“泡沫破裂低谷期”。低谷期后，技術(shù)進入觸底反彈的“穩(wěn)步爬升期”，最后，技術(shù)才進入“規(guī)模應用期”：在此階段，新技術(shù)的價值與增長潛力被市場實際接受，落地模式也逐漸成熟。

按照Gartner的技術(shù)成熟度曲線，小數(shù)據(jù)目前還在一個“技術(shù)萌芽期”的階段，可能還需要5-10年才可以真正達到大眾耳熟能詳?shù)某潭?。然而，雖然小數(shù)據(jù)目前的市場滲透率不到1%，但它對AI以及更廣義的數(shù)據(jù)分析的影響是顯而易見、且歷久彌深的。

“如果你拷問數(shù)據(jù)到一定程度，它會坦白一切。”諾貝爾經(jīng)濟學獎得主Ronald H. Coase曾下次論斷。雖然數(shù)據(jù)分析不斷進化、更迭并進行自我完善，可以預見的是，數(shù)據(jù)終將重塑一切。

來源：數(shù)據(jù)猿