2020年的10个数据和分析趋势

来源：企业网D1Net

如今，数据分析技术渗透到数字企业的各个方面，人们需要注意其未来几年的发展趋势。

由于大数据发展的承诺，以及机器学习和人工智能的潜力，数据和分析在组织中获得了更多吸引力。尽管许多企业的人工智能生产计划似乎停滞不前，但仍在制定这些计划，并知道这些计划对未来几年的业务成功至关重要。

调研机构Gartner公司分析师兼副总裁RitaSallam表示，这是因为数据和分析在数字业务中扮演着越来越重要的角色。数据和分析已成为企业为客户服务、雇用员工、优化供应链、优化财务，以及执行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，旨在使企业的工作更快、更稳定。

Sallam说：“企业正面临着比以往任何时候都更快的业务变革和技术变革。因此需要一个灵活的数据和分析体系结构，能够支持这种变化。”

Sallam在最近于佛罗里达州奥兰多举行的GartnerIT研讨会上进行了主题为“将改变企业业务的10个数据和分析趋势”的主题演讲。这些着眼于未来的趋势符合三大主题。第一个主题是智能。这意味着机器学习和人工智能技术正被注入到工作负载和活动中，增加了用户角色，减少了所需的技能，并自动化执行任务，以提高洞察力。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急的数据格式。最后的主题是规模。

她说，这些趋势发展需要3到5年的时间，因此不会在此列表上看到自助服务，因为现在到处都是自助服务，也不会在这里看到量子计算，因为这太遥远了。云计算也不在这个列表中，这是因为它无所不在。考虑到这些规则，需要注意在未来几年内改变企业业务的以下10个趋势：

1.增强分析

通过商业智能、数据科学和机器学习，组织将利用增强的分析，使更多的人能够从数据中获得洞察力。Sallam表示，在未来几年里，当企业评估供应商选择时，增强分析将成为主导因素。此外，Salesforce公司和Workday公司等其他技术的供应商正在将增强的分析功能纳入其产品和服务中，以改善用户的体验。

Sallam说：“这实际上是使分析民主化。这实际上是要用比现在更少的技能在短时间内获得洞察力。”

2.增强数据管理

这一趋势将提高组织分析数据的能力，这些数据将更动态地输入，并在更接近实时的情况下实现更高水平的自动化。在操作的数据管理方面有许多不同的任务，例如模式识别、容量、利用率、法规/遵从性和成本模型等。增强的数据管理将针对这些部分。

Sallam说，到2022年，通过增加机器学习和自动服务级别管理，数据管理人工处理的任务将减少45%。

3.自然语言处理(NLP)/会话分析

自然语言处理(NLP)和对话分析与增强分析高度互补。它们为非数据专家提供了一种新的查询和洞察界面。

Sallam说：“大多数人都不了解SQL，也无法自己构建自己的查询。这些工具使它变得更容易。”

Gartner公司的调查表明，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，不过还有很大的改进空间。

如今，大多数分析和商业智能平台已经实现了基本的关键字搜索。例如，用户可以问“我的产品销售额是多少?”，但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50英里范围内采用的10种产品是什么或者有哪些客户?”

Sallam说：“这更加复杂。它涉及到对功能、同义词和其他功能进行排名的功能，而这些功能如今并不是每个厂商都能做到的。”

这个领域的另一个新特性是会话分析，它可以让用户深入研究更具体的问题。

Sallam说：“直到最近，所有这些都与可视化有关。会话分析将为洞察力增加另一个维度。”

4.图表

Sallam说，图形处理和图形数据库以大多数人的思维方式进行数据探索，揭示逻辑概念与实体(例如组织、人员和交易)之间的关系。

Gartner公司预测，到2022年，图形处理和图形数据库的应用将以每年100%的速度增长，以不断加快数据准备，并采用更复杂和适应性更强的数据科学。

Sallam说，图表可以生成语义图和知识网络。其中一个例子可能是各种数据的紧急链接，比如健康运动应用程序和饮食应用程序中的数据和医疗建议等。

5.商业人工智能/机器学习将在市场上胜过开源软件

开源一直是大数据、人工智能和机器学习的重要驱动力，特别是在谷歌和亚马逊等数字巨头公司。但大多数组织并不属于数字巨头的范畴。这些公司已经进行了人工智能和人机器学习的试点，但一直在努力将其项目扩大到生产规模。Gartner公司认为这些公司最终会利用商业平台来管理他们的人工智能项目。

Gartner公司预测，到2022年，75%采用人工智能和机器学习技术的终端用户解决方案将使用商业平台而不是开源平台构建。

6.数据结构

Sallam说，这种趋势与增强型数据管理紧密相关，它使企业可以大规模支持敏捷数据。过去的目标是将所有数据存储在一个数据仓库中。但是数据变得更加分散，通过设计为数据仓库创建数据结构。它支持逻辑数据仓库体系结构，该体系结构可跨异构存储无缝访问和集成数据。

Gartner公司预测，到2022年，定制的数据结构设计将作为静态基础设施进行部署，这将迫使新一轮的重新设计以采用更多动态方法。

7.可解释的人工智能

Sallam说：“我们认为，这对于企业能够控制越来越多的人工智能使用将是一个关键环节。”这是因为模型变得越来越复杂和不透明。组织将需要能够解释结果以进行内部监控并遵守法规。组织将需要知道模型中是否存在隐私风险，或者是否检测到偏差。Sallam表示，供应商正在研究这个问题，并计划实施解决方案。

Gartner公司预测，到2023年，75%以上的大型组织将雇佣人工智能行为鉴证、隐私和客户信任专家，以降低品牌和声誉风险。

8.区块链

Sallam说，这是在数据和分析之外的许多技术领域的趋势。但这在数据和分析中尤其重要，尤其在信任方面。Sallam说：“这实际上是通过密码支持受信任参与者网络中的不变性。它会跟踪某些情况是否已更改，因此从数据角度来看，区块链将有助于跟踪诸如深层伪造或虚假新闻之类的事物。”

Gartner公司预测，到2021年，大多数私人和许可的区块链用途将被分类账数据库管理系统产品取代。

9.持续智能

持续智能是指通过实时数据和高级分析实现更智能的决策。它包含了情境意识并规定了要采取的行动。Sallam表示，它是智能的、自动化的、注重结果的。

Gartner公司预测，到2022年，超过一半的主要新业务系统将采用持续智能，这些智能将使用实时场景数据来改善决策。

10.持久内存服务器

Sallam说，这些服务器能够提供更大的内存、更经济的性能和更简单的可用性。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，这使得能够在内存中实时分析更多的数据。

Gartner公司预测，到2021年，持久内存将占到内存销售量的10%以上。

标签： 数据分析 挖掘数据

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。