变化发生的速度越来越快，COVID-19 引发的全球大流行等情况表明，一些被视为一成不变的趋势可以在很短的时间内迅速演变。还有数据。信息分析师已经证实，海量信息处理并不总是人工智能（AI）系统中实施的最佳方式，许多公司已经在探索新的路径。
从这个意义上说，根据Gartner对2025年的预测，70%的商业组织将把分析结构重新转向精准挖掘。 这家著名的美国咨询公司在其报告中指出了未来五年趋势的重要变化。这意味着绝大多数公司将重新定位其数据分析，从大数据转向宽数据和小数据，将较小的信息集组合起来以进行更精确的过滤。
这种处理数据的方式使得从提取的数据中应用的人工智能更加强大，并且需要更长的时间才能过时。此外，它还可以对信息进行更精细、更准确的解释，并且更有效，因为技术应用程序不需要接收那么多的知识来产生结果。
“宽数据”和“小数据”
数据挖掘是一种提取大量信息的过程，用于随后的检查，以寻找允许组织规划策略的模式。问题在于，提取的信息除了非常广泛之外，还包含过于异构的数据，在某些情况下无法进行有效的分析。这使得数据库创建、优化过程或机器学习技术中大数据的使用等任务的执行变得复杂。
因此，正如 Gartner 副总裁 Jim Hare 所说，这些变化造成的过时“正在打破许多基于人工智能和机器学习的生产模式”，他还指出“人类和人工智能的决策已经变得更加复杂”。并且要求严格。”这使得许多信息分析专家开始研究称为小数据和宽数据的新技术。
这两个数据集的结合使用 可以最有效地利用所收集的 rcs 数据库 信息。此外，由于它们是较小的包，因此减少了为后续评估而提取的必要信息量。
“小数据”和“大数据”有什么区别？
根据定义，小数据是数据分析中的一种先进技术，可以处理更有限的信息集来预测用户和客户的行为。大数据使我们能够大致了解消费者或市场的行为，而小数据则使我们能够深入研究某些特定态度并分析非常明确的策略。
继续与数据挖掘进行比喻，小数据使我们能够根据既定目标以更高的精度提取更精细的信息。尽管这种数据分组方式目前已经开始变得越来越重要，但它已经存在很多年了，并且在某些领域被广泛使用。事实上，它是关于使用大数据的基础，这是一种处理海量信息的方法，由于来源和新技术的增加，使公司能够在各个行动领域处理和处理大量数据，这种方法变得越来越普遍。
在这股海量信息的浪潮中，许多组织出于各种原因再次将目光投向小数据。一方面，它允许通过大数据提取的信息被提炼并转换为小数据，以处理更小、更易于管理的数据集，以用于技术应用以及负责分析和解释该数据的人员。另一方面，它更实惠，并且可以用于公司内的许多其他角色，例如业务和营销领域，而不仅仅是技术领域的员工。
那么，什么是“宽数据”？
就其本身而言，宽数据是数据科学中出现的最具创新性的概念之一。它满足了组织了解越来越广泛的信息以了解其客户的需求。基于这些数据集的技术 允许对各种信息源进行组合分析，并寻找它们之间的关系以及获取数据的不同格式，Gartner 称之为 X 分析。
正是这两种技术的结合才发挥了最大的潜力，使分析工作更加稳健，并促进更强大、更精炼的人工智能。这有利于减少对大量信息的依赖 并更加关注特定应用程序的流程。据 Gartner 称，这种组合将适用于客户服务等领域，通过实时使用情绪智能来促进超个性化并改善他们的体验。
我们必须看看组织在未来几年如何适应这些新的变化和趋势。但如果说迄今为止的数据分析已经表明了什么的话，那就是企业自我更新和领先未来以在全球化市场中占据主导地位的重要性。
