如今，數據分析技術滲透到數字企業的各個方面，人們需要注意其未來幾年的發展趨勢。

[[311894]]

由于大數據發展的承諾，以及機器學習和人工智能的潛力，數據和分析在組織中獲得了更多吸引力。盡管許多企業的人工智能生產計劃似乎停滯不前，但仍在制定這些計劃，并知道這些計劃對未來幾年的業務成功至關重要。

調研機構Gartner公司分析師兼副總裁Rita Sallam表示，這是因為數據和分析在數字業務中扮演著越來越重要的角色。數據和分析已成為企業為客戶服務、雇用員工、優化供應鏈、優化財務，以及執行組織中許多其他關鍵功能的關鍵部分。

考慮到這一點，有許多趨勢和技術為未來幾年的成功部署奠定了基礎，旨在使企業的工作更快、更穩定。

Sallam說：“企業正面臨著比以往任何時候都更快的業務變革和技術變革。因此需要一個靈活的數據和分析體系結構，能夠支持這種變化。”

Sallam在最近于佛羅里達州奧蘭多舉行的Gartner IT研討會上進行了主題為“將改變企業業務的10個數據和分析趨勢”的主題演講。這些著眼于未來的趨勢符合三大主題。第一個主題是智能。這意味著機器學習和人工智能技術正被注入到工作負載和活動中，增加了用戶角色，減少了所需的技能，并自動化執行任務，以提高洞察力。第二個主題是新的數據格式。與過去相比，人工智能和機器學習支持更加靈活和緊急的數據格式。最后的主題是規模。

她說，這些趨勢發展需要3到5年的時間，因此不會在此列表上看到自助服務，因為現在到處都是自助服務，也不會在這里看到量子計算，因為這太遙遠了。云計算也不在這個列表中，這是因為它無所不在。考慮到這些規則，需要注意在未來幾年內改變企業業務的以下10個趨勢：

1.增強分析

通過商業智能、數據科學和機器學習，組織將利用增強的分析，使更多的人能夠從數據中獲得洞察力。Sallam表示，在未來幾年里，當企業評估供應商選擇時，增強分析將成為主導因素。此外，Salesforce公司和Workday公司等其他技術的供應商正在將增強的分析功能納入其產品和服務中，以改善用戶的體驗。

Sallam說：“這實際上是使分析民主化。這實際上是要用比現在更少的技能在短時間內獲得洞察力。”

2.增強數據管理

這一趨勢將提高組織分析數據的能力，這些數據將更動態地輸入，并在更接近實時的情況下實現更高水平的自動化。在操作的數據管理方面有許多不同的任務，例如模式識別、容量、利用率、法規/遵從性和成本模型等。增強的數據管理將針對這些部分。

Sallam說，到2022年，通過增加機器學習和自動服務級別管理，數據管理人工處理的任務將減少45%。

3. 自然語言處理(NLP)/會話分析

自然語言處理(NLP)和對話分析與增強分析高度互補。它們為非數據專家提供了一種新的查詢和洞察界面。

Sallam說：“大多數人都不了解SQL，也無法自己構建自己的查詢。這些工具使它變得更容易。”

Gartner公司的調查表明，到2020年，50%的分析查詢將通過搜索和自然語言處理(NLP)自動生成，不過還有很大的改進空間。

如今，大多數分析和商業智能平臺已經實現了基本的關鍵字搜索。例如，用戶可以問“我的產品銷售額是多少?”，但回答更復雜的問題仍然是一個挑戰。用戶可能不會問“與去年相比，我們今年在紐約50英里范圍內采用的10種產品是什么或者有哪些客戶?”

Sallam說：“這更加復雜。它涉及到對功能、同義詞和其他功能進行排名的功能，而這些功能如今并不是每個廠商都能做到的。”

這個領域的另一個新特性是會話分析，它可以讓用戶深入研究更具體的問題。

Sallam說：“直到最近，所有這些都與可視化有關。會話分析將為洞察力增加另一個維度。”

4.圖表

Sallam說，圖形處理和圖形數據庫以大多數人的思維方式進行數據探索，揭示邏輯概念與實體(例如組織、人員和交易)之間的關系。

Gartner公司預測，到2022年，圖形處理和圖形數據庫的應用將以每年100%的速度增長，以不斷加快數據準備，并采用更復雜和適應性更強的數據科學。

Sallam說，圖表可以生成語義圖和知識網絡。其中一個例子可能是各種數據的緊急鏈接，比如健康運動應用程序和飲食應用程序中的數據和醫療建議等。

5.商業人工智能/機器學習將在市場上勝過開源軟件

開源一直是大數據、人工智能和機器學習的重要驅動力，特別是在谷歌和亞馬遜等數字巨頭公司。但大多數組織并不屬于數字巨頭的范疇。這些公司已經進行了人工智能和人機器學習的試點，但一直在努力將其項目擴大到生產規模。Gartner公司認為這些公司最終會利用商業平臺來管理他們的人工智能項目。

Gartner公司預測，到2022年，75%采用人工智能和機器學習技術的終端用戶解決方案將使用商業平臺而不是開源平臺構建。

6.數據結構

Sallam說，這種趨勢與增強型數據管理緊密相關，它使企業可以大規模支持敏捷數據。過去的目標是將所有數據存儲在一個數據倉庫中。但是數據變得更加分散，通過設計為數據倉庫創建數據結構。它支持邏輯數據倉庫體系結構，該體系結構可跨異構存儲無縫訪問和集成數據。

Gartner公司預測，到2022年，定制的數據結構設計將作為靜態基礎設施進行部署，這將迫使新一輪的重新設計以采用更多動態方法。

7.可解釋的人工智能

Sallam說：“我們認為，這對于企業能夠控制越來越多的人工智能使用將是一個關鍵環節。”這是因為模型變得越來越復雜和不透明。組織將需要能夠解釋結果以進行內部監控并遵守法規。組織將需要知道模型中是否存在隱私風險，或者是否檢測到偏差。Sallam表示，供應商正在研究這個問題，并計劃實施解決方案。

Gartner公司預測，到2023年，75%以上的大型組織將雇傭人工智能行為鑒證、隱私和客戶信任專家，以降低品牌和聲譽風險。

8.區塊鏈

Sallam說，這是在數據和分析之外的許多技術領域的趨勢。但這在數據和分析中尤其重要，尤其在信任方面。Sallam說：“這實際上是通過密碼支持受信任參與者網絡中的不變性。它會跟蹤某些情況是否已更改，因此從數據角度來看，區塊鏈將有助于跟蹤諸如深層偽造或虛假新聞之類的事物。”

Gartner公司預測，到2021年，大多數私人和許可的區塊鏈用途將被分類賬數據庫管理系統產品取代。

9.持續智能

持續智能是指通過實時數據和高級分析實現更智能的決策。它包含了情境意識并規定了要采取的行動。Sallam表示，它是智能的、自動化的、注重結果的。

Gartner公司預測，到2022年，超過一半的主要新業務系統將采用持續智能，這些智能將使用實時場景數據來改善決策。

10.持久內存服務器

Sallam說，這些服務器能夠提供更大的內存、更經濟的性能和更簡單的可用性。一些數據庫供應商正在重寫他們的系統，以支持這種類型的服務器，這使得能夠在內存中實時分析更多的數據。

Gartner公司預測，到2021年，持久內存將占到內存銷售量的10%以上。