增强分析，持续智能和可解释人工智能(人工智能)是最热门的趋势之一数据和分析据高德纳公司(Gartner, Inc.)称，这些技术在未来三到五年内具有巨大的颠覆性潜力。
在高德纳数据分析峰会今天在悉尼，丽塔Sallam高德纳(Gartner)研究副总裁李安说数据和分析领导者必须检查这些趋势对业务的潜在影响，并相应地调整业务模式和运营，否则将面临失去竞争优势的风险。
“数据和分析的故事不断发展，从支持内部决策到持续情报、信息产品和任命首席数据官她说。“更深入地了解推动故事发展的技术趋势，并根据业务价值对其进行优先排序，这是至关重要的。”
根据唐纳德·范伯格他说，数字颠覆带来的挑战——太多的数据——也创造了前所未有的机遇。海量的数据，加上云带来的日益强大的处理能力，意味着现在有可能大规模地训练和执行算法，以最终实现人工智能的全部潜力。
范伯格说，“数字业务所需要的数据的规模、复杂性、分布式、行动速度和持续智能，意味着僵化、集中化的架构和工具会失效。”“任何业务的持续生存都将依赖于一个敏捷的、以数据为中心的架构，该架构能够对恒定的变化率做出反应。”
Gartner建议数据和分析领导者与高级业务领导者讨论他们的关键业务优先级，并探索以下的顶级趋势如何能够实现这些优先级。
趋势1:增强分析
增强分析是数据和分析市场的下一波颠覆。它使用机器学习(ML)和人工智能技术将改变分析内容的开发、消费和共享方式。
到2020年，增强分析将成为分析和BI新采购的主要驱动力数据科学与机器学习平台，以及嵌入式分析。随着平台功能的成熟，数据和分析领导者应该计划采用增强分析。
趋势2:增强数据管理
增强数据管理利用ML功能和AI引擎，使企业信息管理类别包括数据质量、元数据管理、主数据管理、数据集成等数据库管理系统自配置和自调优。它自动化了许多手工任务，并允许技术水平较低的用户更自主地使用数据。它还允许高技能的技术资源专注于更高价值的任务。
增强数据管理转换元数据从仅用于审计、沿袭和报告，到为动态系统提供动力。元数据正在从被动转变为主动，并成为所有AI/ML的主要驱动力。
到2022年底，通过添加机器学习和自动化服务级别管理，数据管理手动任务将减少45%。
趋势3:持续智能
到2022年，超过一半的主要新业务系统将包含持续智能，使用实时上下文数据来改善决策。
持续智能是一种设计模式，其中实时分析集成在业务操作中，处理当前和历史数据以规定响应事件的操作。它提供决策自动化或决策支持。持续智能利用多种技术，如增强分析、事件流处理、优化、业务规则管理和机器学习。
“持续智能代表着数据和分析团队工作的重大变化，”萨拉姆说。“对于分析和BI(商业智能)团队来说，这是一个巨大的挑战，也是一个巨大的机遇，可以帮助企业在2019年做出更明智的实时决策。它可以被视为商业智能的终极版本。”
趋势4:可解释的AI
人工智能模型被越来越多地用于增强和取代人类决策。然而，在某些情况下，企业必须证明这些模型是如何做出决策的。为了在用户和涉众之间建立信任，应用程序领导者必须使这些模型更具可解释性和可解释性。
不幸的是，这些先进的人工智能模型大多数都是复杂的黑盒，无法解释为什么它们会得出特定的建议或决定。例如，数据科学和ML平台中的可解释AI会自动生成基于准确性、属性、模型统计数据和自然语言特征的模型解释。
趋势5:图表
图形分析是一组分析技术，允许探索感兴趣的实体之间的关系，如组织、人员和事务。
到2022年，图处理和图dbms的应用将以每年100%的速度增长，以不断加速数据准备，并实现更复杂和自适应的数据科学。
根据Gartner的说法，图形数据存储可以有效地建模、探索和查询跨数据筒仓的复杂相互关系的数据，但对专业技能的需求迄今为止限制了它们的采用。
由于需要在复杂的数据中提出复杂的问题，图分析将在未来几年内增长，这并不总是实际的，甚至在大规模使用SQL查询是不可能的。
趋势6:数据结构
数据结构可以在分布式数据环境中无障碍地访问和共享数据。它支持单一和一致的数据管理框架，允许无缝的数据访问和处理。
到2022年，定制的数据结构设计将主要作为静态基础设施部署，迫使组织进入新的成本浪潮，以完全重新设计更动态的数据网格方法。
趋势7:NLP/会话分析
到2020年，50%的分析性查询将通过搜索、自然语言处理(NLP)或语音生成，或者将自动生成。分析复杂的数据组合以及让组织中的每个人都能访问分析的需求将推动更广泛的采用，使分析工具像搜索界面或与虚拟助手的对话一样简单。
趋势8:商用AI和ML
Gartner预测，到2022年，75%利用AI和ML技术的新终端用户解决方案将采用商业解决方案，而不是开源平台。
商业供应商现在已经在开源生态系统中构建了连接器，并提供了扩展和民主化AI和ML所需的企业功能，例如项目和模型管理、重用、透明度、数据沿路以及开源技术所缺乏的平台内聚性和集成。
趋势9:区块链
区块链和分布式账本技术的核心价值主张是在不受信任的参与者网络上提供去中心化信任。分析用例的潜在后果是重要的，特别是那些利用参与者关系和交互的情况。
然而，四到五种主要的区块链技术成为主流还需要几年的时间。在此之前，技术终端用户将被迫与主要客户或网络规定的区块链技术和标准进行集成。这包括与现有数据和分析基础设施的集成。整合的成本可能会超过任何潜在的收益。区块链是数据源，而不是数据库，不会取代现有的数据管理技术。
趋势10:持久内存服务器
新的持久内存技术将有助于降低采用支持内存计算(IMC)的体系结构的成本和复杂性。持久存储器代表了介于DRAM和NAND闪存之间的一种新的存储器层，可以为高性能工作负载提供具有成本效益的大容量存储器。它有可能提高应用程序性能、可用性、启动时间、集群方法和安全实践，同时控制成本。它还将通过减少对数据复制的需求，帮助组织降低应用程序和数据架构的复杂性。
“数据量正在迅速增长，将数据实时转化为价值的紧迫性也在以同样快的速度增长，”范伯格说。“新的服务器工作负载不仅要求更快的CPU性能，还要求更大的内存和更快的存储。”
更多关于如何使用数据和分析来获得竞争优势的信息可以在Gartner Data & Analytics Insight Hub．
高德纳数据分析峰会
即将到来的Gartner数据与分析峰会将于2019年3月4日至6日举行伦敦3月18日至21日奥兰多5月29-30日圣保罗， 6月10-11日孟买9月11日至12日墨西哥城10月19日至20日法兰克福．使用Twitter关注事件的新闻和更新# GartnerDA．