Gartner определяет основные тенденции в области данных и аналитики на 2025 год, и искусственный интеллект выходит на лидирующие позиции

Лидеры в области данных и аналитики должны учитывать эти девять тенденций в своих стратегиях на предстоящий год.

Данные лежат в основе большинства организаций, обеспечивая повседневные бизнес-функции. Чтобы помочь цифровым лидерам лучше подготовить свои стратегии в области данных и аналитики (D&A), Gartner определила основные тенденции D&A на 2025 год.

«D&A переходит из сферы немногих в повсеместное распространение. В то же время лидеры D&A находятся под давлением, чтобы не делать больше с меньшими затратами, а делать гораздо больше с гораздо большим, и это может быть еще более сложной задачей, потому что ставки повышаются», — сказал Гарет Гершель, вице-президент по аналитике Gartner. «Существуют определенные тенденции, которые помогут лидерам D&A справиться с давлением, ожиданиями и требованиями, с которыми они сталкиваются».

Неудивительно, что из девяти тенденций, выделенных Gartner, технологии, связанные с искусственным интеллектом, составили более половины списка, включая самую большую тенденцию ИИ того времени — агентов. Агентный ИИ начал проникать во все сферы бизнеса, и организации находят способы внедрить автономную помощь, которую предлагают агенты ИИ.

Gartner посоветовала руководителям D&A использовать агентов для доступа к данным своей организации и обмена ими между приложениями. Аналитик также рекомендовал руководителям D&A использовать агентов ИИ для автоматизации бизнес-результатов с обратной связью, где аналитика на основе данных постоянно информирует и оптимизирует решения.

Когда генеративный ИИ впервые стал мейнстримом, многие лидеры D&A и их организации сосредоточились на разработке и внедрении больших языковых моделей (LLM).

Однако с тех пор больший акцент стал уделяться ценности малых языковых моделей (SLM). Эти маленькие модели легкие, адаптированные, дешевле и быстрее в обучении, что лучше для конкретных случаев использования. В результате Gartner посоветовал руководителям D&A рассмотреть SLM для получения более точных и контекстуально соответствующих результатов ИИ.

Поскольку существует так много различных инструментов, которые могут использовать лидеры D&A, Gartner также рекомендует композитный ИИ, который представляет собой процесс использования нескольких методов ИИ для повышения технологической эффективности. Этот подход означает изучение технологий за пределами генеративного ИИ и LLM, чтобы глубже взглянуть на смежные дисциплины, такие как машинное обучение и наука о данных.

Некоторые из тенденций, которые выделила Gartner, косвенно связаны с ИИ. Например, аналитик рекомендовал использовать синтетические данные для дополнения областей, где понимание отсутствует или неполное. Этот подход особенно ценен при использовании данных для инициатив в области ИИ, поскольку эти проекты требуют организованных, полных баз данных для обучения и развертывания. Еще одно преимущество синтетических данных заключается в том, что они могут заменить конфиденциальные данные, отдавая приоритет конфиденциальности, что особенно важно для ИИ.

Основываясь на этой концепции, Gartner определила решения для управления метаданными как императивную тенденцию, посоветовав организациям внедрять инструменты, автоматизирующие поиск и анализ метаданных. Аналитик сказал, что различные типы метаданных, включая технические и бизнес-метаданные, могут быть использованы для каталогов данных, происхождения данных и сценариев использования на основе искусственного интеллекта. В своем тренде мультимодальных фабрик данных Gartner рекомендовала собирать и анализировать информацию на этапе метаданных конвейера данных.

К другим ключевым тенденциям, выделенным Gartner, относятся платформы интеллектуального анализа решений, которые помогают организациям перейти от простого использования данных к созданию более интеллектуальных стратегий, ориентированных на принятие решений. Аналитик сказал, что этот сдвиг имеет решающее значение для успеха.

Gartner также указала на то, что продукты для обработки данных являются высокой потребностью, подчеркнув необходимость для организаций создавать полезные, повторно используемые продукты данных, к которым разные команды могут получить доступ для оптимизации и улучшения критически важных для бизнеса сценариев использования с течением времени.