川海智库

报告概述

本报告由Gartner于2025年10月发布，旨在帮助企业在2026年加速推进数据分析和人工智能落地并最大化业务价值。报告聚焦于三大关键趋势：分析和AI解决方案需具备对结构化和非结构化数据的全局视野；从AI助手向AI驱动工作流的转变需融合多种AI技术；AI投资的持续增长要求企业高度重视AI治理与AI素养建设。报告为数据和分析技术专业人员提供了架构设计、用例筛选、技能提升及治理机制等方面的具体建议，适用于正在规划或已启动AI转型的企业。

报告的核心结论

分析和AI技术融合要求企业整合结构化和非结构化数据。

报告指出，传统分析工具主要处理结构化数据，而生成式AI已能挖掘非结构化数据的价值。企业需利用知识图谱构建复合语义层，并借助AI智能体协调多种组件（如文本转SQL、RAG、情感分析），实现自然语言驱动的跨数据类型分析。

从AI助手向AI驱动工作流的转变是企业实现业务转型的关键。

大多数企业已部署生成式AI用例，但多集中在提高生产率层面，面临用户接受度低和投资回报难量化等挑战。报告建议企业筛选高优先级用例，将其整合到业务流程工作流中，而非孤立任务，以释放更大业务影响。

AI治理需内嵌于技术架构，以应对风险与监管压力。

生成式AI的黑箱特性以及安全性、数据隐私和可靠性担忧导致审批进程延缓。企业应将控制措施直接嵌入架构，并通过架构评审委员会建立评估框架，持续审计AI技术产品与架构决策。

企业需通过数据与AI素养提升计划加速AI落地。

技术与产品快速迭代使组织在技能和风险意识方面存在不足。报告建议实施有效的变革管理，并借助技术趋势推动全组织范围内的技能提升，包括引入分析工程师角色管理语义层。

分析网格模式可有效扩展和治理分散式分析运营。

当前分析工作呈去中心化趋势，但面临协作不足、可复用性低等问题。分析网格将联邦式技术架构、自适应治理、领域主导权与协作以及产品交付模型相结合，帮助企业实现大规模分析运营的标准化与合规。

报告回答的关键问题

2026年数据分析和人工智能的主要趋势是什么？

报告指出三大趋势：分析和AI解决方案需具备对结构化和非结构化数据的全局视野；从AI助手向AI驱动工作流的转变需融合多种AI技术；AI投资的持续增长要求企业高度重视AI治理与AI素养建设。这些趋势将影响企业架构设计和投资决策。

企业如何应对生成式AI的风险和监管压力？

报告建议将控制措施直接内嵌于技术架构，并推动架构评审委员会参与建立评估框架，用于审定AI相关的技术产品与架构决策。同时需加强AI治理，确保跨职能团队合作以应对安全性、数据隐私和可靠性等挑战。

什么是分析网格？为什么企业需要它？

分析网格是一种组织架构模式，用于解决去中心化分析运营中的扩展与治理难题。它结合了联邦式技术架构、自适应治理、领域主导权与协作以及产品交付模型四大支柱，帮助企业实现半自主运作的同时保持一致性、合规性和可复用性。

AI智能体在数据分析中扮演什么角色？

AI智能体作为协调者，负责分解复杂查询并编排执行步骤。例如，当用户询问某类产品的客户投诉摘要时，智能体可调用文本转SQL智能体、RAG智能体和摘要智能体，协同完成结构化数据查询与非结构化数据分析的融合。

企业如何弥合结构化与非结构化数据分析的隔阂？

报告推荐构建基于知识图谱的复合语义层，将业务定义与数据库字段、非结构化内容实体建立映射，并配合AI智能体与情感分析模型。同时需提升元数据质量，由业务与数据管理团队持续维护语义映射以弥补数据缺口。

报告中的代表性数据

82%

认为组织内部变革步伐加速的受访者比例

2025年，来自《2025年Gartner人工智能调研：首席信息官和技术领导者观点》，反映AI创新带来的变革速度。

32%

由集中式团队执行全流程分析交付的企业比例

2024年，来自《2024年Gartner分析和AI工程调研》，说明多数企业采用去中心化的分析模式。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整市场数据与趋势图表：包含2026年分析和人工智能关键趋势图，以及知识图谱支持的语义层架构图、分析网格框架图等可视化内容，帮助理解复杂概念。
  • AI智能体协调分析的详细技术解析：深入说明如何利用推理型LLM分解问题，并调用文本转SQL、RAG、情感分析等专用智能体实现跨数据类型查询。
  • 语义层重构的实施步骤与工具：提供企业如何从传统语义层向复合语义层演进的实操方法，包括知识图谱集成、元数据管理及与LLM的配合。
  • 分析网格四大支柱的实践指南：分别阐述联邦式技术架构、自适应治理、领域主导权与协作、产品交付模型的具体实施要点和迭代执行策略。
  • AI治理内嵌架构的评估框架：介绍如何建立架构评审委员会，并制定用于审定AI技术产品与架构决策的标准，涵盖安全、监控、策略框架等。
  • 数据与AI素养提升计划模板：包含变革管理方法、技能提升路线图，以及分析工程师角色的职责定义与培养路径。
  • 从助手到工作流的用例筛选方法论：提供基于业务影响和可行性的AI用例评估标准，帮助企业优先整合高价值业务工作流。
  • Gartner AI成熟度模型与路线图工具包：帮助评估企业当前AI成熟度，识别需改进的关键领域并制定实施路线图。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告