十大数据与分析技术趋势

着僵化且集中的架构与工具将会分崩离析。任何企业的长久生存都将取决于能够响应各种变化的以数据为中心的灵活架构。”

Gartner建议数据及分析厂商与高级业务领导一同讨论他们至关重要的业务优先事项，并探索如何利用以下主要趋势获得竞争优势。

趋势一：增强型分析

增强型分析是数据与分析市场内的下一波颠覆性技术。它利用机器学习(ML)与人工智能改变分析内容的开发、消费与共享方式。

到2020年，增强型分析将成为分析与商业智能(analytics and BI)、数据科学与机器学习平台(data science and ML platforms)以及嵌入式分析新增购买的主要驱动力。走在前列的数据与分析厂商应在平台功能逐渐成熟时采用增强型分析。

趋势二：增强型数据管理

增强型数据管理利用机器学习功能和人工智能引擎来生成企业信息管理类别，其中包括数据质量、元数据管理、主数据管理、数据集成以及数据库管理系统(DBMS)自我配置与自我调整。它可以自动执行许多手动任务，便于不太精通技术的用户能够更加自主地使用数据，同时也让高技能的技术人员专注于价值更高的任务。

增强型数据管理将以往仅用于审计、沿袭及报告的元数据转而支持动态系统。元数据正在从被动走向主动，并且正在成为所有人工智能/机器学习的主要驱动因素。

到2022年底，通过加入机器学习与自动化的服务级管理，数据管理手动任务将减少45%。

趋势三：持续型智能

到2022年，超过一半的重要新业务系统将嵌入持续型智能，使用实时情景数据改善决策。

持续型智能是一种设计模式，其中实时分析与业务运营相结合，处理当前与历史数据，以便为事件响应行动提供建议。它能够实现自动化决策或为决策提供支持。持续型智能采用多种技术，如：增强型分析、事件流处理、优化、业务规则管理以及机器学习。

Sallam女士表示：“持续型智能让数据与分析团队的工作发生重大变化。这既是一个巨大的挑战，也是一个极大的机会，因为分析与商业智能团队可以在2019年帮助企业做出更明智的实时决策。它可以被视作一种运营型商业智能。”

趋势四：可解释型人工智能

人工智能模型越来越多地被用于代替与增强人类决策。但在某些情况下，企业必须证明这些模型是如何做出决策的。为了与用户及权益方建立信任，此类应用的厂商必须让这些模型变得更易解读与更易理解。

不幸的是，大多数这些先进的人工智能模型都是复杂的黑盒子，无法解释为何提出了某条具体建议或决策。而数据科学和机器学习平台中的可解释型人工智能将运用自然语言从准确性、属性、模型统计及特性等方面自动生成模型提供解释说明。

趋势五：图形

图形分析(graph analytics)是一系列可用于探索企业机构、人员与交易等相关实体间关系的分析技术。

2022年前，图形处理和图形数据库管理系统的应用将以每年100%的速度快速增长，以持续加速数据准备，并支持更加复杂且适配的数据科学。

图形数据存储可以跨越数据筒仓(data silos)高效地建模，探索与查询具有相互复杂关系的数据，但Gartner认为，特殊的技能需求限制了该技术目前的应用。

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!