在过去的12个月里，影响数据管理和分析的顶级趋势是生成式AI代理的兴起。

另一个趋势是数据平台（包括数据库、数据仓库、数据湖和数据湖屋）继续转型作为AI开发环境。还有一些趋势是越来越强调数据质量和AI治理日益重要。

数据目录供应商Alation产品管理副总裁Diby Malakar说：“每次与客户交谈时，他们都说他们正在用GenAI做更多事情，或者至少在考虑它。他们谈论的前几件事是如何管理这些资产——AI模型中的资产、功能存储以及任何可以输入AI的内容或机器学习生命周期。”

但这些只是影响2024年数据管理和分析的部分趋势。主要还是受到2022年底开始的对AI发展兴趣激增的影响，当时OpenAI推出ChatGPT标志着生成式AI技术的显著改善。

当与企业的专有数据相结合时，生成式AI模型可以使员工更有知识和效率。因此，企业自然而然地在AI开发方面投入大量资金。数据管理和分析供应商已经做出回应，认识到市场对简化数据使用来训练模型和应用程序的工具的需求。

这些需求形成趋势。以下是过去一年出现的6项最重要的事情：

代理AI的出现

在2024年开始时，供应商们最终交付了他们在2023年推出的生成式AI助理，但随着一年的发展，这些助手正在变得过时。

这些AI助手支持自然语言互动。但是它们是被动的。它们要求用户通过提问来参与自然语言界面。有些助手足够成熟，可以提出后续问题，导致更深入的分析，而另一些助手至少允许用户提出后续问题，而不会丢失线程。

在整个2024年下半年，代理AI迅速崛起。

代理AI工具是主动的，而不是被动的。与之前的助手不同，它们可以自主行动。

ISG Ventana Research的分析师David Menninger在9月表示：“市场正在转向代理AI和代理分析。构建代理而不是依赖仪表板，这代表企业如何利用数据的范式转变。代理可以根据数据启动操作，而不是数据出现在仪表板中，数据解释留给人员查看。”

同样，谷歌云数据、分析和AI战略主管Yasmeen Ahmad表示，开发AI代理是企业AI演变的下一阶段。

谷歌云是目前开发AI代理并为客户提供工具的公司之一。Looker是这家科技巨头的主要分析平台，正在对生成AI采取代理方法。

Databricks、Qlik、Salesforce、Snowflake和ThoughtSpot等供应商也是如此。

例如，ThoughtSpot在11月推出了Spotter，这是一个生成式AI代理，可以理解上下文并不断学习，以更好地了解企业的运营。Salesforce的子公司Tableau于9月推出了Tableau Einstein，这是其以代理AI为核心的BI平台的全新版本。Databricks在6月推出了Mosaic AI代理框架，以实现代理AI的开发。

Ahmad在8月表示：“对于数据代理，不是人类拿来数据并要求提供见解或提高数据质量，而是代理在监控数据，寻找异常，提出见解，建议语义建模指标进行监控。我们正在从一个被动的世界转向一个生成式AI积极主动地支持数据分析生命周期的世界。”

不断发展的数据平台

不久前，数据管理和分析的主要目的是使客户能够准备和分析数据。

Databricks和Snowflake等数据管理供应商提供了基于云的平台来存储数据，使客户能够轻松访问其数据进行分析。然后，MicroStrategy和Qlik等供应商提供了创建和查看报告和仪表板的平台，从而得出见解和决策。

现在，它们都正在成为AI平台。

自OpenAI推出ChatGPT以来，很多数据管理和分析供应商的主要重点一直是开发环境，使客户能够构建生成的AI驱动模型和应用程序。

Menninger在11月表示，所有数据平台供应商都在提供AI/ML功能方面进行大量投资。

例如，Databricks在2023年以13亿美元收购MosaicML，为AI开发奠定基础。在过去的两年里，他们还开发与Mistral AI和Anthropic等大型语言模型（LLM）开发人员的集成，构建了自己的LLM，并公布了模型质量和AI治理能力。

同样，宿敌Snowflake开发了与LLM提供商的集成，构建了自己的LLM，并使用Cortex AI为客户创建环境以创建AI工具。Cortex AI包括AI可观察性和容器化存储等功能，以安全地管理AI模型。

