2026年数据分析和人工智能规划指南-Gartner

Gartner,Inc.|G00837539第1页，共28页主题：面向技术专业人员的数据分析和人工智能；数据和分析解决方案的架构、实施及扩展；2026年，企业必须在加速推进AI价值。为实现这一目标，数据和分析技术专业人员需充分利用所有可用数据，设计模块化、灵活的架构，并建立稳健的治理机制以确保可概述.数据分析技术与AI的融合，使得企业能够通过对话式界面对结构化和非结构化的数据进行.越来越多的企业已将生成式AI用例投入生产环境。大多数实施方案侧重于提高生产率，同.围绕生成式AI的风险认知增强以及监管审查升级，加剧了企业的担忧，导致审批与落地进.企业在利用数据提升竞争优势和优化决策方面承受着越来越大的压力。同时，随着技术与产品的快速迭代，组织在技能、方案落地及风险意Gartner,Inc.|G00837539第2页，共28页.利用结构化和非结构化的企业数据构建全局视图，借助AI智能体和嵌入式模型推动敏捷决策。采用网格化分析方法，确保分析开发、.推动AI能力从助手型应用向AI驱动的业务工作流演进，以提升业务影响和价值。审慎筛选高优先级用例，将其整合到业务流程工作流中.将控制措施直接内嵌于架构之中，从而加强AI治理。推动架构评审委员会（ARB）参与建.依托有效的变革管理，实施数据与AI素养提升计划，加速AI分析与解决方案的落地应用。分析和人工智能趋势.企业数据往往杂乱且结构多元，而多数分析工具仍仅适用于管理完善的结构化数据。.诸如MicrosoftCopilot等AI工具虽能快速提升生产力，但当AI赋能完整工作流而不仅仅Gartner,Inc.|G00837539第3页，共28页.AI领域持续扩展，与之相伴的是更高的预期与预算投入。若缺乏有规划、有重点的投资，为保持领先，组织必须加强团队技能培养与提.分析和AI解决方案需具备对结构化和非结构化数据的全局视角。.从AI助手向AI驱动工作流的转变将需要融合多种AI技术。.AI投资的持续增长要求企业高度重视AI治理与AI素养建设。分析和分析和AI解决方案需具备对结构化和非结构化数据的全局视野●重构语义层，为分析与AI领域的未来发展提供支撑●采用分析网格来治理分析运营●提升数据消费技术专家的分析工程技能AI投资的持续增长要求企业高度重视AI治理与AI素养建设●将AI治理管控机制嵌入技术架构●扩展架构评审委员会职能，以涵盖AI应用评估●推行AI素养提升计划，促进AI解决方案的应用与普及从AI助手向AI驱动工作流的转变需融合多种AI技术●基于业务影响选择AI用例●定义模块化、成本优化的架构，以实现企业级规模化部署●采用AI智能体架构，作为AI工作流的核心支撑Gartner,Inc.|G00837539第4页，共28页长期以来，企业数据管理策略与技术主要聚然而，随着技术的不断进步，整合多类数据并提供对话式界面的能力，正带来根本性的变革。这一转变为企业开辟了新路径：从单纯依赖交互式仪表板，转向基于提示、问题驱动的分析模式。数据分析师与业务领导者可借助该方法实现灵活敏捷且基于问题的决策制定。但需要注意的是，提供此类能力的技术与解决方案仍处于发.重构语义层，为分析与AI领域的未来发展提供支撑。.依托分析网格治理分析运营。.提升数据消费技术专家的分析工程技能。语义层是一个抽象层，为多种来源的数据提供一致且统一的数据视图。它将复杂的数据结构和技术术语转化为常见的业务术语和概念。传统方法涉及整合各种结构化数据源，通过隐藏复杂的表关联关系、以业务语言呈现字段，最终构建出便于业务理解的数据视图。随着技术进步，语义层正扩展为复合型架构。图2展示了知识图谱支撑语义层、连接并建模结构化和非结构化数Gartner,Inc.|G00837539第5页，共28页一直以来，数据管理团队负责管理结构良好的数据源，其工作重点为结构化数据。