Gartner確定2019年十大數據與分析技術(shù)趨勢

    全球領(lǐng)先的信息技術(shù)研究和顧問(wèn)公司Gartner指出，增強型分析（augmented analytics）、持續型智能（continuous intelligence）與可解釋型人工智能（explainable AI）是數據與分析（data and analytics）技術(shù)領(lǐng)域內的主要趨勢之一，并有可能在未來(lái)三到五年帶來(lái)重大顛覆。

           Gartner研究副總裁Rita Sallam表示，數據與分析領(lǐng)導者必須考察這些趨勢對業(yè)務(wù)帶來(lái)的潛在影響，并相應調整業(yè)務(wù)模式與運營(yíng)，否則將失去與他人競爭的優(yōu)勢。

    她指出：“從支持內部決策到持續型智能、信息產(chǎn)品以及任命首席數據官，數據和分析始終在不斷演化。深入了解推動(dòng)這一演化的的技術(shù)趨勢并根據業(yè)務(wù)價(jià)值對其加以?xún)?yōu)先排序，至關(guān)重要。”

           Gartner副總裁兼杰出分析師Donald Feinberg認為，數字化顛覆帶來(lái)的挑戰——即數據太多，同樣也創(chuàng )造了前所未有的機遇。由云驅動(dòng)的海量數據將實(shí)現更強大的處理能力，意味著(zhù)現在可以大規模訓練與執行算法，最終發(fā)揮出人工智能的全部潛力。

           Feinberg先生表示：“數據的規模、復雜性與分散性質(zhì)，以及數字化業(yè)務(wù)所需要的行動(dòng)速度與持續型智能，意味著(zhù)僵化且集中的架構與工具將會(huì )分崩離析。任何企業(yè)的長(cháng)久生存都將取決于能夠響應各種變化的以數據為中心的靈活架構。”

           Gartner建議數據及分析領(lǐng)導者與高級業(yè)務(wù)領(lǐng)導一同討論他們至關(guān)重要的業(yè)務(wù)優(yōu)先事項，并探索如何利用以下主要趨勢獲得競爭優(yōu)勢。

  趨勢一：增強型分析

   增強型分析是數據與分析市場(chǎng)內的下一波顛覆性技術(shù)。它利用機器學(xué)習（ML）與人工智能改變分析內容的開(kāi)發(fā)、消費與共享方式。

   到2020年，增強型分析將成為分析與商業(yè)智能（analytics and BI）、數據科學(xué)與機器學(xué)習平臺（data science and ML platforms）以及嵌入式分析新增購買(mǎi)的主要驅動(dòng)力。數據與分析領(lǐng)導者應在平臺功能逐漸成熟時(shí)采用增強型分析。

  趨勢二：增強型數據管理

   增強型數據管理利用機器學(xué)習功能和人工智能引擎來(lái)生成企業(yè)信息管理類(lèi)別，其中包括數據質(zhì)量、元數據管理、主數據管理、數據集成以及數據庫管理系統（DBMS）自我配置與自我調整。它可以自動(dòng)執行許多手動(dòng)任務(wù)，便于不太精通技術(shù)的用戶(hù)能夠更加自主地使用數據，同時(shí)也讓高技能的技術(shù)人員專(zhuān)注于價(jià)值更高的任務(wù)。

   增強型數據管理將以往僅用于審計、沿襲及報告的元數據轉而支持動(dòng)態(tài)系統。元數據正在從被動(dòng)走向主動(dòng)，并且正在成為所有人工智能/機器學(xué)習的主要驅動(dòng)因素。

   到2022年底，通過(guò)加入機器學(xué)習與自動(dòng)化的服務(wù)級管理，數據管理手動(dòng)任務(wù)將減少45%。

  趨勢三：持續型智能

   到2022年，超過(guò)一半的重要新業(yè)務(wù)系統將嵌入持續型智能，使用實(shí)時(shí)情景數據改善決策。

   持續型智能是一種設計模式，其中實(shí)時(shí)分析與業(yè)務(wù)運營(yíng)相結合，處理當前與歷史數據，以便為事件響應行動(dòng)提供建議。它能夠實(shí)現自動(dòng)化決策或為決策提供支持。持續型智能采用多種技術(shù)，如：增強型分析、事件流處理、優(yōu)化、業(yè)務(wù)規則管理以及機器學(xué)習。

        Sallam女生表示：“持續型智能讓數據與分析團隊的工作發(fā)生重大變化。這既是一個(gè)巨大的挑戰，也是一個(gè)極大的機會(huì )，因為分析與商業(yè)智能團隊可以在2019年幫助企業(yè)做出更明智的實(shí)時(shí)決策。它可以被視作一種終極運營(yíng)型商業(yè)智能。”

  趨勢四：可解釋型人工智能

   人工智能模型越來(lái)越多地被用于增強與代替人類(lèi)決策。但在某些情況下，企業(yè)必須證明這些模型是如何做出決策的。為了與用戶(hù)及權益方建立信任，此類(lèi)應用的領(lǐng)導者必須讓這些模型變得更易解讀與更易理解。

