到了 2021 年底，我的收件箱里塞满了科技公司及其公关机构发来的电子邮件，分享管理层对明年数据、分析和数据领域的看法。 人工智能。 与以往一样，每年汇集行业内高管对来年的明智预测是一项艰巨的工作。 事实上，一旦整合了所有预测电子邮件，就会生成一份 50 页的文档。 与任何大数据练习一样，我的目标是将数据聚合到我可以组织的分组中，这既是为了控制数据量，也是因为分组本身具有指导意义。
今年，大多数预测都与特定技术无关，例如 Hadoop、Kafka 或 Spark。 而且它们甚至与技术类型问题无关，例如数据仓库和数据湖之间的争斗。 相反，今年（明年）的预测侧重于更广泛的商业甚至社会问题，其中许多问题源于世界对冠状病毒/COVID-19 大流行的集体经验及其带来的变化。
当然，技术就在那里； 例如，有很多关于人工智能 (AI)、低代码/无代码平台和分析架构方法（如 Data Fabric 和 Data Mesh）的讨论。 但是与供应链中断有关的问题； 劳动力短缺和“大辞职”； 客户体验管理、个性化和数据保护之间的相互作用也很重要。
让我们探索预测的分组摘要。
供应链
众所周知，大流行对全球供应链产生了连锁反应。 对于企业而言，这意味着中断和变化。 有趣的是，我们的许多预测参与者将此视为一项技术挑战。 尽管供应链问题可能让人感觉难以预测，但许多预测都是基于预测分析可以减轻困难的前提，只要仔细监控模型本身的准确性和漂移。
“许多工业公司……在过去两年中……被迫依靠人工智能和其他数字技术来解决供应链和生产中紧迫的现实问题，”Augury 战略副总裁 Artem Kroupenev 说。 Domino Data Lab 首席执行官 Nick Elprin 认为，“从供应链到极端天气，不可预测的商业因素的持续波动将极大地加速企业持续监控其模型如何反映客户真实和快速变化的世界的需求 ”
Prophix 首席执行官 Alok Ajmera 认为：“企业在过去一年中看到了他们的中断份额，到 2022 年，他们很可能会继续应对供应链短缺、通胀上升和网络安全威胁增加的影响…… 基于云的“如果/那么”情景规划软件工具[启用]……不断重置预测……根据实时数据洞察力来满足不断变化的市场条件。”
不过要小心。 供应链问题不仅仅影响物质产品； 它们也会影响我们倾向于认为无限且始终可用的技术。 考虑到这一点，Aerospike 首席战略官 Lenley Hensarling 表示：“供应链问题，包括硬件和人员，将继续与云一起……随着公司在 2022 年继续迁移到云端，他们会惊讶地发现 硬件和人员短缺可能会迫使他们改变计划。”
你不能解雇我，我辞职了
谈到人员短缺，我们的许多预测者都对“大辞职”有话要说，即 2021 年工人明显自愿离职。 例如，Infoworks 首席执行官 Buno Pati 表示，我们应该“考虑 [伟大的辞职] 对稀缺的数据工程和数据科学人才的特殊影响，这些人才的需求量已经非常大，并且要求高薪。” 换句话说，以前很难找到优秀的数据专家，而且情况越来越糟。 至于解决方案，他预测“在来年，采用新的数据操作和编排自动化方法将使这一关键人才库从平凡中解放出来，并将这些有价值的专业人士集中在创造和交付商业价值上。”
Momentive（前身为 SurveyMonkey）首席信息官 Eric Johnson 同意自动化可以帮助解决人才短缺问题，并作为一种保留工具来保持现有员工的幸福感：“2020 年，31% 的公司至少拥有一个自动化系统。随着巨大的辞职和 对更高质量工作的需求，自动化将大大加速，以消除单调的流程，并确保员工在完成多样化和有意义的任务时获得高质量的工作体验。” 谈到质量的概念，约翰逊还说：“伟大的辞职表明薪酬不再是主要的保留杠杆。员工反而渴望拥有他们想要的工作环境和新的挑战，让他们作为个人和专业人士不断进步和学习 ”
这里也有一个 AI 角度。 Privitar 咨询服务副总裁 Nick Curcuru 表示：“人力资源分析传统上与报告有关。随着组织在‘大辞职’中努力解决员工流失问题，他们将越来越多地寻求预测分析来帮助挽救局面。” Nylas 的联合创始人兼首席执行官 Gleb Polyakov 表示：“人工智能的进步加上劳动力短缺和对快速规模化的需求，迫使公司尽可能实现自动化。” Polyakov 并没有预测反乌托邦的情况，他向我们保证“……即使人工智能主导的创新持续不断，人类仍将继续在真正的组织影响、分析和增长中发挥重要作用。”