此外，科技巨头AWS、谷歌云和微软，以及从Accenture到Zoho的专家也将AI开发作为其产品开发的焦点。

然而，SnowflakeAI主管Baris Gultekin表示，随着对AI开发的兴趣激增，过去两年只是数据管理和分析新时代的开始。

他在3月份说：“说到AI，我想说每个人都处于旅程的开始，而我们进展得非常快。总的来说，发展速度，发展步伐，都令人难以置信。”

AI照进现实

在ChatGPT首次发布约三个月后，数据管理和分析供应商的第一个生成式AI开始推出。

Pyramid Analytics、ThoughtSpot和Sisense等供应商公布了与LLM供应商的整合。通过集成，他们计划开发AI驱动的助手，使客户能够使用自然语言来处理他们的数据，而不是代码。

很多其他供应商也开始效仿。他们承诺各种工具，这些工具将使几乎任何员工都能获得决策智能能力，并承担繁重的编码和文档任务，以提高专家的效率。

然而，大多数在首次推出时甚至还没有预览版。在整个2023年，我们看到很多承诺，但这些承诺很少实际兑现。

IDC分析师Stewart Bond在4月表示：“在过去的一年里，我们看到数据智能软件中出现了很多生成式AI的应用，但主要是在研发实验室和演示中，这些应用可能或可能没有涉及假象。”

2023年底，当MicroStrategy等供应商开始全面提供生成式AI驱动功能时，这种变化开始发生变化。在整个2024年，很多其他供应商也效仿，生成式AI的承诺开始实现。

Informatica和Dremio等数据管理专家推出了AI助手，Tableau和Qlik等分析专家也推出AI助手。

此外，数据平台供应商（Databricks和Snowflake）以及科技巨头都全面提供生成式AI驱动的功能，以及旨在帮助客户开发自己的生成式AI应用程序的功能。

一家企业成功利用2024年推出的AI开发功能，这就是PowerSchool。该教育技术供应商的平台被美国和国外的17,000个学区使用。

该公司使用Snowflake和微软的技术，开发了PowerBuddy，这是一个AI驱动的生成助手，允许用户使用自然语言与数据进行交互。

PowerSchool首席产品和创新官Shivani Stumpf在11月表示：“任何用户都可以提出自然语言问题。这里概念是，教育领域的每个人，无论你是家长、学生、管理员、辅导员、校长，都可以快速获取与他们相关的信息。”

对数据质量的需求

随着AI发展的激增，对于AI助理、代理和对企业有价值的其他应用程序，用于培训和丰富应用程序的数据需要高质量。

因此，数据质量变得越来越重要。

AI模型和应用程序由数据训练。这就是赋予它们智慧的原因。因此，模型和应用程序只与提供它们的数据一样好。

如果数据不准确、不一致、不完整或过时，模型和应用程序提供的输出将反映这一点，并且不值得信任。后果可能包括，由于输出不可信AI应用程序被弃用，到财务损失、违反监管和重大失误。

然而，如果数据质量高，如果数据完整、一致、准确和及时，模型和应用程序输出将更有可能正确和值得信赖。这里的好处包括广泛使用数据来为决策提供信息，这已被证明可以刺激增长，以及提高效率，这也有助于提高企业利润。

MicroStrategy首席产品官Saurabh Abhyankar在9月表示：“数据质量真的非常重要，我们正在从手工创建仪表板和报告的世界转到希望利用AI进行大规模分析的世界。要做到这一点，必须确保数据质量。”

然而，长期以来，确保数据质量一直是企业面临的挑战。企业现在收集的数据量呈指数级增长，加上数据日益复杂，使其更具挑战性。

TreeHive Strategy公司创始人兼负责人Donald Farmer表示，为了尽可能确保仅使用高质量的数据来训练AI工具，需要有人类监督自动化流程（例如矢量搜索、检索–增强生成和数据可观察性），他们在必要时可以进行干预。

他在9月表示：“数据质量强调可自动化的流程，识别需要比以前更少专业知识的数据清理流程。这就是正在改变的地方。我们正试图在更大的规模上做事，而在这种规模人类无法实现。这个过程是否可以被审计非常重要。”

