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(shì)對(duì)業(yè)務(wù)帶來(lái)的潛在影響，并相應(yīng)調(diào)整業(yè)務(wù)模式和運(yùn)營(yíng)，否則就有可能失去競(jìng)爭(zhēng)優(yōu)勢(shì)。

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(duì)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 Gartner 2019 年十大「數(shù)據(jù)和分析技術(shù)趨勢(shì)」。

最近兩天里，2 月 18 日-19 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)。

知名調(diào)研機(jī)構(gòu) 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(shì)之一，并在未來(lái)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(lái)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。」

他還談道，「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�！�

Gartner 研究副總裁 Rita Sallam，數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須審視這些趨勢(shì)對(duì)業(yè)務(wù)帶來(lái)的潛在影響，并相應(yīng)調(diào)整業(yè)務(wù)模式和運(yùn)營(yíng)，否則就有可能失去競(jìng)爭(zhēng)優(yōu)勢(shì)。

「數(shù)據(jù)和分析的形勢(shì)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(shuō)道，「深入了解它們對(duì)于推動(dòng)這種不斷變化的技術(shù)趨勢(shì)，并根據(jù)業(yè)務(wù)價(jià)值對(duì)它們進(jìn)行優(yōu)先排序至關(guān)重要�！�

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(shì)如何實(shí)現(xiàn)這些優(yōu)先級(jí)。

趨勢(shì) 1：增強(qiáng)型數(shù)據(jù)分析(Augmented Analytics)

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(lái)更多自動(dòng)化動(dòng)能以及創(chuàng)新洞察力。因?yàn)樵谡�式進(jìn)入數(shù)據(jù)分析之前，都需要對(duì)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(méi)有數(shù)據(jù)科學(xué)專家或IT人員協(xié)助的情況下，訪問(wèn)有效數(shù)據(jù)，并對(duì)理論和假設(shè)情況展開(kāi)測(cè)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)(machine learning)轉(zhuǎn)變分析內(nèi)容的開(kāi)發(fā)、使用與共享方式。

目前國(guó)內(nèi)正在加強(qiáng)這一技術(shù)突破的包括幾大數(shù)據(jù)計(jì)算廠商，如阿里云、百度云、華為云等，通過(guò)對(duì)百萬(wàn)數(shù)據(jù)的計(jì)算與匯聚，實(shí)現(xiàn)對(duì)現(xiàn)實(shí)算力的優(yōu)化，以在未來(lái)如智慧大腦領(lǐng)域?qū)崿F(xiàn)更多突破。

Gartner預(yù)測(cè)，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(mài)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(chǎng)帶來(lái)顛覆，因?yàn)樗鼘�徹底改變開(kāi)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(guò)程實(shí)現(xiàn)自動(dòng)化，在許多情況下無(wú)需專業(yè)的數(shù)據(jù)科學(xué)家。

趨勢(shì) 2：增強(qiáng)型數(shù)據(jù)管理(Augmented data Management)

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(lái)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(kù)管理系統(tǒng)(DBMS)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(shì) 3：持續(xù)型智能(Continuous Intelligence)

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(yíng)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 人文，「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)。它可以被看作是運(yùn)營(yíng)商業(yè)智能的終極目標(biāo)�！�

到 2022 年，超過(guò)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(lái)改善決策。

趨勢(shì) 4：可解釋的 AI(Explainable AI)

人工智能模型越來(lái)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(wú)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(shuō)，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(yǔ)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(shì) 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(kù)管理系統(tǒng)的應(yīng)用將以每年 100%的速度增長(zhǎng)。

根據(jù) Gartner 的說(shuō)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(duì)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(wèn)題，圖形分析將在未來(lái)幾年內(nèi)增長(zhǎng)，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(shì) 6：數(shù)據(jù)結(jié)構(gòu)(Data Fabric)

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(wú)摩擦訪問(wèn)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(shì) 7：NLP /會(huì)話分析(NLP/Conversational Analytics)

到 2020 年，50%的分析查詢將通過(guò)搜索、自然語(yǔ)言處理(NLP)或語(yǔ)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(wèn)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(duì)話一樣簡(jiǎn)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(chǎng)價(jià)值將達(dá)到 134 億美元。

趨勢(shì) 8：商用的人工智能和機(jī)器學(xué)習(xí)(Commercial AI and ML)

到 2022 年，75%利用 ML 和 AI 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(kāi)源平臺(tái)的方式構(gòu)建。

商業(yè)供應(yīng)商已經(jīng)在開(kāi)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(kāi)源技術(shù)所缺乏的集成。

趨勢(shì) 9：區(qū)塊鏈(Blockchain)

企業(yè)可以使用區(qū)塊鏈來(lái)解決數(shù)據(jù)管理問(wèn)題嗎?

數(shù)據(jù)管理對(duì) CTO 來(lái)說(shuō)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(duì)于數(shù)據(jù)分析的潛在影響很大，尤其是對(duì)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(kù)，不會(huì)取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

趨勢(shì) 10：持久性內(nèi)存服務(wù)器(Persistent Memory Servers)

持久存儲(chǔ)器技術(shù)旨在降低采用內(nèi)存計(jì)算(IMC)的架構(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?jī)?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(zhǎng)，」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?jī)?nèi)存和更快的存儲(chǔ)系統(tǒng)�！�

標(biāo)簽： 大數(shù)據(jù) 服務(wù)器 數(shù)據(jù)分析 數(shù)據(jù)庫(kù) 搜索 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。