织物和网眼
除了社会问题之外，架构问题在今年也很重要，尤其是那些可以帮助公司更成功地利用其分析投资的问题。 这里的主要竞争者是 Data Mesh 和 Data Fabric 方法，今年的许多预测都集中在它们身上。
首先，Privitar 首席战略官 Steve Totman 认为，“组织越来越多地采用数据网格和数据结构方法作为其现代数据堆栈的基础。” Infoworks 的 Pati 就在他身边，他认为“2022 年将看到数据结构解决方案的显着增长和兴趣，因为公司寻求利用一个共同的管理层来加速向云的分析迁移，确保安全和治理，快速 [和] 交付 商业价值……”他代表公司表示，“我们相信这项技术将在未来五年内得到广泛采用。”
托特曼和帕蒂并不孤单。 “‘数据结构’将成为一个流行的流行语。” 是 HVR（现为 Fivetran 所有）技术副总裁 Mark Van de Wiel 的五项重大预测之一。 Denodo 的高级副总裁兼首席营销官 Ravi Shankar 将他预测的第一大趋势列为标题，“数据结构将成为分布式企业的基础”，并补充说“通过使组织能够选择他们喜欢的工具，这些数据结构将减少时间- 交付并使其成为来年首选的数据管理方法。”
Alluxio 的创始人兼首席执行官李浩源认为 Data Fabric 不仅仅是流行的……他将其视为新一轮数据孤岛的解决方案：“通过云中的 SaaS 和托管服务创建数据孤岛，改进治理和目录 跨多个服务的数据结构将在 2022 年拯救我们。” Komprise 总裁 Krishna Subramanian 看到了类似的打破孤岛的价值主张，他表示“IT 和存储经理将选择数据结构架构来解锁存储中的数据，并实现以数据为中心与以存储为中心的管理。”
当然，这些架构似乎充满希望。 我想知道明年的专家会对此作何评论。
无/低共振
我们已经提到自动化是解决劳动力短缺的部分良药，我们的许多预测人员认为低代码/无代码平台——在很多方面是自动化的合作伙伴——是 2022 年提高效率和变革的巨大力量 .
Nylas 的联合创始人兼首席技术官 Christine Spang 预测，鉴于“工程劳动力短缺，低代码开发起飞”，并在标题中解释说“我们将看到低代码、无代码的采用 工具和应用程序将在 2022 年及以后加速发展。”
DuploCloud 的创始人兼首席执行官 Venkat Thiruvengadam 解释说：“无代码/低代码平台使非技术业务专家能够在他们最了解的领域中创建软件，而无需编码知识。以前被拒之门外的专家 想法，因为他们缺乏编码专业知识，现在可以从最少的编码知识开始。” 他补充说，“DevOps 技能短缺只会继续增长，加速对无代码/低代码解决方案的需求。”
但 Salto 的联合创始人兼首席技术官 Gil Hoffer 解决了 DevOps 观察的另一面，认为无代码和低代码将获得传统软件的属性：“随着无代码和低代码平台和工具变得越来越普遍， 来自软件开发和 DevOps 领域的方法和工具，例如自动化、版本控制和声明性语言，将被应用并添加到这些环境中。”
不管是否渴望 DevOps，Mendix 首席执行官 Tim Srock 和他的团队认为“低代码将超越应用程序开发”，并认为它将发展为“包括客户体验设计和智能工作流自动化”。 Mendix 团伙还认为“……公司将使用低代码来自动化工作流程中的任务。” Kyndi 的创始人兼首席执行官 Ryan Welsh 认为低代码和无代码也将进入 AI 领域，并预测“通用 AI 将嵌入到一套不需要编码的可配置业务解决方案中。”
但是低/不…可以持续多久？ 自 1980 年代出现 CASE（计算机辅助软件工程）以来，我们已经看到需要最少编程的平台具有巨大的吸引力。 我们还看到钟摆向另一方向摆动，代码优先平台和驱动它们所需的技能组合重新回到高需求状态。
个性化，但不受监视
从低代码，我们转向我们所谓的“低数据”。 Franz Inc. 首席执行官 Jans Aasman 博士描述了个人数据分析的新常态：“到 2022 年，我们将看到用户重新获得对其数据的控制权的新方法。” 这很好，但这是另一种破坏，迫使公司在不访问尽可能多的个人数据的情况下个性化体验。 Contenserv 北美地区总裁兼首席营销官 Jennifer Krizanek 描述了挑战：“2022 年将见证企业制定战略，制定如何在不违反 GDPR 法律或侵犯消费者数据隐私权的情况下个性化客户体验。” 她进一步认为，明年“将是企业学习如何在不跟踪消费者一举一动的情况下运营、营销和个性化他们的产品的一年。”
