增強(qiáng)分析、持續(xù)型智能和可解釋型人工智能(AI)是未來三到五年內(nèi)數(shù)據(jù)和分析技術(shù)中最具顛覆性潛力的趨勢。

Gartner研究副總裁麗塔?薩拉姆(RitaSallam)在悉尼舉行的Gartner數(shù)據(jù)與分析峰會上表示，數(shù)據(jù)和分析領(lǐng)域的領(lǐng)導(dǎo)者必須研究這些趨勢的潛在商業(yè)影響，并相應(yīng)地調(diào)整商業(yè)模式和運(yùn)營，否則就有可能失去競爭優(yōu)勢。她說：

深入了解數(shù)據(jù)和分析發(fā)展的技術(shù)趨勢，并根據(jù)業(yè)務(wù)價值對其進(jìn)行優(yōu)先排序，這一點(diǎn)至關(guān)重要。

Gartner副總裁、著名分析師唐納德?范伯格(DonaldFeinberg)表示，數(shù)字顛覆帶來的挑戰(zhàn)也創(chuàng)造了前所未有的機(jī)遇。海量的數(shù)據(jù)，加上云帶來的日益強(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)AI的全部潛力。他說：

數(shù)據(jù)的規(guī)模、復(fù)雜性、分布式本質(zhì)、執(zhí)行速度以及數(shù)字業(yè)務(wù)所需的持續(xù)智能，意味著僵化和集中的架構(gòu)和工具將會崩潰。任何業(yè)務(wù)的持續(xù)生存都將依賴于一個敏捷的、以數(shù)據(jù)為中心的體系結(jié)構(gòu)，該體系結(jié)構(gòu)對不斷變化的速度做出響應(yīng)。

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)這些優(yōu)先級。

No.1增強(qiáng)分析

增強(qiáng)分析(Augmentedanalytics)是數(shù)據(jù)和分析市場的下一波顛覆。它使用機(jī)器學(xué)習(xí)(ML)和人工智能技術(shù)來轉(zhuǎn)換分析內(nèi)容的開發(fā)、使用和共享方式。

到2020年，增強(qiáng)分析將成為分析和BI、數(shù)據(jù)科學(xué)和ML平臺以及嵌入式分析的主要推動力。隨著平臺功能的成熟，數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該計劃采用增強(qiáng)分析。

No.2增強(qiáng)數(shù)據(jù)管理

增強(qiáng)數(shù)據(jù)管理(Augmenteddatamanagement)利用ML功能和AI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。

它使許多手動任務(wù)自動化，并允許技術(shù)水平較低的用戶使用數(shù)據(jù)更加自主。它還允許高技能的技術(shù)資源專注于更高價值的任務(wù)。

增強(qiáng)數(shù)據(jù)管理將元數(shù)據(jù)從僅用于審計、沿襲和報告轉(zhuǎn)換為支持動態(tài)系統(tǒng)。元數(shù)據(jù)正在從被動變?yōu)橹鲃樱⒊蔀樗蠥I/ML的主要驅(qū)動。

到2022年底，通過添加ML和自動化服務(wù)級別管理，手動數(shù)據(jù)管理任務(wù)將減少45%。

No.3持續(xù)型智能

到2022年，超過一半的主要新業(yè)務(wù)系統(tǒng)將集成使用實(shí)時上下文數(shù)據(jù)改進(jìn)決策的持續(xù)型智能(continuousintelligence)。

持續(xù)型智能是一種設(shè)計模式，在這種模式中，實(shí)時分析集成在業(yè)務(wù)操作中，處理當(dāng)前和歷史數(shù)據(jù)，以指定響應(yīng)事件的操作。它提供決策自動化或決策支持。持續(xù)型智能利用多種技術(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。

薩拉姆女士說：“持續(xù)型智能代表著數(shù)據(jù)和分析團(tuán)隊(duì)的工作發(fā)生了重大變化，對于分析和商業(yè)智能團(tuán)隊(duì)來說，2019年幫助企業(yè)做出更智能的實(shí)時決策是一個巨大的挑戰(zhàn)，也是一個巨大的機(jī)遇。它可以被看作是運(yùn)營商業(yè)智能的終極目標(biāo)?！?/p>

No.4可解釋型AI

人工智能模型越來越多地被用于幫助和取代人類決策。然而，在某些情況下，企業(yè)必須證明這些模型是如何得出決策的。為了與用戶和涉眾建立信任，應(yīng)用程序領(lǐng)導(dǎo)者必須使這些模型更具有解釋性。

