處于數(shù)據(jù)和分析位置的領(lǐng)導(dǎo)人必須審視這些趨勢對業(yè)務(wù)帶來的潛在影響，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。

增強(qiáng)型數(shù)據(jù)分析、增強(qiáng)型數(shù)據(jù)管理、持續(xù)型智能、可解釋的AI、數(shù)據(jù)結(jié)構(gòu)、NLP/對話式分析、商業(yè)AI和ML、區(qū)塊鏈和持久性內(nèi)存服務(wù)器共同構(gòu)成了Gartner2019年十大數(shù)據(jù)和分析技術(shù)趨勢。

近日，在悉尼舉行的Gartner數(shù)據(jù)與分析峰會(huì)上，增強(qiáng)型數(shù)據(jù)分析和可解釋的人工智能成為焦點(diǎn)。Gartner稱，增強(qiáng)型數(shù)據(jù)分析、持續(xù)型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，并在未來三到五年內(nèi)具有顯著的顛覆性潛力。Gartner副總裁兼杰出分析師Donald Feinberg認(rèn)為，數(shù)字化顛覆帶來的挑戰(zhàn)——數(shù)據(jù)太多也創(chuàng)造了前所未有的機(jī)遇。大量數(shù)據(jù)和由云實(shí)現(xiàn)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，以最終兌現(xiàn)出AI的全部潛力。Donald表示：“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。數(shù)字化業(yè)務(wù)需要大量復(fù)雜且分布式的數(shù)據(jù)、迅速行動(dòng)以及持續(xù)型智能，這意味著僵化且集中式的架構(gòu)和工具分崩離析?！?/p>

Gartner研究副總裁Rita Sallam則認(rèn)為，數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須審視這些趨勢對業(yè)務(wù)帶來的潛在影響，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)和分析的形勢不斷發(fā)展，從支持內(nèi)部決策到持續(xù)型智能，信息產(chǎn)品和任命首席數(shù)據(jù)官，”Rita說道，“深入了解它們對于推動(dòng)這種不斷變化的技術(shù)趨勢，并根據(jù)業(yè)務(wù)價(jià)值對它們進(jìn)行優(yōu)先排序至關(guān)重要?！?/p>

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)人討論他們的關(guān)鍵業(yè)務(wù)優(yōu)先級(jí)，并探索以下主要趨勢如何實(shí)現(xiàn)這些優(yōu)先級(jí)。

趨勢1? 增強(qiáng)型數(shù)據(jù)分析（AugmentedAnalytics）

作為數(shù)據(jù)分析的高級(jí)增強(qiáng)階段，增強(qiáng)分析能為分析計(jì)劃帶來更多自動(dòng)化動(dòng)能以及創(chuàng)新洞察力。因?yàn)樵谡竭M(jìn)入數(shù)據(jù)分析之前，都需要對數(shù)據(jù)進(jìn)行抽取、清洗、融合等準(zhǔn)備工作，以提高數(shù)據(jù)分析的效率和準(zhǔn)確性，更利于決策。而增強(qiáng)分析則能夠幫助普通用戶在沒有數(shù)據(jù)科學(xué)專家或IT人員協(xié)助的情況下，訪問有效數(shù)據(jù)，并對理論和假設(shè)情況展開測試與驗(yàn)證。

增強(qiáng)型數(shù)據(jù)分析側(cè)重于增強(qiáng)智能的特定領(lǐng)域，利用機(jī)器學(xué)習(xí)（machinelearning）轉(zhuǎn)變分析內(nèi)容的開發(fā)、使用與共享方式。目前國內(nèi)正在加強(qiáng)這一技術(shù)突破，包括幾大數(shù)據(jù)計(jì)算廠商，如阿里云、百度云、華為云等，通過對百萬數(shù)據(jù)的計(jì)算與匯聚，實(shí)現(xiàn)對現(xiàn)實(shí)算力的優(yōu)化，以在未來如智慧大腦領(lǐng)域?qū)崿F(xiàn)更多突破。

Gartner預(yù)測，到2020年，增強(qiáng)分析將成為分析和商業(yè)智能解決方案的主要賣點(diǎn)，相關(guān)業(yè)務(wù)負(fù)責(zé)人應(yīng)該在平臺(tái)功能趨于成熟時(shí)率先采用增強(qiáng)型分析。機(jī)器學(xué)習(xí)和人工智能、增強(qiáng)型分析將為數(shù)據(jù)和分析市場帶來顛覆，因?yàn)樗鼘氐赘淖冮_發(fā)、消費(fèi)和共享分析內(nèi)容的方式，可使數(shù)據(jù)準(zhǔn)備、洞察力獲取和洞察力可視化這個(gè)過程實(shí)現(xiàn)自動(dòng)化，在許多情況下無需專業(yè)的數(shù)據(jù)科學(xué)家。

