随着科技的发展和进步，人们之间的联系理应更加紧密，但是却与期望相反，很多人却变得更加分散和孤立。  社交媒体中的“喜好”使人们两极分化，而其算法更加倾向于提供煽动性内容，引起更强烈的反应，并使人们更长久地沉迷其中。当涉及到当地法律、法规和隐私时，就会看到这种分化。  很多组织的战略主管和投资者表示需要剥离不是核心能力的业务，而数字巨头就潜伏在一个支离破碎的世界中，那么人们需要更换一种思路吗?可以通过法规、商业模式和数据将支离破碎的格局转变成机遇。  但是，只是分析还不够，还需要进行综合，以将分布式数据连接到分析供应链，并将目录作为连接组织。科技将发挥巨大的作用，但它也需要有正确的流程和人员来实施。综合和分析对于利用大数据和促进向人们所称的“数据马赛克”的方向发展至关重要。  以下是未来一年影响大数据和分析的5大趋势：  1.大数据只是数据，下一步是“广泛数据”  大数据是一个相对的术语，是一个不断变化的目标。而定义大数据的一种方法是，超越现有技术所能实现的范围。如果企业需要更换或大量投资于额外的基础设施来处理数据，那么将面临巨大的数据挑战。  借助无限扩展的云存储，可以克服这一缺点。现在比以往任何时候都更容易在数据库内进行索引和分析，并且企业拥有确保数据可以移至正确位置的工具。数据的神秘性消失了，这是因为整合以及Hadoop分销商在2019年的迅速消亡标志着这一转变。  下一个重点领域将是非常分散的数据或“广泛的数据”。数据格式正变得越来越多样化和分散化，因此，适合于不同数据风格的不同类型的数据库已增加了一倍多，从2013年的162个增加到2019年的342个。海量数据的组合可以通过大数据技术进行处理，而那些能够将这些零散而又多样化的数据源进行综合分析的企业将获得优势。  2.DataOps +分析自助服务为组织带来数据敏捷性  自助服务分析已经提上日程很久了，并且借助“现代商业智能”技术使答案更接近于业务用户。但直到现在，很多企业在数据管理方面还没有实现同样的敏捷性。  “DataOps”已作为一种面向流程的自动化方法而出现，旨在提高质量并减少用于分析的数据管理的周期时间。它专注于持续交付，并通过利用按需IT资源，并自动执行数据测试和部署来实现这一目标。诸如实时数据集成、变更数据捕获(CDC)和流数据管道等技术是实现这一目标的关键。  通过DataOps，能够以系统的方式将80%的核心数据传递给业务用户，而自助数据准备是在数据较少情况下需要的独立区域。通过在操作方面使用DataOps，在业务用户方面使用分析自助服务，可以实现整个信息价值链的流动性，将综合与分析联系起来。  3.活动元数据目录-数据和分析的连接组织  随着企业继续努力寻找、清查和综合分布广泛且多样化的数据资产，对数据目录的需求正在猛增。到2020年，人们将看到更多的人工智能元数据目录，这将有助于将这个庞大的任务从人工和被动转移到主动、自适应和变化。这将是数据运营和自助服务分析所提供的敏捷性的连接组织和治理。  活动元数据目录还包括信息个性化，这是生成相关见解和定制内容的必要组成部分。但是要做到这一点，目录还需要不仅在一种分析工具内工作，而且还需要整合大多数组织所拥有的零散工具。  4.数据素养即服务  将综合和分析连接起来以形成一个包容性的系统将有助于提高数据的使用率，但是如果没有人参与，世界上任何数据和分析技术或流程都将无法正常运行。仅仅依靠用户提供工具并寄希望于工具已经远远不够。  提高行业标准分析采用率的关键组成部分是帮助人们变得对读取、使用、分析和通信数据充满信心。到2020年，企业希望扩大数据素养，并希