日前舉行的Gartner數(shù)據(jù)與分析峰會(huì)上，Gartner研究副總裁Rita Sallam表示，數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須分析這些趨勢(shì)對(duì)業(yè)務(wù)的潛在影響，并相應(yīng)調(diào)整業(yè)務(wù)模式和運(yùn)營(yíng)，否則就有失去競(jìng)爭(zhēng)優(yōu)勢(shì)的可能。 

她說(shuō)：“數(shù)據(jù)和分析技術(shù)不斷發(fā)展，從支持內(nèi)部決策到持續(xù)的智能、信息產(chǎn)品和任命首席數(shù)據(jù)官。深入了解技術(shù)趨勢(shì)對(duì)于推動(dòng)這一不斷變化的趨勢(shì)，并根據(jù)業(yè)務(wù)價(jià)值對(duì)其進(jìn)行優(yōu)先排序，這些都至關(guān)重要。”

根據(jù)Gartner副總裁、杰出分析師Donald Feinberg表示，數(shù)字化顛覆帶來(lái)的挑戰(zhàn)——有太多的數(shù)據(jù)——也創(chuàng)造了前所未有的機(jī)遇。大量數(shù)據(jù)以及由云實(shí)現(xiàn)的日益強(qiáng)大的處理能力，意味著現(xiàn)在我們可以大規(guī)模地訓(xùn)練和執(zhí)行必要的算法，以最終發(fā)揮人工智能的全部潛力。

Feinberg說(shuō)：“數(shù)據(jù)的大小、復(fù)雜性和分布式特性，以及數(shù)字化業(yè)務(wù)要求的行動(dòng)速度以及持續(xù)智能，意味著需要打破僵化的、集中式的架構(gòu)和工具束縛。任何企業(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。”

Gartner建議數(shù)據(jù)和分析領(lǐng)導(dǎo)者與高級(jí)業(yè)務(wù)負(fù)責(zé)人討論一下他們的關(guān)鍵業(yè)務(wù)優(yōu)先級(jí)，并探索以下主要趨勢(shì)如何實(shí)現(xiàn)這些優(yōu)先級(jí)：

趨勢(shì)1：增強(qiáng)分析

增強(qiáng)分析是數(shù)據(jù)和分析市場(chǎng)的下一波顛覆性發(fā)展趨勢(shì)。增強(qiáng)分析采用機(jī)器學(xué)習(xí)和人工智能技術(shù)來(lái)轉(zhuǎn)換開(kāi)發(fā)、消費(fèi)和共享分析內(nèi)容的方式。

到2020年，增強(qiáng)分析將成為分析和BI、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺(tái)、嵌入式分析新增采購(gòu)的主要驅(qū)動(dòng)力。數(shù)據(jù)和分析領(lǐng)導(dǎo)者為在平臺(tái)功能成熟的時(shí)候采用增強(qiáng)分析技術(shù)做好計(jì)劃。

趨勢(shì)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)和人工智能引擎來(lái)劃分企業(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、數(shù)據(jù)庫(kù)管理系統(tǒng)(DBMS)自我配置和自我調(diào)整。增強(qiáng)數(shù)據(jù)管理能夠讓很多手動(dòng)任務(wù)實(shí)現(xiàn)自動(dòng)化，并讓那些技術(shù)水平較低的用戶更加自主地使用數(shù)據(jù)，此外還可以讓高技能技術(shù)資源專注于更高價(jià)值的任務(wù)。

增強(qiáng)數(shù)據(jù)管理將元數(shù)據(jù)轉(zhuǎn)換為僅用于審計(jì)、沿襲和報(bào)告等用途，以及為動(dòng)態(tài)系統(tǒng)提供動(dòng)力。元數(shù)據(jù)從被動(dòng)轉(zhuǎn)為主動(dòng)狀態(tài)，成為所有人工智能/機(jī)器學(xué)習(xí)的主要驅(qū)動(dòng)因素。

到2022年底，通過(guò)增加機(jī)器學(xué)習(xí)和自動(dòng)化服務(wù)水平管理，數(shù)據(jù)管理手動(dòng)任務(wù)量將減少45%。

趨勢(shì)3：持續(xù)智能

到2022年，將有超過(guò)一半的主要新業(yè)務(wù)系統(tǒng)將采用持續(xù)智能，利用實(shí)時(shí)上下文數(shù)據(jù)來(lái)改善決策。

持續(xù)智能是一種設(shè)計(jì)模式，在這種模式中，實(shí)時(shí)分析被集成到業(yè)務(wù)操作中，處理當(dāng)前數(shù)據(jù)和歷史數(shù)據(jù)以規(guī)定響應(yīng)事件的操作。持續(xù)智能提供了決策自動(dòng)化或決策支持，采用了如增強(qiáng)分析、事件流處理、優(yōu)化、業(yè)務(wù)規(guī)則管理和機(jī)器學(xué)習(xí)等多種技術(shù)。

Sallam表示：“持續(xù)智能代表了數(shù)據(jù)和分析團(tuán)隊(duì)工作的一個(gè)重大變化。在2019年，分析和商業(yè)智能團(tuán)隊(duì)幫助企業(yè)做出更明智的實(shí)時(shí)決策，將是一個(gè)巨大的挑戰(zhàn)，同時(shí)這也是一個(gè)巨大的機(jī)會(huì)，這可以被看作是運(yùn)營(yíng)商業(yè)智能的終極目標(biāo)。”

趨勢(shì)4：可解釋的人工智能

人工智能模型被越來(lái)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)必須證明這些模型是如何做出決策的。為了與用戶和利益相關(guān)者建立信任，應(yīng)用負(fù)責(zé)人必須讓這些模型的可解釋性更高。