然而，生成尽管取得了这些进展，但在结构化数据查询与非结构化数据分析之间，仍然存在操作上的隔阂。分析领域的未来发展重心，在于弥合这一差距，从而提供所有数据的全局视图。此方法旨在普Gartner,Inc.|G00837539第6页，共28页.生成SQL查询，以识别上个月提交产品评价的客户，并筛选出其购买产品销售额下降10%.利用该客户名单检索其提交的评价内容。.运用LLM或BERT进行情感分析，识别负面评价或投诉。.调用RAG工具提取并总结客户投诉要点。.综合SQL查询与RAG工具的结果，生成全面的摘要报告。.基于知识图谱的语义层：在初始步骤中，LLM需识别与产品销售额、销售日期、客户标识将业务定义与数据库中的表及字段进行关联，是至关重要的一步。该元数据应明确界定产品表与客户表之间的关系，而这种关系可借助知识图谱或其他语义层工具进行管理。语义层还可进一步扩展，以提供非结构化内容中各类实体之间的映射，并将其与结构化数据相.AI智能体：AI智能体充当协调者的角色，负责规划并对执行步骤进行排序。它利用具备推可能需要根据元数据映射进行微调。该协调智能体还可调用以下专用智能体：如负责文本.情感分析模型：可采用LLM或更轻量的BERT模型，接收文本片段作为输入，并输出情感Gartner,Inc.|G00837539第7页，共28页这些组件的有效性取决于所有数据源及数据对象的元数据质量和完整性。业务团队须与数据管.《重构语义层，为分析与AI领域的未来发展提供支撑》.《如何评估知识图谱在特定用例中的适用性》.《如何运用知识图谱提升RAG性能》.《生成式AI如何重塑分析与商业智能平台》.《数据和分析专业人士须知：生成式AI在分析领域应用的未来展望》析工作则由集中式团队与业务部门团队共同承担，或由业务部门内的单个或多个团队负责。此这一模式使得集中式IT团队能够），仪表板开发的最佳实践。尽管如此，自助式分析仍面临协作不足、可复用性低、交付平台分散、互操作性欠缺以及仪表盘泛滥等诸多问题。这些挑战要求企业对分析工作的开发、部署与治理分析网格将联邦式架构、治理体系与以产品为中心分析网格将联邦式架构、治理体系与以产品为中心Gartner,Inc.|G00837539第8页，共28页分析网格（参见图3）是一种组织架构模式运营所面临的挑战。在该模式下，各领域能够实现半自主运作，同时遵循统一的治理与互操作构●数据准备●数据科学和机器学习.联邦式技术架构：在业务部门内系统化运作分布式、可组合的技术分析能力.联邦式/自适应治理：采用协调一致的共享治理模式，实现共同决策控制.领域主导权与协作：依托领域及技术专长赋能业务单元，提供持续培训支持并促进知识共享Gartner,Inc.|G00837539第9页，共28页.产品交付模型：所有权从成果交付转向以产品为中心的交付与支持模式。这四大支柱虽各自应对分布式分析中的特定挑战，但其真正的效能来自相互关联、协同运作形.《依托分析网格，赋能分析运营的扩展与治理》.《如何治理并扩展现有自助式分析计划》在分析平台整合多种结构化与非结构化数据源的过程中，建立对业务背景和数据的统一认知就显得尤为重要。企业可通过实施复合语义层（可能包含知识图谱）来实现这一目标。健全的语一直以来，数据工程师专注于构建数据管道，将数据转换为适配目标架构的形式。相比之下，复合语义层则需要采用不同的方法。它必须提供将业务背景与技术数据结构相连接的元数据映尽管数据工程师精于数据的组织与迁移，但语义层的开发与维护工作，却暴露出数据工程团队在能力与职责上的新缺口。为此，企业需要兼具技术数据专长与业务洞察力的分析工程师来管.专精于针对分析消费场景创建并扩展数据资产、模型及构件（包括指标存储库、数据集市Gartner,Inc.|G00837539第10页，共28页.将数据工程最佳实践（如代码版本控制、持续集成/持续部署、环境与构件管理及工作