数据与分析会议

到2024年底，75%的企业将从人工智能的试点转向操作化，推动流数据和分析基础设施增长5倍。

什么是更聪明、更快、更负责任的人工智能?首先，人工智能系统将更加适应复杂的业务情况，这对COVID-19期间的企业尤其重要。人工智能技术，如ML、优化和自然语言处理(NLP)，正在为病毒的传播以及对抗措施的有效性和影响提供至关重要的洞察和预测。AI和ML对于重新调整供给和供应链以适应新的需求模式至关重要。

随着企业增加对神经形态硬件等新芯片架构的投资，他们正在减少对需要高带宽的集中式系统的依赖。最终，这可能导致更可扩展的AI解决方案，具有更大的业务影响。

最后，AI的安全性和可解释性是一个问题，AI数据管道面临风险。负责任的人工智能使模型透明，对于防止糟糕的决策，并实现更好的人机协作和信任至关重要。

到2025年，数据故事将成为消费分析最普遍的方式，75%的故事将使用增强分析技术自动生成。

由于转向更动态的、上下文内的数据场景进行洞察监视和分析，用户在预定义的仪表板上花费的时间百分比将下降。随着数据量一直呈指数级增长，很难识别和分离有价值的见解。目前，典型的分析需要具有专门技能的人员，这限制了数据的业务影响。

然而，在未来几年里，增强分析将使ML和AI技术实现某些数据和分析任务的自动化。这与NLP和业务监视功能相结合，将允许向相关业务合作伙伴交付个性化的数据洞察，从而增加业务影响并减少使用中的预定义数据指示板的数量。

到2023年，超过33%的大型组织将有分析师实践决策智能，包括决策建模。

决策智能汇集了许多学科，包括决策管理和决策支持。它包含了复杂自适应系统领域的应用，结合了多种传统和先进的学科。

它提供了一个框架，帮助数据和分析领导者在业务结果和行为的背景下设计、组合、建模、对齐、执行、监视和调优决策模型和流程。

当决策需要多种逻辑和数学技术，必须自动化或半自动化，或必须记录和审计时，探索使用决策管理和建模技术。

到2025年，用于视频、音频、振动、文本、情感和其他内容分析的AI将在75%的《财富》500强企业中引发重大创新和转变。

Gartner创造了术语“X分析”作为一个总括术语，其中“X”是一系列不同的结构化和非结构化内容的数据变量，如文本分析、视频分析、音频分析等。

X分析使组织能够结合内容类型并创建更丰富的情况感知，而不仅仅是从高度结构化/事务性数据中获得的见解。这些新的见解可以导致变革或其他创新。

数据和分析的领导者正在使用X分析来解决社会最严峻的挑战，包括气候变化、疾病预防和野生动物保护。

在大流行期间，人工智能在梳理数千篇研究论文、新闻来源、社交媒体帖子和临床试验数据方面发挥了关键作用，帮助医疗和公共卫生专家预测疾病传播、能力规划、寻找新的治疗方法和识别弱势群体。X分析与人工智能和其他技术如图表分析相结合，将在识别、预测和规划自然灾害和未来的其他商业危机和机会方面发挥关键作用。