2022 年的 10 个大数据和分析解决方案

2022 年将是大数据、人工智能和分析的分水岭，更多公司期待切实的业务成果。但从 IT 的角度来看，仍有许多工作要做。以下是针对 IT 的 10 个新年大数据解决方案。

1. 建立数据保留政策

许多组织刚刚将罐子踢到了这个领域，完全避免了大数据保留的讨论。这可能是因为担心如果公司被迫为诉讼进行法律发现可能需要什么——但很可能是因为没有人腾出时间来保留数据。

参见：电子数据处理政策 （TechRepublic Premium）预计到2025 年全球数据将增长到 180 泽字节，而大数据占这些数据的 80%，2022 年是制定大数据保留政策并消除不需要的数据的时候了。

2. 定义大数据在数据结构中的角色

为了打破部门系统孤岛并为每个人提供跨组织的数据以进行分析和决策，IT 部门应该专注于将大数据以及更传统的结构化数据引入它构建的数据结构中，以连接所有这些孤岛和存储库。

3. 开发更多的无代码和低代码分析应用程序

为分析实施无代码和低代码报告工具可以更快地将更多分析报告交到最终用户手中，同时减轻 IT 工作负载。

4. 重新评估已部署应用程序的商业价值

将分析应用程序投入生产固然很好，但它现在对企业的工作效果是否与两年前首次部署时一样？

业务不断变化。分析解决方案继续关注的内容与业务现在的需求之间必然存在“偏差”。

到 2022 年，有必要审查您当前部署的分析应用程序的有效性，以了解它们的性能如何以及它们是否仍然满足设计用于业务用例的需求。

5. 制定应用程序和数据维护策略

与结构化数据和应用程序一样，那些使用大数据和分析的应用程序也需要维护。然而，许多部署分析和大数据的组织并没有为维护而锁定程序。生产中的大数据和分析已经达到了应该开发和实践维护程序的成熟度。

参见：  Snowflake 数据仓库平台：备忘单（免费 PDF）  （TechRepublic）

6. 提升 IT

为了支持大数据运营和分析，员工需要新的 IT 技能。这可能需要在数据分析、数据科学、大数据存储和处理管理方面进行额外培训，以及使用新开发工具（例如低代码和无代码分析）的能力。

7. 审查安全、隐私和可信来源

特别是大数据可以从各种第三方来源获取。应定期审查这些来源是否符合企业安全和隐私标准，您自己的内部大数据也应如此。

8. 评估供应商在大数据和分析方面的支持

许多供应商提供大数据和分析工具，但并非所有供应商都在您需要时提供相同程度的支持。这是与供应商合作的重要做的过程中重点项目，在使用大数据和分析工具，您的员工，以及指导提供积极的支持。如果您正在与不提供您正在寻找的支持级别的供应商合作，最好找到提供支持的供应商。

9. 改进支持客户体验的大数据和分析

几乎每家公司都希望改善其客户的体验。这个过程的核心是开发面向客户的自动化和帮助帮助，以帮助客户获得请求、问题和问题的答案。

使用 NLP（自然语言处理）和 AI（人工智能）来解释客户情绪和参与对话的面向客户的系统（例如聊天、电话服务员等）的自动化还远未成熟。

专注于提高这些领域 NLP 和 AI 性能的公司将受益。

10. 在高层更新大数据和分析讨论

当大数据和分析开始在组织中实施时，就开始了对大数据和分析的第一次重大讨论。现在这些技术更加成熟，正在进入企业系统主流。2022 年是 CIO 与其他 C 级高管和利益相关者重新召开会议以回顾 AI 和分析进展并确保他们对后续步骤的支持的好年头。