根据Gartner的预测，到2023年，60%的企业组织将在分析解决方案中组装三个或更多组件，以构建面向决策的应用程序，并加入连接洞察力的分析行动。由于数据和分析的投入一般与业务应用开发的投入分离，应用开发中难以整合或积累可复用的数据和分析能力，这与很多中国企业在中台的痛点相似。组织希望能够灵活地组装或重新组装数据和分析功能，以便他们可以通过应用程序将更多的分析洞察力和数据参考纳入业务活动（见图1）。（图1，组装数据和分析）今天的商业智能(ABI)和数据科学与机器学习(DSML)市场不再是零和游戏。没有任何一家供应商或工具能够提供同一级别的所有功能。同时实施一个完整的数据和分析平台也不切实际，因此许多公司分阶段实施。Gartner2020年魔力象限客户调查显示，许多大型企业拥有不止一种“企业标准”商业智能工具，41%的企业表示他们拥有不止一种标准。企业需要更先进、更灵活的分析能力来支持、增强和自动化决策制定。新技术和数据在历史上一直是并且仍然是分析平台的关键推动因素，通常会降低它们与业务成果的直接关联。企业组织将需要一个组装架构，允许用户从业务问题出发，组装来自多个供应商的数据和分析能力。组装数据和分析使用容器化或基于微服务的架构和数据结构（DataFabric）将现有资产组装成灵活、模块化、可重用和用户友好的数据和分析功能。这可以将独立的数据管理和分析应用转化为数据、分析和其他应用能力模块的组合，并通过低代码和无代码能力等组装技术支持自适应和智能决策。组合数据和分析是2021年最重要的数据和分析趋势之一，原因如下：首先，Gartner调查显示，大多数企业拥有不止一种“企业标准”商业智能工具。将每个能力模块（与其他能力模块）组装成新的能力模块将成为构建分析应用程序的一种越来越重要的方法。其次，在全球遭受新冠疫情重创后，获得数据洞察力的速度和实现敏捷性成为第一要求。模块化数据和分析功能将使用户能够灵活地应对变化并更快、更主动地交付业务应用程序。第三，容器化或微服务的ABI和DSML平台可以通过改进的API以更灵活的方式组装分析应用程序。第四，对于大多数企业来说，人工智能（AI）还处于试验阶段，但商业智能（BI）已经使用了很多年，需要将AI能力与BI能力进行组装才能投入生产环境。企业可以通过组装连接BI和AI，扩展BI能力，为用户提供全面的、量身定制的、甚至是个性化的解决方案，无需跨平台使用。此外，云市场也正在成为企业发布和共享模块化分析能力的有效渠道。考虑到这一点，需要对组装数据和分析的影响进行相应的研究：首先，从独立的数据管理和分析应用程序过渡到组装数据和分析功能，同时开发应用程序以组装自适应智能决策解决方案。组织可以使用来自数据和分析领域的扩展API与应用程序交互。应用程序开发人员可以通过提交集成工具包为数据和分析市场（ExtensionsGallery）做出贡献，这将促进更多组装和增值应用程序模块的开发。其次，组装过程是数据、分析和应用程序团队之间的协作，重点是将以技术为中心的集成应用程序转变为以业务为导向的问题解决方案。第三，根据情况组合描述性、诊断性、预测性和指示性分析能力，以在决策过程中产生数据洞察力。分析可以以更有凝聚力、持续性和基于上下文的方式为决策提供信息并推动有效行动。第四，公司可以通过汇集来自不同供应商的最佳功能来创建高级分析功能，而不是在不同平台上单独使用它们。第五，嵌入式分析通常由IT部门实施，主要目的是获取仪表板和报告。企业用户可以使用低代码或无代码的能力来组装更多的能力，比如交互式可视化和预测建模，让嵌入式分析变得更丰富、更全面。最后，云市场正在成为企业发布和共享分析应用的有效渠道，聚合数据和分析使他们能够轻松找到所需的组件，并通过添加分析功能来增加应用价值。总之，数据和分析主管应该：首先，通过添加和组装可重用的模块化数据和分析功能，改进数据和分析的决策制定和业务影响；第二，将先进的数据科学和机器学习能力集成到分析应用程序中，然后使用组合分析来驱动创新；第三，抓住机会为应用程序增加分析能力，通过建立应用程序开发人员和业务分析师的长期协作团队重新思考组织结构、流程和技能，为分析服务的敏捷组装和迭代组装提供支持；最后，通过建立分析应用市场，试点云组装分析，促进和支持协作共享。
