北京安防资质网 BEIJING SECURITY QUALIFICATION WEBSITE

新闻详情

Gartner:2019年十大数据和分析技术趋势

发表时间:2019-02-28 13:37

  Gartner表示,增强分析,持续智能和可解释人工智能(AI)是数据和分析技术的主要趋势,在未来三到五年内具有显着的颠覆性潜力。

  Gartner研究副总裁Rita Sallam表示,数据和分析领导者必须检查这些趋势可能带来的业务影响,并相应调整业务模式和运营,否则就有可能失去竞争优势。

  “数据和分析领域在不断不断发展,从支持内部决策到持续智能,信息产品和任命首席数据官。重要的是要深入了解技术趋势,了解技术趋势变化背后的故事,并根据业务价值优先推动发展,“她补充道。

  Gartner的副总裁兼杰出分析师唐纳德·范伯格指出,数字化颠覆正在创造太多数据,这给组织理解并利用这种变化带来的机遇造成了挑战。与此同时,他承认同样的数据泛滥将创造前所未有的机会。

  海量数据以及由云计算带来的日益强大的处理能力意味着现在可以大规模地训练和执行必要的算法,以最终实现人工智能的全部潜力。

  “数据的大小,复杂性,数据的分布性,行动速度以及数字业务所需的持续智能意味着僵化和中心化的架构和工具都会崩溃,”Feinberg说。“任何企业的持续生存都将取决于灵活的,以数据为中心的架构,以响应不断变化的速度。”

  Gartner建议数据和分析领导者与高级业务负责人讨论他们的关键业务优先级,并探索以下主要趋势如何实现。

  趋势1:增强分析

  增强分析是数据和分析市场的下一波颠覆性创新。它使用机器学习(ML)和人工智能技术来改变分析内容的开发,消费和共享方式。

  到2020年,增强分析将成为分析和商业智能(BI),以及数据科学和机器学习(ML)平台以及嵌入式分析的主要驱动力。数据和分析领导者应该计划在平台功能成熟时采用增强分析。

  趋势2:增强数据管理

  增强数据管理利用机器学习功能和人工智能引擎来制定企业信息管理类别,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)自我配置和自我调整。它使许多手动任务自动化,并允许技术水平较低的用户更加自主利用数据。它还允许高技能的技术资源专注于更高价值的任务。

  增强型数据管理将元数据转换为仅用于审计,跟踪和报告,以及为推动动态系统发展。元数据正在从被动变为主动,并且正在成为所有AI / ML的主要驱动因素。

  到2022年底,通过增加ML和自动化服务管理,数据手动管理任务将减少45%。

  趋势3:持续智能

  到2022年,超过一半的主要新业务系统将采用持续智能,使用实时背景数据来改善决策。

  持续智能是一种设计模式,其中实时分析集成在业务运营中,处理当前和历史数据以规定响应事件的操作。它提供决策自动化或决策支持。持续智能利用多种技术,如增强分析,事件流处理,优化,业务规则管理和ML。

  趋势4:可解释的AI

  人工智能模型越来越多地用于增强和取代人类决策。但是,在某些情况下,企业必须证明这些模型如何做出决策。为了与用户和利益相关者建立信任,应用程序领导者必须使这些模型更具解释性和可解释性。

  不幸的是,大多数这些先进的AI模型都是复杂的黑盒子,无法解释他们为何做出特定的推荐或决定。例如,在数据科学和ML平台中可解释的AI,就自然语言的准确性,属性,模型统计和特征自动对模型做出解释。

  趋势5:图表

  图形分析是一组分析技术,允许探索组织,人员和交易等主体之间的关系。

  到2022年,图形处理和图形DBMS的应用将以每年100%的速度增长,以不断加速数据准备并实现更复杂和自适应的数据科学。

  根据Gartner的说法,图形数据存储可以跨数据孤岛有效地建模,探索和查询有复杂关联关系的数据,但是对专业技能的要求限制了其应用。

  图形分析将在未来几年内增长,主要是由于需要在复杂数据中提出复杂问题,这在使用SQL查询时并不总是切实可行或甚至可能。

  趋势6:智能数据结构

  数据结构可在分布式数据环境中实现无摩擦访问和数据共享。它支持单一且一致的数据管理框架,允许通过其他孤立存储的设计进行无缝数据访问和处理。

  到2022年,定制数据结构设计将主要部署为静态基础设施,迫使组织投入更多资源,以完全重新设计更动态的数据网格方法。

  趋势第7号:NLP /会话分析

  到2020年,50%的分析查询将通过搜索,自然语言处理(NLP)或语音生成,或者将自动生成。分析复杂的数据组合并使组织中的每个人都可以访问分析的需求将推动更广泛的采用,使分析工具像搜索界面或与虚拟助手的对话一样简单。

  趋势8:商用AI和ML

  Gartner预测,到2022年,75%的新终端用户解决方案利用AI和ML技术的新,并且将采用商业解决方案而非开源平台构建。

  商用解决方案供应商现在已经在开源生态系统中构建了连接器,它们提供了扩展AI和ML所需的企业功能,例如项目和模型管理,重复使用,透明度,数据沿袭以及开源技术缺乏的平台聚合和集成。

  趋势9:区块链

  区块链和分布式账本技术的核心价值主张是在彼此不信任的参与者网络中提供去中心化的信任。分析应用场景的潜在影响很大,尤其是那些利用参与者关系和交互的影响。

  然而,在四到五个主要区块链技术成为主导之前,将需要几年的时间。在此之前,技术最终用户将被迫与其主要客户或网络所规定的区块链技术和标准集成。这包括与您现有的数据和分析基础架构的集成。

  整合成本可能超过任何潜在的好处。区块链是数据源,而不是数据库,不会取代现有的数据管理技术。

  趋势编号10:持久性内存服务器

  新的持久性存储器技术将有助于降低采用内存计算(IMC)架构的成本和复杂性。持久性内存代表DRAM和NAND闪存之间的新内存层,可为高性能工作负载提供经济高效的大容量内存。

  它有可能提高应用程序性能,可用性,启动时间,聚类方法和安全实践,同时控制成本。它还将通过减少数据复制的需要,帮助组织降低其应用程序和数据体系结构的复杂性。

  “数据量正在快速增长,实时将数据转化为价值的紧迫性正在以同样快的速度增长,”Feinberg说。“新的服务器工作负载不仅要求更快的CPU性能,还要求大容量内存和更快的存储。”


X 打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