Gartner经常会研究很多新兴技术，也会研究新兴技术对于企业业务发展的价值。
最近，Gartner分析师谈到了如何规模化数据和分析价值的问题，希望这些研究和见解能帮助企业在IT技术投入上提供一些参考价值。
谈到如何规模化数据和分析价值时，Gartner研究总监 孙鑫（Julian Sun）提到了三个方面：一个是数据即业务，二是把数据平台上升到数据生态的维度，第三个是以人为中心建立数据分析平台。
数据即业务，将数据像业务一样运营
数据即业务的中心思想是探讨数据分析如何更好地价值化，如何将数据像业务一样运营。数据即业务的理念值得任何关心数据分析的人进行学习和思考。
数据即业务的观点认为，数据分析应该作为一个产品去销售给企业的其他部门。这种观点强调了数据分析的价值，以及如何将数据分析的价值最大化。这里提出了一个新的视角来看待数据分析，即将数据分析看作是一个产品，而不仅仅是一个工具或技术。
其次，孙鑫提出了数据分析的价值优化的观点，认为企业应该更清晰地连接业务价值和数据分析，优化对于数据分析的投入，使其不再是重复劳动，而是能够产生更大的价值。这一观点强调了数据分析的效率，以及如何通过优化数据分析的投入来提高其价值。
此外，孙鑫还提出了数据分析的高管应该超越基本的数据分析工作，更多地了解数据分析如何从企业级的角度去帮助决策。这个看法强调了数据分析的战略性，以及如何通过数据分析来提高企业的决策效率。
阐述的过程中，孙鑫提到了两个重要的趋势，即数据编织（Data Fabric）和数据网格（Data Mesh）。这两个趋势都是新兴的数据管理模式，可以更有效地提升数据即产品的能力，让数据发挥更具业务情境化的能力。
把数据平台上升到数据生态
所谓把数据平台上升到数据生态，探讨的是如何从数据分析平台向数据生态的转变。这个转变不仅涉及到技术层面的变化，也涉及到业务层面和用户角色的转变。
首先，数据分析平台和数据生态有明显不同。
数据分析平台通常是一个集中的IT系统，用于收集、处理和分析数据。而数据生态则是一个更广泛的概念，它不仅包括技术连接，还包括用户和他们的角色之间的连接。数据生态强调的是数据的全面性和互动性，它鼓励数据的共享和复用，以及用户之间的协作。
过去，数据分析主要集中在IT部门，但现在越来越多的数据分析正在向业务侧迁移。这是因为数据分析的能力可以帮助我们勾勒出属于自己的数据生态。随着AI的渗透，数据分析的角色也在不断扩大，角色边界也变得越来越模糊。这种趋势表明，数据分析不再仅仅是IT的工作，而是所有人的工作。
在这个过程中，Gartner提出的“数据编织”（Data Fabric）概念是一个重要的理论支撑。数据编织是一个新型的数据管理设计模式，它强调的是数据的灵活性、可复用性和AI增强的数据集成管理。数据编织不是一个工具或技术，而是一个组合拳，是新兴的数据管理模式。
数据编织的目标是为了更好地获取一个灵活的、可复用的，且被AI增强的数据集成管道。这意味着数据编织不仅关注数据的收集和处理，还关注数据的使用和分享。数据编织希望实现的是数据找人，而不是人找数据。这是通过分析用户的数据消费行为，从而做出的更智能的数据推荐。
在实现数据生态的过程中，企业不需要完全重构现有的数据仓库或数据湖。数据编织是基于已有的数据分析投资进行的设计。无论企业过去使用的是什么数据仓库或数据湖，都可以用Gartner的设计理念去更好地分析元数据，从而提高基于用户的数据服务。
在数据生态中，数据的可组合性和模块化是非常重要的。
数据的可组合性意味着数据分析能力可以根据业务需求进行组合和调整。模块化则意味着数据分析能力可以像搭积木一样，根据需要组装和拆解。这种模块化的数据分析能力可以与业务流程和技术（如微服务）进行整合，使服务的模块化真正落地。
在数据生态中，数据的共享和复用是非常重要的。这意味着数据不仅仅是被收集和处理，也被使用和分享。数据的共享和复用可以提高数据的使用效率，也可以促进数据的创新和发展。
为了实现数据的共享和复用，企业需要建立一个数据目录，用于管理和分类数据。这个数据目录可以帮助用户更好地找到他们需要的数据，也可以记录用户的数据使用行为，以便于进行数据推荐。
在数据生态中，数据的治理也是非常重要的。数据的治理不仅包括数据的收集、处理和分析，也包括数据的使用和分享。数据的治理可以确保数据的质量和安全，也可以保护用户的隐私和权益。为了实现数据的治理，企业需要建立一个数据治理体系，用于管理和监控数据的全生命周期。
总的来说，从数据分析平台向数据生态的发展是一个必然的趋势。
以人为中心建立数据分析平台，主动迎接AI
以人为中心建立数据分析平台其核心说的是如何更好地主动迎接AI，而不是被动地“被取代”。这其实考虑的是，新一轮AI浪潮所展示的强大能力可能会带来的冲击，但同时也给出了积极的应对方式。
一些技术趋势表明，AI现在可以用少量的数据去完成更高复杂度的模型。这种能力使得AI可以更好地服务于企业，比如通过自然语言的问答回复来提高数据分析的利用有效性。
生成式AI的能力对于数据分析有积极影响。生成式AI不仅可以帮助开发者写代码，还能通过自然语言生成一张报表、生成一张仪表盘。同时，生成式AI还可以通过自然语言，让这个报表去和一些业务应用进行一些耦合，从而完成数据分析到业务行为的闭环。
此外，孙鑫还提到，新一代的生成式AI可以完成一些嵌入式的增强体验，让更多人来实现数据分析的更多可能，通过大幅降低了使用门槛，从而更多人去使用数据分析能力。
大家从Gartner分享的调研数据来看，中国的企业正在积极采用生成式AI，已经有6%的企业部署了生成式AI，而在中东或者东南亚，则只有大概3%。
此外，中国用户大概有26%是说“TA已经在积极的试点当中”，还有24%的企业表示会在“未来0-6个月部署”。“最近没计划或者五六个月之后才有计划”大概是14%。