趨勢2? 增強(qiáng)型數(shù)據(jù)管理（AugmenteddataManagement）

增強(qiáng)型數(shù)據(jù)管理利用機(jī)器學(xué)習(xí)功能和AI引擎來制作數(shù)據(jù)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）的自我配置和自我調(diào)整。

增強(qiáng)型數(shù)據(jù)管理將元數(shù)據(jù)由僅用于審計(jì)、沿襲和報(bào)告變成支持動(dòng)態(tài)系統(tǒng)。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。它可以自動(dòng)執(zhí)行許多手動(dòng)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(huì)。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)。

趨勢3? 持續(xù)型智能（ContinuousIntelligence）

持續(xù)性數(shù)據(jù)不僅僅是一種實(shí)時(shí)數(shù)據(jù)的新方式;相反，它是一種設(shè)計(jì)模式，其中實(shí)時(shí)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(dòng)。它提供決策自動(dòng)化或決策支持。持續(xù)型智能利用多種技術(shù)，比如增強(qiáng)型分析、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)。

“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，”Gartner研究副總裁麗Sallam認(rèn)為，“分析和BI（商業(yè)智能）團(tuán)隊(duì)在2019年幫助企業(yè)做出更明智的實(shí)時(shí)決策，這是一個(gè)巨大的挑戰(zhàn)，也是一個(gè)巨大的機(jī)會(huì)。它可以被看做是運(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)性智能，使用實(shí)時(shí)上下文數(shù)據(jù)來改善決策。

趨勢4? 可解釋的AI（ExplainableAI）

人工智能模型越來越多地用于增強(qiáng)和取代人類決策。但AI解決方案如何解釋為什么他們得出某些結(jié)論？

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)楹芜_(dá)到特定的推薦或決定。這是可解釋的人工智能的用武之地。比如說，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺(tái)中的可解釋型AI可自動(dòng)生成模型的解釋，用自然語言從準(zhǔn)確性、屬性、模型統(tǒng)計(jì)和特征等方面解釋模型。

趨勢5? 圖形分析（Graph）

圖形分析是一組分析技術(shù)，可幫助企業(yè)探索交易、流程和員工等實(shí)體之間的關(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。

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、探索和查詢數(shù)據(jù)，但是對專業(yè)技能的需求限制了它們的采用。由于需要在復(fù)雜數(shù)據(jù)中提出復(fù)雜問題，圖形分析將在未來幾年內(nèi)增長，這在使用SQL查詢時(shí)并不總是切實(shí)可行。

趨勢6? 數(shù)據(jù)結(jié)構(gòu)（DataFabric）

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)無摩擦訪問和數(shù)據(jù)共享，而不是孤立存儲(chǔ)。

到2022年，定制數(shù)據(jù)結(jié)構(gòu)配置將主要用作靜態(tài)基礎(chǔ)架構(gòu)，迫使組織進(jìn)入新一波的成本控制浪潮，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7? NLP/會(huì)話分析（NLP/ConversationalAnalytics）

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，使分析工具將如同搜索界面或與虛擬助手的對話一樣簡單。根據(jù)另一項(xiàng)單獨(dú)研究，NLP用例非常龐大，預(yù)計(jì)到2020年NLP市場價(jià)值將達(dá)到134億美元。

趨勢8? 商用的人工智能和機(jī)器學(xué)習(xí)（CommercialAIandML）

到2022年，利用ML和AI技術(shù)的75%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(tái)的方式構(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AI和所需的功能，例如項(xiàng)目和模型管理、透明度、復(fù)用、數(shù)據(jù)沿襲、平臺(tái)凝聚力以及開源技術(shù)所缺乏的集成。

趨勢9? 區(qū)塊鏈（Blockchain）

企業(yè)可以使用區(qū)塊鏈來解決數(shù)據(jù)管理問題嗎？數(shù)據(jù)管理對CTO來說是一個(gè)持續(xù)不斷的挑戰(zhàn)，但Bluzelle首席執(zhí)行官Pavel Bains認(rèn)為區(qū)塊鏈技術(shù)可以提供解決方案。

區(qū)塊鏈和分布式賬本技術(shù)的核心價(jià)值主張是在不受信任的參與者網(wǎng)絡(luò)中提供去中心化的信任。區(qū)塊鏈對于數(shù)據(jù)分析的潛在影響很大，尤其是對利用參與者關(guān)系和交互的那些企業(yè)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，還需要幾年時(shí)間。但是，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10? 持久性內(nèi)存服務(wù)器（PersistentMemoryServers）

持久存儲(chǔ)器技術(shù)旨在降低采用內(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。“數(shù)據(jù)量正在激增，實(shí)時(shí)將數(shù)據(jù)轉(zhuǎn)化為價(jià)值的緊迫性正以同樣快的速度增長，”Donald表示，“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(chǔ)系統(tǒng)。”