訂閱
糾錯
加入自媒體

Gartner確定2019年十大數(shù)據(jù)與分析技術(shù)趨勢

全球領(lǐng)先的信息技術(shù)研究和顧問公司Gartner指出,增強型分析(augmented analytics)、持續(xù)型智能(continuous intelligence)與可解釋型人工智能(explainable AI)是數(shù)據(jù)與分析(data and analytics)技術(shù)領(lǐng)域內(nèi)的主要趨勢之一,并有可能在未來三到五年帶來重大顛覆。

Gartner研究副總裁Rita Sallam表示,數(shù)據(jù)與分析領(lǐng)導(dǎo)者必須考察這些趨勢對業(yè)務(wù)帶來的潛在影響,并相應(yīng)調(diào)整業(yè)務(wù)模式與運營,否則將失去與他人競爭的優(yōu)勢。

她指出:“從支持內(nèi)部決策到持續(xù)型智能、信息產(chǎn)品以及任命首席數(shù)據(jù)官,數(shù)據(jù)和分析始終在不斷演化。深入了解推動這一演化的的技術(shù)趨勢并根據(jù)業(yè)務(wù)價值對其加以優(yōu)先排序,至關(guān)重要。”

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)——即數(shù)據(jù)太多,同樣也創(chuàng)造了前所未有的機(jī)遇。由云驅(qū)動的海量數(shù)據(jù)將實現(xiàn)更強大的處理能力,意味著現(xiàn)在可以大規(guī)模訓(xùn)練與執(zhí)行算法,最終發(fā)揮出人工智能的全部潛力。

Feinberg先生表示:“數(shù)據(jù)的規(guī)模、復(fù)雜性與分散性質(zhì),以及數(shù)字化業(yè)務(wù)所需要的行動速度與持續(xù)型智能,意味著僵化且集中的架構(gòu)與工具將會分崩離析。任何企業(yè)的長久生存都將取決于能夠響應(yīng)各種變化的以數(shù)據(jù)為中心的靈活架構(gòu)!

Gartner建議數(shù)據(jù)及分析領(lǐng)導(dǎo)者與高級業(yè)務(wù)領(lǐng)導(dǎo)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(shù)據(jù)與分析市場內(nèi)的下一波顛覆性技術(shù)。它利用機(jī)器學(xué)習(xí)(ML)與人工智能改變分析內(nèi)容的開發(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(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)平臺(data science and ML platforms)以及嵌入式分析新增購買的主要驅(qū)動力。數(shù)據(jù)與分析領(lǐng)導(dǎo)者應(yīng)在平臺功能逐漸成熟時采用增強型分析。

趨勢二:增強型數(shù)據(jù)管理

增強型數(shù)據(jù)管理利用機(jī)器學(xué)習(xí)功能和人工智能引擎來生成企業(yè)信息管理類別,其中包括數(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)自我配置與自我調(diào)整。它可以自動執(zhí)行許多手動任務(wù),便于不太精通技術(shù)的用戶能夠更加自主地使用數(shù)據(jù),同時也讓高技能的技術(shù)人員專注于價值更高的任務(wù)。

增強型數(shù)據(jù)管理將以往僅用于審計、沿襲及報告的元數(shù)據(jù)轉(zhuǎn)而支持動態(tài)系統(tǒng)。元數(shù)據(jù)正在從被動走向主動,并且正在成為所有人工智能/機(jī)器學(xué)習(xí)的主要驅(qū)動因素。

到2022年底,通過加入機(jī)器學(xué)習(xí)與自動化的服務(wù)級管理,數(shù)據(jù)管理手動任務(wù)將減少45%。

趨勢三:持續(xù)型智能

到2022年,超過一半的重要新業(yè)務(wù)系統(tǒng)將嵌入持續(xù)型智能,使用實時情景數(shù)據(jù)改善決策。

持續(xù)型智能是一種設(shè)計模式,其中實時分析與業(yè)務(wù)運營相結(jié)合,處理當(dāng)前與歷史數(shù)據(jù),以便為事件響應(yīng)行動提供建議。它能夠?qū)崿F(xiàn)自動化決策或為決策提供支持。持續(xù)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(guī)則管理以及機(jī)器學(xué)習(xí)。

Sallam女生表示:“持續(xù)型智能讓數(shù)據(jù)與分析團(tuán)隊的工作發(fā)生重大變化。這既是一個巨大的挑戰(zhàn),也是一個極大的機(jī)會,因為分析與商業(yè)智能團(tuán)隊可以在2019年幫助企業(yè)做出更明智的實時決策。它可以被視作一種終極運營型商業(yè)智能。”

