原标题:10 2020年数据与分析趋势
今天，数据分析技术渗透到数字企业的方方面面，人们需要关注未来几年的发展趋势。
Big Data 50
由于大数据的发展以及机器学习、人工智能和数据分析的前景，它在组织中更具吸引力。尽管许多公司生产的人工智能程序似乎停滞不前，但这些计划仍在制定中，他们知道未来几年业务成功的关键。
research company Gartner的分析师兼副总裁丽塔·萨拉姆(Rita Sallam)表示，这是因为数据和分析在数字业务中发挥着越来越重要的作用。数据和分析已成为企业向客户提供服务、雇用员工、优化供应链、优化财务和实现组织中许多其他关键功能的关键部分。
考虑到这一点，有许多趋势和技术为未来几年的成功部署奠定了基础，旨在使企业工作得更快、更稳定。
Salam说:“企业比以往任何时候都面临着更快的业务和技术变革。因此，需要一个灵活的数据和分析架构来支持这种变化。
主题为萨拉姆的主题演讲“分析将改变十大数据和企业业务的发展趋势”，最近在佛罗里达州奥兰多的高德纳信息技术研讨会上举行。这些重点符合未来发展趋势的三大主题。第一个主题很聪明。这意味着机器学习和人工智能技术被注入到工作负载和活动中，增加了用户的角色，减少了所需的技能和任务自动化，并提高了洞察力。第二个主题是新的数据格式。与过去相比，人工智能和机器学习支持更加灵活和紧迫的数据格式。最后一个话题是规模。
她说这些趋势需要3到5年的时间来发展，所以你不会在这个列表上看到自助服务，因为它现在无处不在，你也不会在这里看到量子计算，因为它太远了。云计算也不在名单上，因为它无处不在。考虑到这些规则，我们需要注意以下10个趋势，这些趋势将在未来几年改变企业的业务:
1。增强的分析
通过商业智能、数据科学和机器学习，组织将使用增强的分析使更多的人能够从数据中获得洞察力。萨拉姆表示，随着企业评估供应商选择，强化分析将成为未来几年的主导因素。此外，salesforce和workday等其他技术的供应商正在将增强的分析能力集成到他们的产品和服务中，以改善用户体验。
萨拉姆说:“这实际上是民主化的分析。这实际上是用更少的技能在短时间内获得洞察力。
2。“增强数据管理”的趋势将提高组织分析数据的能力，这些数据将被更动态地输入，并实现更高水平的实时自动化。运营数据管理中有许多不同的任务，例如模式识别、容量、利用率、合规性和成本模型。增强的数据管理将针对这些部分。
Salem表示，到2022年，通过增加机器学习和自动化服务水平管理，数据管理的手动处理任务数量将减少45%。
3。自然语言处理(nlp)/会话分析
自然语言处理(NLP)是对对话分析和增强分析的高度补充。它们为非数据专家提供了一个新的查询和洞察界面。
Salam说:“大多数人不理解SQL，也不能建立自己的查询工具来简化它。”
根据高德纳的说法，到2020年，50%的分析查询将通过搜索和自然语言处理(NLP)自动生成，但仍有很大的改进空间。
今天，大多数分析和商业智能平台已经实现了基本的关键词搜索。例如，用户可以问，“我的产品多少钱？”但是回答更复杂的问题仍然是一个挑战。用户可能不会问，“与去年相比，我们今年在纽约方圆50英里内使用的10种产品是什么，或者谁是客户？
萨拉姆说:“这更复杂。它包括对函数、同义词和其他函数进行排序的函数。不是每个制造商都能做到这一点。"
这方面的另一个新功能是会话分析，它允许用户进一步研究特定问题。
Salem说:“直到最近，所有这些都是关于可视化的。Se
4.Chart
Salam说，大多数人认为，图形处理和图形数据库探索数据的方式揭示了逻辑概念和实体之间的关系，例如组织、人和交易。
Gartner预测，到2022年，图形处理和图形数据库应用将以每年100%的速度增长，以不断加快数据准备速度，并采用更复杂和适应性更强的数据科学。
Salam说图表可以生成语义地图和知识网络。一个例子是在紧急情况下链接各种数据，例如健康锻炼和饮食的应用数据和应用，例如医疗咨询。
5。商业人工智能/机器学习将超越市场上的开源软件
开源一直是数据、人工智能和机器学习的主要驱动力，尤其是在谷歌和亚马逊等数字巨头中。然而，大多数企业不属于数字巨人的范畴。这些公司已经试验了人类人工智能和机器学习，但是一直在试图扩大他们项目的生产规模。高德纳认为，这些公司最终将使用商业平台来管理他们的人工智能项目。
Gartner预测，到2022年，75%使用人工智能和机器学习技术的最终用户解决方案将使用商业平台，而不是开源平台。
6。数据结构
Salam表示，这一趋势与增强的数据管理密切相关，使组织能够扩展敏捷数据。过去的目标是将所有数据存储在数据仓库中。然而，数据变得更加分散，从而设计了数据仓库的数据结构。它支持逻辑数据仓库体系结构，可以是无缝异构存储访问和集成数据。
Gartner预测，到2022年，定制数据结构设计将被部署为静态基础设施，这将迫使新一轮重新设计采用更加动态的方法。
7。解释性人工智能
萨拉姆说:“我们认为，控制越来越多的企业使用人工智能技术是一个关键环节。”这是因为模型变得越来越复杂和不透明。企业需要可以解释的内部控制和合规的结果。组织需要知道是否存在隐私风险模型，或者是否检测到偏差。萨拉姆表示，制造商正在研究这个问题，并计划实施解决方案。
Gartner预测，到2023年，超过75%的大型组织将采用人工智能行为认证、隐私和客户信任专家来降低品牌和声誉风险。
8。区块链
萨拉姆表示，这是数据和分析以外的许多技术领域的发展趋势。然而，这在数据和分析方面尤其重要，尤其是在信任方面。萨拉姆说:“这实际上得到信任密码不变性的支持。网络中的参与者将跟踪某些条件是否发生了变化，因此从数据的角度来看。”区块链“将有助于追踪虚假新闻或根深蒂固的事情”
Gartner预测，到2021年，大部分私人和授权的区块链用途将被分类账数据库管理系统产品所取代。
9。持续智能(Continuous Intelligence
Continuous Intelligence)是指通过实时数据和高级分析做出更加智能的决策。它包括情境意识并定义要采取的行动。萨拉姆说，它是智能的、自动化的和注重结果的。
Gartner预测，到2022年，一半以上的主要新业务系统将采用连续智能，并将使用实时场景数据来改进决策。
10。持久性内存服务器
Salam表示，这些服务器可以提供更多内存、更经济的性能和更容易的可用性。一些数据库供应商正在重写他们的系统以支持这种类型的服务器，这允许它分析内存中更多的实时数据。
Gartner预测，到2021年，持久内存将占内存销售额的10%以上。
中安卫石:保护核心数据，保障网络安全
来源:网络收藏
