調(diào)研機(jī)構(gòu)Gartner公司最近的調(diào)查表明，增強(qiáng)分析、持續(xù)智能和可解釋的人工智能(AI)是數(shù)據(jù)和分析技術(shù)的主要趨勢之一。根據(jù)調(diào)查，深入了解以下十大技術(shù)趨勢是推動這一發(fā)展的關(guān)鍵，并根據(jù)業(yè)務(wù)價值優(yōu)先考慮這些趨勢以保持行業(yè)地位。
數(shù)據(jù)和分析是一個不斷發(fā)展的故事。從任命首席數(shù)據(jù)官到采購分析軟件，企業(yè)領(lǐng)導(dǎo)者都在充分利用這一技術(shù)，但這并不容易。
Gartner公司副總裁兼杰出研究分析師Donald Feinberg表示：“數(shù)據(jù)的規(guī)模、復(fù)雜性、分布性質(zhì)、行動速度以及數(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靈活的、以數(shù)據(jù)為中心的架構(gòu)，該架構(gòu)能夠響應(yīng)不斷變化的速度。”
但是，雖然企業(yè)領(lǐng)導(dǎo)者必須通過尋找合適的服務(wù)和技術(shù)來幫助簡化數(shù)據(jù)流程來應(yīng)對數(shù)字中斷，但也出現(xiàn)了前所未有的機(jī)遇。龐大的數(shù)據(jù)量與云計算技術(shù)帶來的強(qiáng)大處理能力的增加相結(jié)合，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。
根據(jù)Gartner公司的調(diào)查，關(guān)鍵是要深入了解以下十大技術(shù)趨勢，這些趨勢能夠推動這一不斷變化發(fā)展，并根據(jù)業(yè)務(wù)價值對其進(jìn)行優(yōu)先排序，以保持領(lǐng)先地位。
趨勢1：增強(qiáng)分析
Gartner公司的調(diào)查表明，到2020年，增強(qiáng)分析將成為數(shù)據(jù)分析和商業(yè)智能解決方案的主要賣點(diǎn)。
Gartner公司認(rèn)為，使用機(jī)器學(xué)習(xí)和人工智能，增強(qiáng)分析是數(shù)據(jù)和分析市場的顛覆者，因?yàn)樗鼘⒏淖冮_發(fā)、消費(fèi)和共享中的分析內(nèi)容。
趨勢2：增強(qiáng)數(shù)據(jù)管理
增強(qiáng)型數(shù)據(jù)管理利用機(jī)器學(xué)習(xí)能力和人工智能技術(shù)使數(shù)據(jù)管理類別包括數(shù)據(jù)質(zhì)量、主數(shù)據(jù)管理、元數(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。
根據(jù)Gartner公司的調(diào)查，這是一個大問題，因?yàn)樗梢宰詣訄?zhí)行許多人工完成的任務(wù)，為技術(shù)水平較低的用戶提供使用數(shù)據(jù)的機(jī)會。它還有助于高技能的技術(shù)資源專注于更多的增值任務(wù)。
到2022年底，由于機(jī)器學(xué)習(xí)和自動化服務(wù)級別管理，數(shù)據(jù)管理中的人工任務(wù)將減少45%。
趨勢3：持續(xù)型智能
持續(xù)數(shù)據(jù)不僅僅是一種實(shí)時數(shù)據(jù)的新方式。相反，它是一種設(shè)計模式，其中實(shí)時分析與業(yè)務(wù)運(yùn)營相結(jié)合，處理當(dāng)前和歷史數(shù)據(jù)以規(guī)定響應(yīng)事件的行動。
Gartner公司研究副總裁Rita Sallam說，“持續(xù)型智能代表了數(shù)據(jù)和分析團(tuán)隊(duì)工作的重大變化。分析和商業(yè)智能(BI)團(tuán)隊(duì)在2019年幫助企業(yè)做出更明智的實(shí)時決策，這是一個巨大的挑戰(zhàn)，也是一個巨大的機(jī)會。它可以被看作是運(yùn)營商業(yè)智能的終極目標(biāo)。”
到2022年，超過一半的重要新業(yè)務(wù)系統(tǒng)將采用持續(xù)型智能，使用實(shí)時場景數(shù)據(jù)來改善決策。
趨勢4：可解釋的人工智能
人工智能已經(jīng)越來越多地用于數(shù)據(jù)管理，但人工智能解決方案如何解釋為什么他們得出某些結(jié)論?這是可解釋的人工智能的用武之地。
