Gartner identifiziert Trends Die zehn wichtigsten Daten- und Analysethemen 2021

Autor / Redakteur: Martin Hensel / Nico Litzel

Die Marktforscher von Gartner haben die zehn wichtigsten Technologietrends rund um Daten und Analysen (D&A) für das aktuelle Jahr 2021 ermittelt. Sie sollen Unternehmen dabei helfen, angemessen auf Veränderungen, Unsicherheiten und Chancen zu reagieren.

Firmen zum Thema

Gartner hat die zehn wichtigsten Trends rund um Data und Analytics zusammengefasst.
Gartner hat die zehn wichtigsten Trends rund um Data und Analytics zusammengefasst.
(Bild: Gerd Altmann / Pixabay )

„Da die COVID-19-Pandemie sämtliche Organisationen mit einer sehr hohen Geschwindigkeit getroffen hat, mussten D&A-Führungskräfte Tools und Prozesse bereitstellen, um die wichtigsten Technologietrends mit dem größten potenziellen Einfluss auf den Wettbewerbsvorteil zu identifizieren“, erklärt Rita Sallam, Distinguished Research Vice President von Gartner.

Die folgenden zehn Trends sind in den kommenden Monaten laut den Marktforschern ausschlaggebend:

1. Intelligentere, verantwortungsvolle, skalierbare KI

Künstliche Intelligenz (KI) und Machine Learning gewinnen zunehmend an Einfluss. Unternehmen müssen daher neue Verfahren für intelligentere, weniger datenhungrige, ethisch verantwortungsvolle und belastbare KI-Lösungen finden. Durch den Einsatz solcher Systeme werden eine kürzere Time-to-Value und stärkerer Einfluss auf Geschäftsentscheidungen möglich.

2. Composable Data and Analytics

Offene, containerisierte Analytics-Architekturen fördern die Konzertierung von Analytics-Funktion. Dazu werden Komponenten aus verschiedenen Daten-, Analytics- und KI-Lösungen kombiniert, um schnell flexible und benutzerfreundliche Anwendungen zu erstellen. D&A-Führungskräfte können so Erkenntnisse mit Maßnahmen verbinden. Zudem stellen Composable Data and Analytics einen agilen Weg dar, um Analytics-Anwendungen auf Basis von Cloud-Marktplätzen sowie Low- und No-Code-Lösungen zu erstellen.

3. Data Fabric als Grundlage

D&A-Führungskräfte nutzen zunehmend die Data Fabric, um in Zeiten von Digitalisierung und emanzipierten Verbrauchern ein höheres Maß an Vielfalt, Distribution, Umfang und Komplexität ihrer Datenbestände zu erreichen. Dabei setzt die Data Fabric auf Analytics, um kontinuierlich Data Pipelines zu überwachen. Zudem werden laut Gartner durch die durchgehende Analyse der Datenbestände Integrations- und Entwicklungszeiten um 30 Prozent und die Wartungsdauer um 70 Prozent reduziert.

4. Von Big zu Small und Wide Data

Im Zuge der Corona-Pandemie haben sich die Geschäftsabläufe verändert. Machine-Learning- und KI-Modelle auf Grundlage großer Mengen historischer Daten verloren an Relevanz. Gleichzeitig wurde die Entscheidungsfindung von Menschen und KI komplexer und anspruchsvoller, weshalb D&A-Führungskräfte für einen besseren Überblick eine größere Datenvielfalt benötigen. Hier bieten sich vor allem Analysetechniken an, die vorhandene Daten effizient nutzen. Wide Data ermöglicht hierbei die Analyse und Nutzung von Synergien einer Vielzahl von strukturierten und unstrukturierten Datenquellen, während Small Data auch aus wenigen Daten noch nutzbringende Erkenntnisse generiert.

5. XOps

XOps – einschließlich DataOps, MLOps, ModelOps und PlatformOps – sollen mithilfe von DevOps-Best-Practices für Effizienz und Skaleneffekte sorgen sowie Zuverlässigkeit, Wiederverwendbarkeit und Wiederholbarkeit sicherstellen. Gleichzeitig werden Technologie- und Prozess-Dubletten reduzieren und Automatisierung begünstigt. Setzen D&A-Führungskräfte bei der Operationalisierung in großem Umfang auf XOps, sorgen sie laut Gartner für Reproduzierbarkeit, Nachvollziehbarkeit, Integrität und Integrierbarkeit ihrer Analysen und KI-Assets.

6. Engineering Decision Intelligence

Dieser Trend bezieht sich nicht nur auf einzelne Entscheidungen, sondern berücksichtigt auch entsprechende Abfolgen. Es entstehen dabei Geschäftsprozesse und ganze Netzwerke aus Entscheidungen und deren Konsequenzen. Da Entscheidungen zunehmend automatisiert getroffen werden, können D&A-Verantwortliche mittels Engineering Decision Intelligence unter anderem für höhere Treffsicherheit und Transparenz der Vorgänge sorgen.

7. Daten und Analysen als Kernfunktion

Daten und Analysen entwickeln sich zunehmend zu einer wesentlichen Funktion in Unternehmen. Sie entwickeln sich zu einem gemeinsamen Asset, das auf Geschäftsergebnisse ausgerichtet ist. Zudem brechen immer mehr D&A-Silos dank einer besseren Zusammenarbeit von zentralen und verbundenen Teams auf.

8. Graphen im Aufwind

Gartner geht davon aus, dass Graph-Technologien bis 2025 in 80 Prozent aller Daten- und Analyseinnovationen zum Einsatz kommen und schnelle Entscheidungsfindung im gesamten Unternehmen ermöglichen. Sie stellen Beziehungen zwischen Personen, Orten, Dingen, Ereignissen und Standorten über verschiedene Daten-Assets hinweg dar. Graphen erleichtern damit die Beantwortung komplexer Fragestellungen, die Kontextbewusstsein und ein Verständnis für Verbindungen und Eigenschaften über mehrere Instanzen hinweg benötigen.

9. Der Augmented Consumer naht

Viele Geschäftsanwender verlassen sich auf vordefinierte Dashboards und manuelle Datenexploration, was zu falschen Schlüssen und letztlich fehlerhaften Entscheidungen führen kann. Laut den Marktforschern wird dieser Vorgang verstärkt durch automatisierte, mobile und dynamische Insights ersetzt, die direkt auf die Bedürfnisse der Benutzer zugeschnitten sind. „Dies verlagert die analytische Macht auf den Informationskonsumenten – den Augmented Consumer – und verleiht ihm Fähigkeiten, die bislang Analysten und Data Scientists vorbehalten waren“, erklärt Rita Sallam.

10. Daten und Analysen am Edge

Daten, Analytics und artverwandte Technologien finden sich zunehmend in Edge-Computing-Umgebungen, die sie näher an physische Assets und aus den klassischen IT-Umgebungen herausbringen. Gartner erwartet, dass bis 2023 über die Hälfte der Hauptaufgaben von D&A-Führungskräften auf Daten aus Edge-Umgebungen beruhen wird. Diese Entwicklung bietet eine Reihe an Vorteilen, die unter anderem größere Flexibilität und Sicherheit im Datenmanagement, die Unterstützung von Echtzeit-Analysen sowie den Einsatz autonomer Systeme reichen.

(ID:47306453)