AI技术正在快速更新，影响着人类的工作和生活。如果不加以重视或者错过此轮机遇，可能会被这样一个快速驶来的“时代列车”碾压或淘汰。但作为普通企业和员工，如何看清这一轮技术热潮的本质，又如何借助技术的运用立足市场，并非是一件容易的事情。
Gartner的洞察为人们提供了行动指引。
在当下数字经济时代，数据已经成为企业最重要的资产之一。把握数据，才是最有效的对策。
三大趋势，令企业压力与日俱增
要用好数据，从中把握数据的价值。就要对数据有清醒的认识。Gartner认为，2024年数据和分析呈现如下三大重要趋势。
一是从“及格就好”到“驱动业务成功”。调研显示，59%的企业CEO认为人工智能将成为未来三年改变行业最大的技术驱动力。随着技术变革进程提速，人们对技术的期待也在提升，大多数企业从最初搭建一个勉强能用的数据分析平台，转变为现在依赖数据分析和人工智能的力量去驱动业务成功。挑战在于如何能够重塑数据分析的价值，以及如何应用数据分析连锁经营等新型数据业务模式。
二是从“混乱”到“管理复杂性”。伴随数字化的进程与系统更迭，数据分析和人工智能领域也有无数异构平台、数据孤岛以及不同数据的分析、产品和能力，而且其复杂性有增无减。企业在这方面的挑战在于，如何理解数据分析的生态，从而更好地组织这些能力去应对混乱局面中的复杂性。
三是从“超负荷”到“AI赋能”。应用AI提升效率、驱动业务成功，是企业数据官/CIO的首要目标。尽管数据分析团队被委以重任，但工作压力其实是越来越重，其对策是培养AI就绪员工、拥有AI就绪数据。
很多人把AI当作关键的支撑工具。但调查显示，半数以上的企业更关注“产生更多的数据产品”和“应用赋能业务”，而不是“AI”或者“生成式AI的应用和落地”。
这验证了企业对于创造业务价值这一核心能力的真实诉求，也是企业数据官/CIO如何以数据驱动业务成功、证明自身价值的动力。Gartner预测，如果没有将数据影响力发挥到作为首要任务，2026年这些人中的75%可能会重新被轮岗或者被替代。
更严峻的现实是，大多数企业在数据方面还没有做好准备：55%的企业认为难以实现数据AI就绪，37%的企业认为有望实现数据AI就绪，只有4%的企业认为已经实现了数据AI就绪。
一个数据AI就绪的工具，有三个关键的点：一是有一个高质量的数据分析治理平台，能对数据质量、数据血缘等各方面建立标准，才能够保证在一个高质量的环境中得到高质量的模型；由于不同的数据在不同的情境下需要不同的处理的方法，如何了解这些数据或者基于这些标签和元数据与最优的场景匹配起来，这意味着元数据管理在AI就绪方面的关键价值；数据是不断变化的，它的变化会直接影响到模型建成和应用。如何在未知的环境中通过未知的数据观测出潜在的异常、提前甄别AI的模型是否适用或者可能产生的负面影响，这是AI应用环节最关键的因素。数据的可观测性至关重要。
AI就绪也离不开数据底座。
无论是AI还是强大的模型，都离不开坚实、准确、可信的数据源，基于它来进行大量的压缩、分析、处理才能产生人工智能的应用。
Gartner预测，到2026年，用于非结构化和半结构化数据的技术和服务支出将占企业数据管理总支出的40%，而现在这个比例只占到5%。未来更多的企业会提升对数据重要性的认知，把数据作为核心要素。这与国家的倡导和重视、强调数据资产的应用也是不谋而合的。
AI技术和数据处理还需要大量新的方式方法来提供帮助。人类的优势在于大量先天的知识和经验，填补了AI缺失的细节。二者的结合和互补，将更好地完成业务价值。
理解业务实际需求，让AI为数据分析插上翅膀
业务需要的数据分析其实很简单：能直接和日常业务相结合，并增加销售收入、减少客户流失等一系列量化的业务性成果，而不是花里胡哨的仪表盘、自助分析报表等工具。
对于数据分析人员，最重要的是能够走到业务前线，理解业务的实际需求并通过合适的工具去实现上述目标。
Gartner也提供了具体的框架。一个经典的对策就是“Gartner决策智能模型”，它可帮助企业将数据分析的能力与核心业务流程进行匹配、概述，帮助企业更好地进行关键决策，保证业务价值能够在整个业务链中得以实现。