遺憾的是，大多數(shù)先進(jìn)的人工智能模型都是復(fù)雜的黑盒子，無(wú)法解釋它們是如何得出推薦和決策結(jié)果的。在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺(tái)，可解釋的人工智能能夠自動(dòng)生成一個(gè)用自然語(yǔ)言解釋精確性、屬性、模型統(tǒng)計(jì)和特征的解釋模型。

趨勢(shì)5：圖形

圖形分析是一組分析技術(shù)，可以探索組織、人員和交易等利益實(shí)體之間的關(guān)系。

到2022年，圖形處理和圖形DBMS應(yīng)用將以每年100%的速度增長(zhǎng)，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)。

據(jù)Gartner稱，圖形數(shù)據(jù)存儲(chǔ)可以跨數(shù)據(jù)孤島有效地建模、探索和查詢數(shù)據(jù)，但是對(duì)專業(yè)技能的需求限制了對(duì)這種技術(shù)的采用。

由于需要提出關(guān)于復(fù)雜數(shù)據(jù)的復(fù)雜問(wèn)題，而使用SQL查詢是不切實(shí)際或者大規(guī)模無(wú)法實(shí)現(xiàn)的，因此促使圖形分析將在未來(lái)幾年內(nèi)實(shí)現(xiàn)快速增長(zhǎng)。

趨勢(shì)6：數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)結(jié)構(gòu)可以在分布式數(shù)據(jù)環(huán)境中實(shí)現(xiàn)無(wú)摩擦的數(shù)據(jù)訪問(wèn)和數(shù)據(jù)共享。它支持單一且一致的數(shù)據(jù)管理框架，可通過(guò)跨孤島存儲(chǔ)進(jìn)行設(shè)計(jì)實(shí)現(xiàn)無(wú)縫的數(shù)據(jù)訪問(wèn)和數(shù)據(jù)處理。

到2022年，定制的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)將主要被部署為靜態(tài)基礎(chǔ)設(shè)施，迫使企業(yè)組織面對(duì)完全重新設(shè)計(jì)更動(dòng)態(tài)數(shù)據(jù)網(wǎng)格方法的新成本浪潮。

趨勢(shì)7：NLP／會(huì)話分析

到2020年，將有50%的分析查詢是通過(guò)搜索、自然語(yǔ)言處理(NLP)或語(yǔ)音生成的，或者是自動(dòng)生成的。分析復(fù)雜的數(shù)據(jù)組合并使企業(yè)組織中的每個(gè)人都可以訪問(wèn)分析的需求，將推動(dòng)更廣泛的采用，讓分析工具像搜索界面或與虛擬助理對(duì)話一樣簡(jiǎn)單。

趨勢(shì)8：商業(yè)化人工智能和機(jī)器學(xué)習(xí)

Gartner預(yù)測(cè)，到2022年，利用人工智能和及其學(xué)習(xí)技術(shù)的新最終用戶解決方案中，將有75%是采用商業(yè)解決方案而非開(kāi)源平臺(tái)構(gòu)建的。

廠商們現(xiàn)在已經(jīng)開(kāi)發(fā)了連接到開(kāi)源生態(tài)系統(tǒng)的連接器，為企業(yè)提供擴(kuò)展人工智能和機(jī)器學(xué)習(xí)以及實(shí)現(xiàn)民主化所必要的功能，例如項(xiàng)目和模型管理、復(fù)用、透明度、數(shù)據(jù)沿襲以及開(kāi)源技術(shù)缺乏的平臺(tái)集成。

趨勢(shì)9：區(qū)塊鏈

區(qū)塊鏈和分布式賬本技術(shù)的核心價(jià)值，是在不受信任的參與者網(wǎng)絡(luò)中提供去中心化的信任。分析用例的潛在影響很大，尤其是那些利用參與者關(guān)系和交互影響的用例。

然而，在四到五個(gè)主要區(qū)塊鏈技術(shù)成為主導(dǎo)之前，還需要若干年的時(shí)間。在此之前，技術(shù)最終用戶將被迫與主要客戶或網(wǎng)絡(luò)指定的區(qū)塊鏈技術(shù)和標(biāo)準(zhǔn)進(jìn)行集成，包括與你現(xiàn)有的數(shù)據(jù)和分析基礎(chǔ)架構(gòu)的集成。整合成本可能掩蓋了任何潛在的好處。區(qū)塊鏈?zhǔn)菙?shù)據(jù)源，而不是數(shù)據(jù)庫(kù)，不會(huì)取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

趨勢(shì)10：永久內(nèi)存服務(wù)器

新的永久內(nèi)存技術(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。永久內(nèi)存代表DRAM和NAND閃存之間的一個(gè)新內(nèi)存層，可以為高性能工作負(fù)載提供經(jīng)濟(jì)高效的大容量?jī)?nèi)存。這種技術(shù)有可能改善應(yīng)用的性能、可用性、啟動(dòng)時(shí)間、集群方法和安全實(shí)踐，同時(shí)控制成本。，此外還可以通過(guò)減少數(shù)據(jù)復(fù)制的需要，幫助企業(yè)組織降低應(yīng)用和數(shù)據(jù)體系結(jié)構(gòu)的復(fù)雜性。

Feinberg說(shuō)：“數(shù)據(jù)量正在快速增加，將數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)化為價(jià)值的緊迫性，也同樣在快速增長(zhǎng)。新的服務(wù)器工作負(fù)載不僅要求更高的CPU性能，還要求大容量?jī)?nèi)存和更快的存儲(chǔ)。”

編輯 : 周寶冰

關(guān)鍵詞：