Gartner表示，增強(qiáng)分析，持續(xù)智能和可解釋人工智能(AI)是數(shù)據(jù)和分析技術(shù)的主要趨勢，在未來三到五年內(nèi)具有顯著的顛覆性潛力。

　　Gartner研究副總裁Rita Sallam表示，數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須檢查這些趨勢可能帶來的業(yè)務(wù)影響，并相應(yīng)調(diào)整業(yè)務(wù)模式和運(yùn)營，否則就有可能失去競爭優(yōu)勢。

　　“數(shù)據(jù)和分析領(lǐng)域在不斷不斷發(fā)展，從支持內(nèi)部決策到持續(xù)智能，信息產(chǎn)品和任命首席數(shù)據(jù)官。重要的是要深入了解技術(shù)趨勢，了解技術(shù)趨勢變化背后的故事，并根據(jù)業(yè)務(wù)價(jià)值優(yōu)先推動(dòng)發(fā)展，“她補(bǔ)充道。

　　Gartner的副總裁兼杰出分析師唐納德·范伯格指出，數(shù)字化顛覆正在創(chuàng)造太多數(shù)據(jù)，這給組織理解并利用這種變化帶來的機(jī)遇造成了挑戰(zhàn)。與此同時(shí)，他承認(rèn)同樣的數(shù)據(jù)泛濫將創(chuàng)造前所未有的機(jī)會(huì)。

　　海量數(shù)據(jù)以及由云計(jì)算帶來的日益強(qiáng)大的處理能力意味著現(xiàn)在可以大規(guī)模地訓(xùn)練和執(zhí)行必要的算法，以最終實(shí)現(xiàn)人工智能的全部潛力。

　　“數(shù)據(jù)的大小，復(fù)雜性，數(shù)據(jù)的分布性，行動(dòng)速度以及數(shù)字業(yè)務(wù)所需的持續(xù)智能意味著僵化和中心化的架構(gòu)和工具都會(huì)崩潰，”Feinberg說?！叭魏纹髽I(yè)的持續(xù)生存都將取決于靈活的，以數(shù)據(jù)為中心的架構(gòu)，以響應(yīng)不斷變化的速度?！?/p>

　　Gartner建議數(shù)據(jù)和分析領(lǐng)導(dǎo)者與高級業(yè)務(wù)負(fù)責(zé)人討論他們的關(guān)鍵業(yè)務(wù)優(yōu)先級，并探索以下主要趨勢如何實(shí)現(xiàn)。

　　趨勢1：增強(qiáng)分析

　　增強(qiáng)分析是數(shù)據(jù)和分析市場的下一波顛覆性創(chuàng)新。它使用機(jī)器學(xué)習(xí)(ML)和人工智能技術(shù)來改變分析內(nèi)容的開發(fā)，消費(fèi)和共享方式。

　　到2020年，增強(qiáng)分析將成為分析和商業(yè)智能(BI)，以及數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)(ML)平臺以及嵌入式分析的主要驅(qū)動(dòng)力。數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該計(jì)劃在平臺功能成熟時(shí)采用增強(qiáng)分析。

　　趨勢2：增強(qiáng)數(shù)據(jù)管理

　　增強(qiáng)數(shù)據(jù)管理利用機(jī)器學(xué)習(xí)功能和人工智能引擎來制定企業(yè)信息管理類別，包括數(shù)據(jù)質(zhì)量，元數(shù)據(jù)管理，主數(shù)據(jù)管理，數(shù)據(jù)集成以及數(shù)據(jù)庫管理系統(tǒng)(DBMS)自我配置和自我調(diào)整。它使許多手動(dòng)任務(wù)自動(dòng)化，并允許技術(shù)水平較低的用戶更加自主利用數(shù)據(jù)。它還允許高技能的技術(shù)資源專注于更高價(jià)值的任務(wù)。

　　增強(qiáng)型數(shù)據(jù)管理將元數(shù)據(jù)轉(zhuǎn)換為僅用于審計(jì)，跟蹤和報(bào)告，以及為推動(dòng)動(dòng)態(tài)系統(tǒng)發(fā)展。元數(shù)據(jù)正在從被動(dòng)變?yōu)橹鲃?dòng)，并且正在成為所有AI / ML的主要驅(qū)動(dòng)因素。

　　到2022年底，通過增加ML和自動(dòng)化服務(wù)管理，數(shù)據(jù)手動(dòng)管理任務(wù)將減少45%。

　　趨勢3：持續(xù)智能

　　到2022年，超過一半的主要新業(yè)務(wù)系統(tǒng)將采用持續(xù)智能，使用實(shí)時(shí)背景數(shù)據(jù)來改善決策。

　　持續(xù)智能是一種設(shè)計(jì)模式，其中實(shí)時(shí)分析集成在業(yè)務(wù)運(yùn)營中，處理當(dāng)前和歷史數(shù)據(jù)以規(guī)定響應(yīng)事件的操作。它提供決策自動(dòng)化或決策支持。持續(xù)智能利用多種技術(shù)，如增強(qiáng)分析，事件流處理，優(yōu)化，業(yè)務(wù)規(guī)則管理和ML。

　　趨勢4：可解釋的AI

　　人工智能模型越來越多地用于增強(qiáng)和取代人類決策。但是，在某些情況下，企業(yè)必須證明這些模型如何做出決策。為了與用戶和利益相關(guān)者建立信任，應(yīng)用程序領(lǐng)導(dǎo)者必須使這些模型更具解釋性和可解釋性。