要驱动业务成功，还需要选择合适的运营模式。应对不同地域、不同的数据成熟度水平和监管环境，Gartner提出了一个名叫“特许经营”的模式并认为，到2027年60%的跨国企业将会采用该模式
“这个类似肯德基设店的‘特许经营’模式对于数据分析的团队和架构同样适用。”据Gartner高级研究总监方琦介绍，该模式通过不同地域特征、不同的业务目标来开发相应的流程和能力并定制产品和服务，在后端流程进行整合和协同，一方面以高效的治理方式来保证其稳定性，另一方面，通过自主敏捷的创新能力来更好响应不同业务独特的需求。
看得出来，“特许经营”模式让企业数据架构、组织结构和治理架构兼具“自由”和“控制”两方面的优势，并在二者间实现了动态平衡。
Gartner认为，支撑“特许经营”模式的成功离不开三个关键要素。
一是搭建中心化和去中心化的组织架构。
通过“中心化”的能力来统一、管控信息架构、数据架构和数据治理工作，同时又借助去中心化的能力支持财务、人力资源、供应链、采购、营销等分散的组织与职能中心在专业领域进行创新。
二是组建跨职能团队。
Gartner预测，到2025年，90%的数据分析使用者都将应用AI来创建内容。这意味着，不应用AI的员工一定会被擅长AI应用的员工所淘汰。超过1/3的企业认为，业务侧的数据分析师最需要AI的赋能。但是，单一组织很难同时胜任IT、数据科学分析和人工智能等知识领域的广泛需求，因此组建跨职能的团队，以灵活、融合的方式面对同一个目标的达成，是“特许经营”中的关键要素。
在Gartner看来，员工的AI素养首要的是具备AI基本知识、能力以及对风险价值的认识，意识到AI并不是简单的对人的替代，AI也有优势和缺点，要不盲从AI，而是在情境化中应用AI去进行优化、变革流程，使整个业务价值能够发挥更大的作用。对于开发AI或者建造AI，则需要更全面的能力，能从价值、基础工程和治理层面进行把握，从而更好地应用相应的技术来解决业务问题、驱动变革和更好地放大领域知识。AI素养的第三层次，是需要跨领域合作的能力，对业务、数字和数据素养以及人工智能都有深刻的理解，能够把不同的素养综合起来开发应用AI。
三是以原型为优先的治理框架。Gartner之所以提出这一框架理论，是因为企业面临业务的快速变化，很难在规划数据分析和AI产品能力初期能够一步到位捕获到所有的业务需求。因此，Gartner建议构建一些规模偏小、可快速迭代的一些应用原型进行部署，经过短期的应用和试错验证，不断总结并进行更新，待成熟后大面积推广落地。
AI和大模型的开发和应用正走向理性
Gartner技术成熟度曲线显示，当下生成式AI、大模型无疑是去年很多报告中提及的“顶峰”，这意味着市场对相关技术的高度预期，但实际上，技术距离成熟还会存在很大的差别。事实上，过去对大模型或者生成式AI的大量尝试，让人们已经明显地感知这样的结论。Gartner注意到，企业对于AI实际能够产出的业务价值有更多理性的认知，最终相关技术也会不可避免从高峰慢慢跌落，然后走过低谷，缓慢爬升到“成熟期”。
方琦表示，生成式AI技术在整个市场推动下会有一波接着一波的热潮，最终将走向成熟。但其中的某些技术也不可避免地走向死亡、走向“冷静之谷”。
Gartner引导企业通过技术驱动业务
调研发现，59%的企业认为部署数据分析和人工智能首要的阻碍，是如何从异构复杂系统当中集成各种数据来源。
Gartner多年前就提出，以数据组装的方式，能够通过把数据仓库、数据集成、数据库、数据湖、人工智能和商业智能等不同应用以组装方式灵活调配，满足业务需求，这也要求对企业需求有更透彻的理解，并对这些核心能力适时更新，让技术能够更多地被复用。
Gartner为企业应对现实提供的帮助中最经典的莫过于“魔力象限”。针对数据分析和AI人工智能平台，Gartner以大量 “魔力象限”报告对厂商的能力进行横向和纵向评测。这一系列源自市场数据的报告成为企业客户的参谋指导和具体建议。
Gartner指出，在不得不面对当下这个不确定的世界，企业唯一的确定性就是通过AI等技术来驱动业务，通过数据和分析来改变业务、促成业务和转型业务，并使业务获得价值。
