这两点将是接下来数据与分析的关键

深入
这⾥的“深⼊”指对已成熟的技术提出了更⾼的要求。

第⼀个关键词是数字化。正如前⾯所述，为了保持，组织和社会的正常运转，我们将更多的组织形式，沟通形式等数字化。活跃在数字化平台的不同⻆⾊，产⽣了丰富的数据⾏为，实在的组织，由企业⽂化战略提供灵魂，分布在各地的成员由数字化的⼤⽹将组织依旧拉扯在⼀起，组织的实际构建形式是⾮常“赛博格”的，真实员⼯等于他的物理身份加上数字身份，现实⾏为也越来越和数字化的⾏为相互影响，难以分开界限。数据的分析对于真实的把握程度越来越⾼，基于此的决策也产⽣更深远的影响，由此数据和分析的᯿重要程度与⽇俱增。

第⼆个关键词是⼯程化数字化探索。新的分析⽅法的应⽤，初期可能是野蛮⽣⻓的，它本身组织的松散带来的负⾯效果，被质变带来的价值所掩盖，在应⽤逐渐成熟的时候，如何合理的组织这些⽅向各异，参差不⻬的数据⽣态，合理调度利⽤资源，让技术具有持续的动⼒，在旧有技术和成果的基础上⽣根发芽，就需要对已有的架构和⽅法进⾏⼯程化的处理，重振旗⿎继续发展。

第三个关键词是责任化。数字化的世界，不是法外之地，数字化的成果也要服务于⼈，⽆论是⼤数据还是⼩数据，⽆论是中⼼计算还是边缘计算，⽆论是BI分析还是⼈⼯智能，既然产⽣于⼈，作⽤于⼈，数字与真实也越来越纠缠不清，那么就更加要注意数据和分析本身的责任。数据与算法也是⼯具，也要注意它的双刃剑效应，遵循道德约束，保护隐私、遵守法规并尽量减少偏⻅。

数据和分析技术并不像核技术⼀样，会对⼈产⽣即刻显现的⻛险，然⽽他对于⼈们⽣活的影响的深远程度有过之而⽆不及，我们作为从业者更应对技术有敬畏之⼼，对⼈本身更加关照，不要让数据和分析的使⽤者和被作⽤者，受困于数据和分析，不然就是本末倒置了。

那么作为使⼀切都产⽣关联的图技术，又将在其中扮演着怎样的角色？

我们举三个例⼦，⾸先从数据准备的⻆度来看，在极⼤数字化的新常态下，如何识别数字⾯孔下的⾃然⼈是⾸当其冲的问题，在缺乏准确信息和匿名化的前提下，如果可以充分利⽤数据的崭新的组织形式，更好地对数据进⾏关联性分析，对于提⾼⾃然实体识别的准确性是有极⼤提升的，在此基础上进⾏数据分析会更加准确具有价值。

第⼆，对于分布在全球各地或者没有明确⽬的聚集在⼀起的数据，如何将⼈、物、事件等关联在⼀起，甚⾄如何将灵活多变的数据架构表达掌握，图都是个是⾃然的选择。

第三个是可解释的更负责任的AI，图强⼤的语义表达的能⼒，作为AI的承载形式，赋予了AI极⼤的可解释性，AI可解释是个基础，有了可解释才可以来判断是否负责任是否符合伦理和法规要求。我们看到世界既分散⼜关联，更多的数字化，对于分析更加实时和更加深⼊的要求、对于图分析功能的要求越来越⾼，除了⼯具本身外，是否具有丰富的探索经验，实践经验，是否可以在合乎成本的基础上完成⽬标，也是必不可少的需要关⼼维度。

2020已经走远，但它留下的痕迹，成为了2021年所有人的挑战。面对突如其来的变化，最好的办法就是改变。数据分析领导者只有越早放弃旧的奶酪，才能越早发现新的奶酪！