但是那怎么办呢？ 对于开场白，Denodo 的 Shankar 表示，“到 2022 年，组织将利用小数据分析为其个人客户创造高度个性化的体验，以在短时间内了解客户对特定产品或服务的看法。” 这是有道理的，但要求似乎仍然很艰巨。
事实证明，人工智能可能是事半功倍的关键。 “通过机器学习，公司可以优化、自动化和个性化内容和消息传递时间，以提高个人层面的参与率”，ActiveCampaign 首席执行官 Jason VandeBoom 说。 根据 Mendix 人员的说法，这不仅仅是一件好事。 相反，他们将其视为必备条件：“超个性化将成为常态：随着世界变得越来越数字化，客户将期待量身定制的体验，并能够适应他们当下的需求和愿望。为此，应用程序 需要利用人工智能而不是执行简单的规则。”
垂直人工智能
AI 不仅仅用于个性化。 事实上，预测室的感觉是，从金融到医疗保健的垂直行业将在 2002 年受益于人工智能。Prophix 的 Ajmera 将他的一项预测列为标题：“人工智能驱动的企业财务时代已经到来。” 他的分析说：“……随着企业走出动荡的大流行时期，预计首席财务官最终会投身于人工智能驱动的金融技术，开启下一个超级企业金融时代。” Franz 的 Aasman 说：“这种‘全面人工智能’正迅速成为解决关键任务流程的企业级应用的必要条件，例如预测设备故障、优化医疗保健和最大化客户关系。”
在医疗保健道路上，PointClickCare 首席执行官兼联合创始人 Dave Wessinger 认为，“到 2022 年，我们应该期望看到更多的医疗保健组织利用人工智能 (AI) 来监控患者行为，从而为患者和患者创造一个更安全的环境 为医护人员提供更精简和更好的护理提供动力。” 也不只是人工智能。 Clarify Health 总裁 Todd Gottula 认为分析将会顺势而为：“付款人、供应商和生命科学公司将转向按需分析软件，使他们能够即时访问患者旅程的 360 度视图和 了解医疗保健以及健康的社会和行为决定因素如何相互影响结果的窗口。”
转型可以很有趣
到目前为止，我们所看到的几乎所有内容都与数字化转型有关，即使只是隐含的。 但是这种“DX”的努力到底有多好呢？ 在 Contenserv 的 Krizanek 看来，还远远不够，他“……相信在 2022 年，组织将扩展早期的数字化转型工作，但在这样做的过程中，将被迫依赖他们自动化可信数据交付的能力。”
为了实现这一目标，人工智能再次出手相救。 Komprise 的 Subramanian 认为，“云中的人工智能和机器学习继续为客户提供更多功能，并正在成为数字化转型的核心推动力。” Subramanian 认为这不仅仅与人工智能有关。 公司放弃成为数据包老鼠的倾向是另一个因素：“僵尸数据或死数据将获得适当的关注，因为企业旨在更好地细分、分类、组织、清理、管理和证明在存储、备份和灾难恢复方面的支出是合理的。数据囤积 将作为成功的数字化转型计划的一部分而结束。”
SingleStore 的 Oliver Schabenberger 认为 DX 的成功是一个数据存储技术问题，并且将在几年内得到解决：“到 2024 年，数据技术将发展到允许组织优化无摩擦数字转换，而不是优化读/写 交易或大型数据集的高效扫描。数据库将成为决策支持的积极参与者和协调者。 考虑到公司在一个数据库中结合了行存储和列存储技术，这一优势是有道理的。
不要只创新，要运营
总的来说，虽然他们没有直接说出来，但我们的千里眼似乎将 2022 年视为一个适合和完成的一年，而不是一个原始创新的一年。 我们已经拥有大量出色的分析和智能技术，并且几年来我们已经了解它们潜在的集体变革力量。 然而，我们在很大程度上忽略了在实施这些技术并使它们投入运营方面取得高成功率。 由于 COVID 大流行的经济和后勤影响，现在已经从次优转变为不可原谅。
现在我们需要评估我们拥有的东西，放慢添加的速度，并加强必要的纪律以充分利用它的潜力。 我们的预测者认为这将在 2022 年发生。我的猜测是这可能需要更长的时间，但人们显然在 2021 年下半年对此进行了如此充分的思考，这是一个好兆头。
