几年前大数据的前景，以及最近机器学习和其他类型人工智能的潜力，推动了数据和分析在组织中获得了吸引力。尽管许多企业的人工智能生产计划似乎陷入了停滞，但它们仍在制定这些计划，并知道这些计划对未来几年的成功至关重要。
Gartner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大的作用。数据和分析已经成为你如何服务客户、雇佣员工、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，有一些趋势和技术为未来几年的成功部署奠定了基础，这些趋势和技术旨在使您的工作更快、更稳定。
“你正面临着比以往任何时候都快的业务变化和技术变化，”Sallam说。“你需要一个灵活的数据和分析架构来支持这种持续的变化。”
基于对未来的展望，Sallam在最近于佛罗里达州奥兰多举行的Gartner IT研讨会上提供了“将改变你的业务的10个数据和分析趋势”。这些趋势符合三大主题。第一个是智能。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，增加了用户角色，减少了所需的技能，并通过自动化任务来提高时间洞察力。第二个是关于新的数据格式。人工智能和机器学习正在支持比过去更加敏捷和紧急的数据格式。最后，还有规模。
她说，所有这些趋势都需要3到5年的时间才能实现，所以你不会在这个名单上看到自助服务，因为它现在无处不在，你也不会在这里看到量子计算，因为它离我们太远了。云也不在这个名单上，因为它无处不在。记住这些规则，看看下面10个趋势会在未来几年改变你的生意：
1、增强分析
通过分析、商业智能、数据科学和机器学习，组织将利用增强分析，使更多的人能够从数据中获得见解。Sallam说，在未来几年，当组织评估供应商选择时，增强分析将成为最主要的考虑因素。此外，Salesforce和Workday等其他技术的供应商也在其产品和服务中加入了增强分析功能，以改善用户体验。
Sallam说：“这实际上是关于民主化分析的。”“……这实际上是用比今天更少的技能在一小部分时间内获得洞察力。”
2、增强数据管理
这种趋势将提高组织分析数据的能力，这些数据更加动态，自动化程度更高，更接近实时。操作的数据管理方面有许多不同的任务，比如模式识别、容量、利用率、法规/遵从性和成本模型等。增强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化服务水平管理，数据管理手工任务将减少45%。
3、NLP(自然语言处理)/会话分析
NLP和会话分析与增强分析是高度互补的。它们为非数据专家提供了一种用于查询和洞察的新接口。
“大多数人不知道SQL，他们自己也不能构建自己的查询，”Sallam说。“这些工具让它变得更容易了。”
据 Gartner 称，到2020年，50%的分析性查询将通过搜索、NLP或语音生成，或将自动生成。不过，还有很多改进的空间。
如今，大多数分析和BI平台都实现了基本的关键字搜索。例如，你可以问“我的产品销售额是多少?”Sallam说。但更复杂的问题仍然是一个挑战。你可能不会问“在纽约方圆50英里内，我今年top 10的产品是哪些或客户是谁?”
“这更复杂，”Sallam说，它涉及到对函数、同义词和其他函数进行排序，而现在不是每个供应商都能做到这一点。
这个领域的另一个新特性是会话分析，它可以让你深入研究更具体的问题。
“直到最近，它都是关于可视化的，”Sallam说。会话分析将为洞察增加另一个维度。
4、图形
Sallam说，图形处理和图形数据库能够以大多数人的思维方式进行数据探索，揭示逻辑概念和实体(如组织、人员和事务)之间的关系。
Gartner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工作，并使更复杂和自适应的数据科学成为可能。
Sallam说，图形支持紧急语义图和知识网络。一个例子可能是不同数据的紧急链接，例如来自运动应用程序和饮食应用程序的数据与医疗建议和健康新闻提要。
5、商业AI/ML将主导市场，而不是开源
开源一直是大数据、人工智能和机器学习的一大推动力，尤其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。这些公司都有人工智能和ML的试点项目，但一直难以将项目扩大到生产规模。Gartner认为，这些公司最终将利用商业平台来管理它们的人工智能程序。
Gartner预测，到2022年，75%利用人工智能和ML技术的新终端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
Sallam说，这一趋势与增强数据管理密切相关，它使您能够大规模地支持敏捷数据。过去的目标是将所有数据放在一个数据仓库中。但数据已经变得更加分散。有意为筒仓中的数据创建数据结构。它支持逻辑数据仓库体系结构，支持跨异构存储的数据无缝访问和集成。
Gartner预测，到2022年，定制的数据结构设计将被部署为静态基础设施，迫使新一波的成本完全重新设计，以采用更动态的方法。
7. 可解释的AI
“我们相信这将是至关重要的，让你能够控制人工智能的日益增长的使用，”Sallam说。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内部监控的结果，并遵守法规。组织需要知道模型中是否存在隐私风险，或者是否检测到偏见。Sallam说，供应商正在解决这个问题，并计划实施解决方案。
Gartner 预测，到2023年，超过75%的大型组织将聘请人工智能行为鉴定、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，这是数据和分析之外的许多技术领域的趋势。但它在数据和分析中很重要，尤其是在信任领域。Sallam表示：“这实际上是在可信的参与者网络中以密码的方式支持不变性。”它会跟踪是否发生了变化，因此从数据的角度来看，区块链将有助于跟踪深度造假或假新闻。
Gartner预测，到2021年，大多数私有和许可的区块链使用将被ledger DBMS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来实现更智能的决策。它整合了形势意识并规定了要采取的行动。根据Sallam的说法，它是智能的、自动化的、以结果为中心的。
Gartner预测，到2022年，超过一半的主要新业务系统将整合使用实时上下文数据来改进决策的持续智能。
10、持久内存服务器
Sallam说，这些服务器提供了更大的内存、可负担的性能和更简单的可用性。一些数据库供应商正在重新编写他们的系统，以支持这种类型的服务器，从而能够在内存中实时分析更多的数据。
Gartner预测，到2021年，持久内存将占内存计算内存GB消耗的10%以上。