趨勢四:可解釋型人工智能

人工智能模型越來越多地被用于增強與代替人類決策。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。為了與用戶及權(quán)益方建立信任,此類應(yīng)用的領(lǐng)導(dǎo)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(shù)這些先進(jìn)的人工智能模型都是復(fù)雜的黑盒子,無法解釋為何提出了某條具體建議或決策。而數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺中的可解釋型人工智能將運用自然語言從準(zhǔn)確性、屬性、模型統(tǒng)計及特性等方面自動生成模型提供解釋說明。

趨勢五:圖形

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

2022年前,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%的速度快速增長,以持續(xù)加速數(shù)據(jù)準(zhǔn)備,并支持更加復(fù)雜且適配的數(shù)據(jù)科學(xué)。

圖形數(shù)據(jù)存儲可以跨越數(shù)據(jù)筒倉(data silos)高效地建模,探索與查詢具有相互復(fù)雜關(guān)系的數(shù)據(jù),但Gartner認(rèn)為,特殊的技能需求限制了該技術(shù)目前的應(yīng)用。

為了滿足對于復(fù)雜數(shù)據(jù)的綜合查詢需求,圖形分析將在未來幾年內(nèi)得到發(fā)展。利用SQL查詢完成大規(guī)模的復(fù)雜查詢并不總是切實可行,有時甚至無法完成。

趨勢六:數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)結(jié)構(gòu)(data fabric)支持分布式數(shù)據(jù)環(huán)境內(nèi)的無摩擦數(shù)據(jù)訪問與共享。其支持單一與一致的數(shù)據(jù)管理框架,通過克服孤立存儲的獨特設(shè)計,實現(xiàn)無縫的數(shù)據(jù)訪問與處理。

到2022年,定制式數(shù)據(jù)結(jié)構(gòu)設(shè)計將主要用作靜態(tài)基礎(chǔ)架構(gòu),促使各企業(yè)機(jī)構(gòu)為完全重新的設(shè)計投入資金,進(jìn)而實現(xiàn)更具動態(tài)的數(shù)據(jù)網(wǎng)格(data mesh)方法。

趨勢七:自然語言處理/會話式分析

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,或者將自動生成。分析復(fù)雜數(shù)據(jù)組合以及讓企業(yè)機(jī)構(gòu)中的每個人都可以訪問分析的需求將推動更廣泛的采用,從而讓分析工具變得如同搜索界面或與虛擬助理進(jìn)行對話一樣簡單。

趨勢八:商業(yè)人工智能與機(jī)器學(xué)習(xí)

Gartner預(yù)測,到2022年,75%利用人工智能與機(jī)器學(xué)習(xí)技術(shù)的新終端用戶解決方案將采用商業(yè)解決方案而非開源平臺構(gòu)建。

商業(yè)廠商現(xiàn)在已經(jīng)在開源生態(tài)系統(tǒng)中創(chuàng)建了連接器,為企業(yè)提供擴(kuò)展與推廣人工智能及機(jī)器學(xué)習(xí)所需要的功能特性,例如項目與模型管理(project & model management)、復(fù)用(reuse)、透明度(transparency)、數(shù)據(jù)沿襲(data lineage)、平臺凝聚力(platform cohesiveness)以及開源技術(shù)所缺乏的集成。

趨勢九:區(qū)塊鏈

區(qū)塊鏈與分布式分類帳(distributed ledger)技術(shù)的核心價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的潛在結(jié)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的影響。

然而,尚需幾年時間才會有四或五項主要區(qū)塊鏈技術(shù)占據(jù)主導(dǎo)地位。在此之前,技術(shù)終端用戶將被迫與由其主導(dǎo)客戶或網(wǎng)絡(luò)所指定的區(qū)塊鏈技術(shù)及標(biāo)準(zhǔn)相集成。這包括與您現(xiàn)有的數(shù)據(jù)及分析基礎(chǔ)架構(gòu)進(jìn)行集成。集成成本可能會超過任何潛在收益。區(qū)塊鏈?zhǔn)菙?shù)據(jù)源,而非數(shù)據(jù)庫,不會取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

趨勢十:持久內(nèi)存服務(wù)器

在采用內(nèi)存中計算(IMC)所支持的架構(gòu)方面,新型持久內(nèi)存(persistent memory)技術(shù)將有助于降低成本與復(fù)雜度。持久內(nèi)存代表著DRAM與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。它將有望改進(jìn)應(yīng)用性能、可用性、啟動時間、集群方法與安全實踐,同時保持成本可控;通過減少數(shù)據(jù)復(fù)制需求,還將有助于企業(yè)機(jī)構(gòu)降低其應(yīng)用與數(shù)據(jù)架構(gòu)的復(fù)雜度。

Feinberg先生表示:“數(shù)據(jù)量正在快速增多,實時將數(shù)據(jù)轉(zhuǎn)化成價值的緊迫性也在同樣快速增加。新的服務(wù)器工作負(fù)載不僅需要更快的CPU性能,而且還需要大容量內(nèi)存及更快的存儲!

聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號