不幸的是，大多數(shù)這些高級人工智能模型都是復(fù)雜的黑匣子，無法解釋它們?yōu)槭裁磿贸鎏囟ǖ慕ㄗh或決定。例如，在數(shù)據(jù)科學(xué)和ML平臺中，人工智能可以用自然語言自動生成模型的準(zhǔn)確性、屬性、模型統(tǒng)計信息和特征的解釋。

No.5圖

圖(graph)分析是一組分析技術(shù)，它允許探索感興趣的實(shí)體(如組織、人員和事務(wù))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，從而不斷加快數(shù)據(jù)準(zhǔn)備工作，使數(shù)據(jù)科學(xué)變得更加復(fù)雜和具有適應(yīng)性。

根據(jù)Gartner的說法，圖數(shù)據(jù)存儲可以有效地建模、探索和查詢具有復(fù)雜數(shù)據(jù)豎井相互關(guān)系的數(shù)據(jù)，但是對專門技能的需求限制了它們的應(yīng)用。

由于需要在復(fù)雜數(shù)據(jù)中提出復(fù)雜問題，圖分析在未來幾年將會增長，這在使用SQL查詢時并不總是切實(shí)可行的。

No.6數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)結(jié)構(gòu)支持在分布式數(shù)據(jù)環(huán)境中的訪問和共享數(shù)據(jù)。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的設(shè)計進(jìn)行無縫數(shù)據(jù)訪問和處理。

到2022年，定制的數(shù)據(jù)結(jié)構(gòu)設(shè)計將主要作為靜態(tài)基礎(chǔ)設(shè)施部署，迫使組織進(jìn)入新的成本浪潮，為更動態(tài)的數(shù)據(jù)網(wǎng)格方法完全重新設(shè)計。

No.7NLP/會話分析

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，或者將自動生成。分析復(fù)雜的數(shù)據(jù)組合并使組織中的每個人都可以訪問分析的需求將推動其更廣泛的應(yīng)用，使分析工具像搜索界面或與虛擬助手的對話一樣簡單。

No.8商業(yè)化AI和ML

Gartner預(yù)測，到2022年，75%利用AI和ML技術(shù)的新終端用戶解決方案將使用商業(yè)化解決方案而不是開源平臺構(gòu)建。

商業(yè)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、重用、透明度、數(shù)據(jù)沿襲以及開源技術(shù)缺乏的平臺凝聚力和集成。

No.9區(qū)塊鏈

區(qū)塊鏈和分布式賬本技術(shù)的核心價值主張是在不受信任的參與者網(wǎng)絡(luò)中提供分散的信任。分析用例的潛在影響是顯著的，特別是那些利用參與者關(guān)系和交互的用例。

然而，四五種主要的區(qū)塊鏈技術(shù)要成為主流還需要幾年的時間。

在此之前，技術(shù)最終用戶將被迫集成由其主要客戶或網(wǎng)絡(luò)決定的區(qū)塊鏈技術(shù)和標(biāo)準(zhǔn)。這包括與現(xiàn)有數(shù)據(jù)和分析基礎(chǔ)設(shè)施的集成。整合的成本可能會超過任何潛在的優(yōu)勢。區(qū)塊鏈?zhǔn)且环N數(shù)據(jù)源，而不是數(shù)據(jù)庫，不會取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

No.10持久型內(nèi)存服務(wù)

新的持久型內(nèi)存(PersistentMemory)技術(shù)將有助于降低采用支持內(nèi)存計算(IMC)的體系結(jié)構(gòu)的成本和復(fù)雜性。

持久型內(nèi)存是DRAM和NAND閃存之間的一種新的內(nèi)存層，可以為高性能工作負(fù)載提供高性價比的大容量內(nèi)存。

它有潛力提高應(yīng)用程序的性能、可用性、啟動時間、集群方法和安全實(shí)踐，同時控制成本。它還將通過減少對數(shù)據(jù)復(fù)制的需求，幫助組織降低應(yīng)用程序和數(shù)據(jù)架構(gòu)的復(fù)雜性。

范伯格說：“數(shù)據(jù)量正在迅速增長，將數(shù)據(jù)實(shí)時轉(zhuǎn)化為價值的緊迫性也在以同樣快的速度增長，新的服務(wù)器工作負(fù)載不僅要求更快的CPU性能，還要求更大的內(nèi)存和更快的存儲空間?！?/p>

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時聯(lián)系我們刪除（QQ:2737591964），不便之處，敬請諒解！