不幸的是，大多數這些先進(jìn)的人工智能模型都是復雜的黑盒子，無(wú)法解釋為何提出了某條具體建議或決策。而數據科學(xué)和機器學(xué)習平臺中的可解釋型人工智能將運用自然語(yǔ)言從準確性、屬性、模型統計及特性等方面自動(dòng)生成模型提供解釋說(shuō)明。

  趨勢五：圖形

   圖形分析（graph analytics）是一系列可用于探索企業(yè)機構、人員與交易等相關(guān)實(shí)體間關(guān)系的分析技術(shù)。

         2022年前，圖形處理和圖形數據庫管理系統的應用將以每年100%的速度快速增長(cháng)，以持續加速數據準備，并支持更加復雜且適配的數據科學(xué)。

   圖形數據存儲可以跨越數據筒倉（data silos）高效地建模，探索與查詢(xún)具有相互復雜關(guān)系的數據，但Gartner認為，特殊的技能需求限制了該技術(shù)目前的應用。

   為了滿(mǎn)足對于復雜數據的綜合查詢(xún)需求，圖形分析將在未來(lái)幾年內得到發(fā)展。利用SQL查詢(xún)完成大規模的復雜查詢(xún)并不總是切實(shí)可行，有時(shí)甚至無(wú)法完成。

  趨勢六：數據結構

   數據結構（data fabric）支持分布式數據環(huán)境內的無(wú)摩擦數據訪(fǎng)問(wèn)與共享。其支持單一與一致的數據管理框架，通過(guò)克服孤立存儲的獨特設計，實(shí)現無(wú)縫的數據訪(fǎng)問(wèn)與處理。

   到2022年，定制式數據結構設計將主要用作靜態(tài)基礎架構，促使各企業(yè)機構為完全重新的設計投入資金，進(jìn)而實(shí)現更具動(dòng)態(tài)的數據網(wǎng)格（data mesh）方法。

  趨勢七：自然語(yǔ)言處理/會(huì )話(huà)式分析

   到2020年，50%的分析查詢(xún)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。分析復雜數據組合以及讓企業(yè)機構中的每個(gè)人都可以訪(fǎng)問(wèn)分析的需求將推動(dòng)更廣泛的采用，從而讓分析工具變得如同搜索界面或與虛擬助理進(jìn)行對話(huà)一樣簡(jiǎn)單。

  趨勢八：商業(yè)人工智能與機器學(xué)習

        Gartner預測，到2022年，75%利用人工智能與機器學(xué)習技術(shù)的新終端用戶(hù)解決方案將采用商業(yè)解決方案而非開(kāi)源平臺構建。

   商業(yè)廠(chǎng)商現在已經(jīng)在開(kāi)源生態(tài)系統中創(chuàng )建了連接器，為企業(yè)提供擴展與推廣人工智能及機器學(xué)習所需要的功能特性，例如項目與模型管理（project & model management）、復用（reuse）、透明度（transparency）、數據沿襲（data lineage）、平臺凝聚力（platform cohesiveness）以及開(kāi)源技術(shù)所缺乏的集成。

  趨勢九：區塊鏈

   區塊鏈與分布式分類(lèi)帳（distributed ledger）技術(shù)的核心價(jià)值主張是在非置信的參與者網(wǎng)絡(luò )中提供去中心化信任。對分析使用案例帶來(lái)的潛在結果非常大，尤其是對于利用參與者關(guān)系及交互的那些使用案例所帶來(lái)的影響。

   然而，尚需幾年時(shí)間才會(huì )有四或五項主要區塊鏈技術(shù)占據主導地位。在此之前，技術(shù)終端用戶(hù)將被迫與由其主導客戶(hù)或網(wǎng)絡(luò )所指定的區塊鏈技術(shù)及標準相集成。這包括與您現有的數據及分析基礎架構進(jìn)行集成。集成成本可能會(huì )超過(guò)任何潛在收益。區塊鏈是數據源，而非數據庫，不會(huì )取代現有的數據管理技術(shù)。

  趨勢十：持久內存服務(wù)器

   在采用內存中計算（IMC）所支持的架構方面，新型持久內存（persistent memory）技術(shù)將有助于降低成本與復雜度。持久內存代表著(zhù)DRAM與NAND閃存之間的新內存層，可為高性能工作負載提供經(jīng)濟高效的大容量?jì)却?。它將有望改進(jìn)應用性能、可用性、啟動(dòng)時(shí)間、集群方法與安全實(shí)踐，同時(shí)保持成本可控；通過(guò)減少數據復制需求，還將有助于企業(yè)機構降低其應用與數據架構的復雜度。

         Feinberg先生表示：“數據量正在快速增多，實(shí)時(shí)將數據轉化成價(jià)值的緊迫性也在同樣快速增加。新的服務(wù)器工作負載不僅需要更快的CPU性能，而且還需要大容量?jì)却婕案斓拇鎯?a style="outline: none;cursor: pointer;color: rgb(30, 84, 148)">。”