神经网络和现代BI平台将发展数据和分析

机器征服了人类谷歌的AlphaGO击败了顶级职业围棋手，但深度学习的发展并没有随着这场比赛而结束。百度将语音识别从89%提高到99%，深度学习工作从2014年的几乎为零增长到目前的约4.1万个工作岗位。

深度学习目前正处于期望过高的顶峰Gartner炒作周期但它从边缘技术向分析的关键组成部分的演变，是Gartner对2017年的五大预测之一。

“自2014年以来，深度学习工作岗位从几乎为零增长到4.1万个。”

尽管在数据分析的世界中似乎有无穷无尽的希望，但整合数据可能是一个挑战。深度学习和自然语言生成等自动化工具可以很好地处理正确的数据，但如果数据不那么容易集成，就需要专业的数据集成商和科学家有效地使用这些新工具。

“我们将看到专业数据集成商和数据科学家的融合——他们可以利用这项技术提高效率——以及一小批公民数据科学家和公民数据集成商，他们将被招募来担任更正式或半正式的职位，”他说彼得Krensky高级研究分析师。“数据和分析领导者应该致力于利用跨职能团队，并使用沙盒来帮助降低低技能员工陷入麻烦的风险。”

到2018年，深度学习(深度神经网络)将成为80%数据科学家工具箱中的标准组件。

深度学习在项目和招聘中越来越受欢迎。这种快速发展的部分原因是Facebook和IBM等大型研究实验室对研究的投资。在商业领域，大约30%的数据科学平台供应商在产品中有第一版深度学习。

但深度学习不是一项独立的技术。事实上，这是机器学习引领的第三波分析浪潮的一部分，公司应该把机器学习视为一种潜在的服务。潜在的应用包括异常检测、语音控制和查询、情感分析和面部识别。

数据和分析领导者应该开始寻找将深度学习纳入组织的潜在机会，特别是任何具有重要“感知组件”的关键业务问题。与学术界、研究实验室或咨询公司合作，了解更多关于深度学习的知识。考虑收购潜在的初创公司以获取人才和技术。

到2019年，自然语言生成将成为90%的现代BI和分析平台的标准功能。

可视化一直是现代商业智能(BI)的主要驱动因素，但这种形式的数据很难完全解释。自然语言生成(NLG)能够为数据发现创建基于内容的书面或口头叙述，同时生成关于关键行动项目的完整故事。目前，BI团队集成独立的NLG引擎，但随着技术的发展，这种情况将会改变。NLG将使下一代BI和分析平台能够自动发现、可视化和叙述重要发现。该技术将把分析扩展到更广泛的受众，并减少定期批量报告的时间和成本。

数据和分析领导者应该开始将NLG与现有的BI/数据发现和其他工具集成。监控BI、数据发现和数据科学以及新兴创业公司的潜在能力和路线图。