數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺中的可解釋人工智能是關(guān)于在自然語言中準(zhǔn)確性、屬性、模型統(tǒng)計和特征方面生成數(shù)據(jù)模型的解釋。
趨勢5：圖表
根據(jù)Gartner公司的調(diào)查，圖形分析是一組分析技術(shù)，可幫助企業(yè)探索關(guān)注實(shí)體(如交易、流程和員工)之間的關(guān)系。
到2022年，圖形處理和圖形數(shù)據(jù)庫管理系統(tǒng)的應(yīng)用將以每年100%的速度增長。
趨勢6：數(shù)據(jù)結(jié)構(gòu)
數(shù)據(jù)結(jié)構(gòu)都是關(guān)于單一且一致的數(shù)據(jù)管理框架。它著眼于在分布式數(shù)據(jù)環(huán)境中實(shí)現(xiàn)無沖突訪問和數(shù)據(jù)共享，而不是孤立存儲。
到2022年，定制的數(shù)據(jù)結(jié)構(gòu)配置將主要用作靜態(tài)基礎(chǔ)設(shè)施，迫使組織投入新的成本流，以完全重新設(shè)計更動態(tài)的數(shù)據(jù)網(wǎng)格方法。
趨勢7：自然語言處理(NLP)/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。需要分析復(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，這將推動更廣泛的采用，使分析工具與搜索界面或與虛擬助理對話一樣簡單。根據(jù)另一項(xiàng)研究，自然語言處理(NLP)的用例將很龐大，預(yù)計到2020年其市場價值將達(dá)到134億美元。
趨勢8：人工智能和機(jī)器學(xué)習(xí)的商業(yè)化
Gartner公司表示，到2022年，75%利用人工智能和機(jī)器學(xué)習(xí)技術(shù)的新終端用戶解決方案將采用商業(yè)解決方案而非開源平臺構(gòu)建。
商業(yè)供應(yīng)商已經(jīng)在開源生態(tài)系統(tǒng)中創(chuàng)建了連接器，它們?yōu)榻M織提供了擴(kuò)展人工智能和機(jī)器學(xué)習(xí)所需的功能，例如項(xiàng)目和模型管理、透明度、重用、數(shù)據(jù)沿襲、平臺內(nèi)聚性和開源技術(shù)所缺乏的集成。
趨勢9：區(qū)塊鏈
區(qū)塊鏈等分布式分類賬技術(shù)在數(shù)據(jù)分析領(lǐng)域看起來很有前景，因?yàn)樗鼈兛赡軙诓皇苄湃蔚膮⑴c者網(wǎng)絡(luò)中提供分散的信任。其分析用例的影響很大，尤其是那些利用參與者關(guān)系和交互的用例。
但是，根據(jù)Gartner公司的調(diào)查，區(qū)塊鏈要在這一領(lǐng)域全面發(fā)展還需要幾年時間。同時，企業(yè)將部分地與區(qū)塊鏈技術(shù)和標(biāo)準(zhǔn)相結(jié)合，這些技術(shù)和標(biāo)準(zhǔn)可能由其主要客戶或網(wǎng)絡(luò)決定。這包括與現(xiàn)有數(shù)據(jù)和分析基礎(chǔ)設(shè)施的集成。
趨勢#10：持久性內(nèi)存服務(wù)器
持久存儲器技術(shù)旨在降低采用內(nèi)存計算(IMC)的架構(gòu)的成本和復(fù)雜性。持久性內(nèi)存將成為處于DRAM內(nèi)存和NAND閃存之間的一個新內(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。
根據(jù)Gartner公司的調(diào)查，它具有升級應(yīng)用程序性能、可用性、啟動時間、集群方法和安全實(shí)踐的潛力。它還將通過減少對重復(fù)數(shù)據(jù)的需求，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。
Feinberg表示，“如今，數(shù)據(jù)量正在激增，實(shí)時將數(shù)據(jù)轉(zhuǎn)化為價值的緊迫性正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，還要求大容量內(nèi)存和更快的存儲。”