　　不幸的是，大多數(shù)這些先進(jìn)的AI模型都是復(fù)雜的黑盒子，無法解釋他們?yōu)楹巫龀鎏囟ǖ耐扑]或決定。例如，在數(shù)據(jù)科學(xué)和ML平臺中可解釋的AI，就自然語言的準(zhǔn)確性，屬性，模型統(tǒng)計(jì)和特征自動(dòng)對模型做出解釋。

　　趨勢5：圖表

　　圖形分析是一組分析技術(shù)，允許探索組織，人員和交易等主體之間的關(guān)系。

　　到2022年，圖形處理和圖形DBMS的應(yīng)用將以每年100%的速度增長，以不斷加速數(shù)據(jù)準(zhǔn)備并實(shí)現(xiàn)更復(fù)雜和自適應(yīng)的數(shù)據(jù)科學(xué)。

　　根據(jù)Gartner的說法，圖形數(shù)據(jù)存儲(chǔ)可以跨數(shù)據(jù)孤島有效地建模，探索和查詢有復(fù)雜關(guān)聯(lián)關(guān)系的數(shù)據(jù)，但是對專業(yè)技能的要求限制了其應(yīng)用。

　　圖形分析將在未來幾年內(nèi)增長，主要是由于需要在復(fù)雜數(shù)據(jù)中提出復(fù)雜問題，這在使用SQL查詢時(shí)并不總是切實(shí)可行或甚至可能。

　　趨勢6：智能數(shù)據(jù)結(jié)構(gòu)

　　數(shù)據(jù)結(jié)構(gòu)可在分布式數(shù)據(jù)環(huán)境中實(shí)現(xiàn)無摩擦訪問和數(shù)據(jù)共享。它支持單一且一致的數(shù)據(jù)管理框架，允許通過其他孤立存儲(chǔ)的設(shè)計(jì)進(jìn)行無縫數(shù)據(jù)訪問和處理。

　　到2022年，定制數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)將主要部署為靜態(tài)基礎(chǔ)設(shè)施，迫使組織投入更多資源，以完全重新設(shè)計(jì)更動(dòng)態(tài)的數(shù)據(jù)網(wǎng)格方法。

　　趨勢第7號：NLP /會(huì)話分析

　　到2020年，50%的分析查詢將通過搜索，自然語言處理(NLP)或語音生成，或者將自動(dòng)生成。分析復(fù)雜的數(shù)據(jù)組合并使組織中的每個(gè)人都可以訪問分析的需求將推動(dòng)更廣泛的采用，使分析工具像搜索界面或與虛擬助手的對話一樣簡單。

　　趨勢8：商用AI和ML

　　Gartner預(yù)測，到2022年，75%的新終端用戶解決方案利用AI和ML技術(shù)的新，并且將采用商業(yè)解決方案而非開源平臺構(gòu)建。

　　商用解決方案供應(yīng)商現(xiàn)在已經(jīng)在開源生態(tài)系統(tǒng)中構(gòu)建了連接器，它們提供了擴(kuò)展AI和ML所需的企業(yè)功能，例如項(xiàng)目和模型管理，重復(fù)使用，透明度，數(shù)據(jù)沿襲以及開源技術(shù)缺乏的平臺聚合和集成。

　　趨勢9：區(qū)塊鏈

　　區(qū)塊鏈和分布式賬本技術(shù)的核心價(jià)值主張是在彼此不信任的參與者網(wǎng)絡(luò)中提供去中心化的信任。分析應(yīng)用場景的潛在影響很大，尤其是那些利用參與者關(guān)系和交互的影響。

　　然而，在四到五個(gè)主要區(qū)塊鏈技術(shù)成為主導(dǎo)之前，將需要幾年的時(shí)間。在此之前，技術(shù)最終用戶將被迫與其主要客戶或網(wǎng)絡(luò)所規(guī)定的區(qū)塊鏈技術(shù)和標(biāo)準(zhǔn)集成。這包括與您現(xiàn)有的數(shù)據(jù)和分析基礎(chǔ)架構(gòu)的集成。

　　整合成本可能超過任何潛在的好處。區(qū)塊鏈?zhǔn)菙?shù)據(jù)源，而不是數(shù)據(jù)庫，不會(huì)取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

　　趨勢編號10：持久性內(nèi)存服務(wù)器

　　新的持久性存儲(chǔ)器技術(shù)將有助于降低采用內(nèi)存計(jì)算(IMC)架構(gòu)的成本和復(fù)雜性。持久性內(nèi)存代表DRAM和NAND閃存之間的新內(nèi)存層，可為高性能工作負(fù)載提供經(jīng)濟(jì)高效的大容量內(nèi)存。

　　它有可能提高應(yīng)用程序性能，可用性，啟動(dòng)時(shí)間，聚類方法和安全實(shí)踐，同時(shí)控制成本。它還將通過減少數(shù)據(jù)復(fù)制的需要，幫助組織降低其應(yīng)用程序和數(shù)據(jù)體系結(jié)構(gòu)的復(fù)雜性。

　　“數(shù)據(jù)量正在快速增長，實(shí)時(shí)將數(shù)據(jù)轉(zhuǎn)化為價(jià)值的緊迫性正在以同樣快的速度增長，”Feinberg說?！靶碌姆?wù)器工作負(fù)載不僅要求更快的CPU性能，還要求大容量內(nèi)存和更快的存儲(chǔ)?！?/p>