高德納在其最新報告中預測，以“啟動企業的活力和多樣性”為主題的數據和分析趨勢包括自適應人工智能系統、以數據為中心的人工智能、基於“元數據”驅動的數據編織和始終分享數據。
高德納高級研究總監孫鑫分析這一類趨勢時指出，這4項趨勢都是圍繞著“如何能更有效地提升數據活力”。“其實對於很多的企業來講，疫情成為數字化轉型的契機，這幾年，“數字化”會變成剛需”，他指出，“以人工智能為例，我們現在看到的一個挑戰是，人工智能解決方案很大程度上取決於數據的品質，不是說人工智能的模型建立好就可以了，很多實際應用非常依賴有效的數據管理。高德納在研究中發現，以數據為核心的人工智能將會不斷發展，它擴展的學科也會越來越多，包括數據管理技術、數據品質、數據集成、數據治理，這些都將成為人工智能的基礎能力。”
高德納的另一項調研結果則顯示，如果可以更好的利用“數據編織”的手段、利用“元數據”管理數據源，可以有效降低繁瑣的手動數據管理工作。據其預測，到2025年，數據利用率將提高到現在的400%。高德納預測的第二類2022年數據和分析趨勢包括背景豐富的數據分析、業務模組組裝式數據分析、決策驅動的數據分析，以及數據分析能力和素養的缺失。這類趨勢的共同主題是如何在越來越複雜、多樣的數據環境中增強人的能力，以提高業務決策。
根據高德納的預測，到2025年，情境(場景)驅動的數據分析和人工智能模型將取代60%建立在傳統數據上的現有模型。數據分析驅動決策將漸漸轉變成決策驅動數據分析。與此同時，數據分析人才的匱乏將困擾企業管理者。
與之相應，高德納提出“融合團隊”的概念，即融合IT人員與業務人員，合作完善數據決策。業務人員將變成最主要的數據分析和開發應用人才，IT人員可輔以培訓、運維職能，“IT人員從原來幹活的人變成賦能的人”。“考慮到‘人’的因素的企業將更容易獲得成功。”孫鑫指出，“以人為本的數據分析，需要去培養人員更廣泛的數據素養、對於數據分析的學習能力，而不是單純地去搭建平台或給予數據。
這就是高德納對數據素養缺失現象的預測和給出的方案。”高德納預測的第三類數據和分析趨勢包括互聯治理、風險管理、廠商和地區生態系統，以及向邊緣的拓展。這一類趨勢與建立數據分析的信任機制相關。
孫鑫強調，“使用數據分析有一個大前提，那就是能夠信任數據，如果要實現無處不在的數據分析能力，把信任制度化也是非常重要的，互聯治理將是必要採取的舉措”。在他看來，未來的“互聯治理”將包括數據品質、數據安全、數據隱私、數據道德，以及對數據的定義模型等要素◆