AI治理的出现

尽管对数据质量的高度重视有助于确保AI模型和应用程序提供正确的输出，但企业仍然需要确保他们正确地使用AI工具。

就像不良数据会导致企业受影响，AI模型和应用程序的不当使用也是如此。

几十年来，数据被保存在本地数据库中，并由企业的IT部门监督，分析师必须提交申请来开发报告和仪表板。由于对数据的访问有限，不需要数据治理。

然后是自助服务分析的时代，Tableau和Qlik等供应商提供平台，使非专家能够访问和分析数据。当访问数据不再仅限于训练有素的专家，企业就需要数据治理框架，使业务用户能够自信地处理数据，并限制他们使用数据，以保护企业免受意外伤害。

现在，AI正在发生同样的演变。

长期以来，机器学习、预测分析和其他形式的传统AI一直是数据科学团队的领域。生成式AI改变了这一点，使AI能够更广泛地用于决策。现在几乎任何员工都可以对企业的数据提出问题。

BARC U.S.的分析师Kevin Petrie表示，如果不遵守适当的做法和政策，不当使用AI工具可能会产生与训练不力的模型和应用程序相同的后果，包括准确性差、有偏见的输出、不遵守法规和财务损失。

他在9月表示：“如果这些风险没有得到适当的控制和减轻，你最终可能会受到监管处罚或成本损失–与合规、愤怒或疏远客户相关，你最终可能会遇到瓶颈的运营流程，因为AI的预期效率效益将无法实现。”

Petrie继续说，随着人们对AI开发的兴趣激增，很多企业尚未开发AI治理框架。然而，很多数据管理供应商（例如Alation和Collibra）现在正在添加AI治理工具，使客户能够更好地确保AI的正确使用。

Constellation Research公司分析师Doug Henschen在10月表示，作为一项数据驱动的活动，AI的发展必须像我们管理数据一样严格地管理，因此它是数据治理计划的自然延伸。“企业需要帮助来应对这些挑战，所以很高兴看到……供应商添加功能来解决AI特定风险和新出现的监管要求。”

资金回流

投资者曾经喜欢数据管理和分析供应商。

在整个2010年代，随着分析成为一种更受欢迎的决策手段，金融家们看到了机会。2020年，当新冠肺炎疫情爆发时，实时分析变得至关重要，这一情况有所增加，数据为企业提供了决策的情报，使他们能够在不断的变化中生存下去。

2020年9月，Snowflake成为美国软件公司历史上规模最大的首次公开募股。随后，仅在2021年，10家数据管理或分析供应商就执行了1亿美元或以上的融资，包括Databricks，当年2月筹集了10亿美元，Confluent筹集了8.28亿美元。

此类供应商在2022年初继续吸引资本，Sigma Computing和Pyramid Analytics的融资回合超过1亿美元。

但随后，一系列事件的发生，包括俄罗斯入侵乌克兰、反复的供应链问题、利率上升和对经济衰退的担忧加剧，导致了经济的不确定性。

随着整个股市的下跌，科技股大幅下跌。裁员增加。风险资本资金枯竭。

只有Databricks和其他少数数据管理和分析供应商能够在2022年下半年和2023年全年筹集资金。

2024年，虽然资金不像几年前那样涌入数据领域，但我们仍然看到Cribl、Aerospike和Sigma各筹集了1亿美元以上，Ocient和Coalesce等其他公司吸引了约5000万美元。

ISG Ventana Research公司分析师Matt Aslett在4月表示，鉴于整体经济环境，近年来筹集风险资本有些困难。“但资金仍然可用……用于具有有吸引力、差异化价值主张的分析和数据软件提供商。”

在某种程度上，这里的价值主张是AI。

AI供应商本身正在筹集大量资金。例如，OpenAI在2024年筹集了超过100亿美元，而开发生成式AI模型的Claude系列的Anthropic今年筹集了约70亿美元。

Informa TechTarget企业战略小组分析师Stephen Catanzano表示，吸引投资者的是，提供可用于开发AI模型和应用程序的工具的数据管理和分析供应商。

他在4月表示：“那些吸引资金的供应商都在增加AI支持能力，以追逐AI工作负载市场。我认为供应商看到大规模的AI市场预测，他们很容易表明他们可以分得一杯羹，但他们需要更多的钱，并且吸引注意力。”