根據Gartner的預測，到2023年60%的企業機構將組裝三個或更多分析解決方案中的組件，從而建立以決策為導向的應用并在其中加入將洞見與行動相聯系的分析技術。

[[387124]]

由于一般情況下數據和分析投資與業務應用開發的投資是分開的，因此很難在應用開發中融入或沉淀可復用的數據和分析能力，這與許多中國企業對中臺的痛點是類似的。各企業機構都希望能夠靈活地組裝或反復組裝數據和分析能力，這樣他們就能夠通過應用將更多的分析洞見和數據參考融入到業務行動中(見圖一)。

(圖一、組裝式數據和分析)

今天的商業智能(ABI)和數據科學與機器學習(DSML)市場已不是零和游戲。沒有一個供應商或工具能以同一水平提供所有能力。一次性實施完整的數據和分析平臺也不切實際，所以很多公司都分階段實施。

Gartner2020年魔力象限客戶調查顯示，許多大型企業擁有不止一個“企業標準”商業智能工具，41%的企業表示他們擁有多個標準。

企業需要更先進、更靈活的分析能力來支持、增強和自動執行決策。從過去到現在，新技術和數據一直是推動分析平臺發展的關鍵動力，這往往減少了與業務成果的直接關聯。企業機構將需要一個組裝式架構讓用戶能夠從業務問題出發，將來自多家廠商的數據和分析能力組件組裝到一起。

組裝式數據和分析運用容器化或微服務化的架構和數據編織(Data Fabric)，將現有資產組裝成靈活、模塊化、可復用且對用戶友好的數據和分析能力。這能夠將獨立的數據管理和分析應用轉化為數據、分析與其他應用能力模塊的組合體，通過使用低代碼和無代碼能力等組裝技術支持自適應和智能的決策。

組裝式數據和分析是2021年數據和分析的主要趨勢之一，其原因如下：

第一，Gartner調查顯示，大多數企業都有一個以上的“企業標準”商業智能工具。將每個能力模塊(與其他能力模塊)組裝成新的能力模塊將成為一個日益重要的分析應用構建方法。

第二，在全球遭受新冠疫情重創之后，獲得數據洞見和實現敏捷的速度已成為首要要求。模塊化數據和分析能力將使用戶能夠對變化做出靈活的反應，并且更快、更主動地提供業務應用。

第三，容器化或微服務化的ABI和DSML平臺通過經過改進的API，能夠以更靈活的方式組裝分析應用。

第四，對于大多數企業來說，人工智能(AI)還處于試點階段，但商業智能(BI)已經投入使用多年，AI能力需要與BI能力組裝以投入到生產環境。

企業可以通過組裝將BI與AI相連接，進而擴展BI能力，為用戶提供一個綜合全面、量身定制、甚至是個性化的解決方案，而且無需跨平臺使用。另外，云市場也正在成為企業發布和分享模塊化分析能力的一個有效渠道。

鑒于這一點，需要對組裝式數據和分析的影響進行相應的研究：

第一，在開發應用的同時，從單獨的數據管理和分析應用向組裝式數據和分析能力過渡，從而組裝出自適應智能決策的解決方案。企業機構可以使用來自數據和分析領域的擴展API與應用銜接。應用開發者可以通過提交集成套件為數據和分析市場(Extensions Gallery)做出貢獻，這將促進更多組裝式和增值應用模塊的開發。

第二，組裝流程需要數據和分析與應用團隊合作完成，重點是將注重技術的集成式應用轉化為面向業務的問題解決方案。

第三，根據情況組裝具有描述性、診斷性、預測性和指示性分析能力，在決策過程中產生數據洞見。分析技術可以為決策提供信息，并以一種更緊密、連續和基于背景的方式推動有效的行動。

第四，企業可以通過組裝不同廠商的最佳能力來創建高級分析能力，而不是在不同的平臺上單獨使用它們。

第五，一般情況下由IT部門實施嵌入式分析，其主要目的是獲得儀表盤和報告。企業用戶可以使用低代碼或無代碼能力來組裝出更多的能力，例如交互式可視化和預測建模等，從而讓嵌入式分析變得更加豐富全面。

最后，云市場正在成為企業發布和分享分析應用的有效渠道，而組裝式數據與分析使他們能夠輕松找到所需的組件并通過加入分析功能來增加應用價值。

綜上所述，數據和分析高管應該：

第一，通過加入和組裝可復用的模塊化數據和分析能力，改善數據和分析的決策和業務影響;

第二，將先進的數據科學和機器學習能力嵌入到分析應用中，然后運用組裝式分析來推動創新;

第三，通過建立一個由應用開發人員和業務分析師組成的長期合作團隊，把握各種將分析能力添加到應用中的機會并重新思考組織架構、流程和技能，為分析服務的敏捷組裝和反復組裝提供支持;

最后，在云中試點組裝式分析，通過建立一個分析應用市場來推動和支持協作和共享。