快捷搜索:

百乐门棋牌Gartner:2019年数据和分析技术十大趋势

作者: 互联网资讯  发布:2019-11-13

百乐门棋牌 1

Gartner:2019年数据和分析技术十大趋势

处于数据和分析位置的领导人必须审视这些趋势对业务带来的潜在影响,并相应调整业务模式和运营,否则就有可能失去竞争优势。

百乐门棋牌 2

增强型数据分析,增强型数据管理,持续型智能,可解释的 AI,数据结构,NLP/对话式分析,商业 AI 和 ML,区块链和持久性内存服务器共同构成了 Gartner 2019 年十大「数据和分析技术趋势」。

日前举行的Gartner数据与分析峰会上,Gartner研究副总裁Rita Sallam表示,数据和分析领导者必须分析这些趋势对业务的潜在影响,并相应调整业务模式和运营,否则就有失去竞争优势的可能。

最近两天里,2 月 18 日-19 日,在悉尼举行的 Gartner 数据与分析峰会上,增强型数据分析和可解释的人工智能成为焦点。

她说:“数据和分析技术不断发展,从支持内部决策到持续的智能、信息产品和任命首席数据官。深入了解技术趋势对于推动这一不断变化的趋势,并根据业务价值对其进行优先排序,这些都至关重要。”

知名调研机构 Gartner 称,增强型数据分析、持续型智能和可解释的人工智能是数据和分析技术的主要趋势之一,并在未来三到五年内具有显著的颠覆性潜力。

根据Gartner副总裁、杰出分析师Donald Feinberg表示,数字化颠覆带来的挑战——有太多的数据——也创造了前所未有的机遇。大量数据以及由云实现的日益强大的处理能力,意味着现在我们可以大规模地训练和执行必要的算法,以最终发挥人工智能的全部潜力。

Gartner 副总裁兼杰出分析师 Donald Feinberg 认为,数字化颠覆带来的挑战——数据太多——也创造了前所未有的机遇。大量数据和由云实现的日益强大的处理能力意味着现在可以大规模地训练和执行必要的算法,以最终兑现出 AI 的全部潜力。

Feinberg说:“数据的大小、复杂性和分布式特性,以及数字化业务要求的行动速度以及持续智能,意味着需要打破僵化的、集中式的架构和工具束缚。任何企业的持续生存,都将取决于灵活的、以数据为中心的架构,以响应不断变化的速度。”

Donald 表示,「任何企业的持续生存都将取决于灵活的,以数据为中心的架构,以响应不断变化的速度。」

Gartner建议数据和分析领导者与高级业务负责人讨论一下他们的关键业务优先级,并探索以下主要趋势如何实现这些优先级:

他还谈道,「数字化业务需要大量复杂且分布式的数据、迅速行动以及持续型智能,这意味着僵化且集中式的架构和工具分崩离析。」

趋势1:增强分析

Gartner 研究副总裁 Rita Sallam,数据和分析领导者必须审视这些趋势对业务带来的潜在影响,并相应调整业务模式和运营,否则就有可能失去竞争优势。

增强分析是数据和分析市场的下一波颠覆性发展趋势。增强分析采用机器学习和人工智能技术来转换开发、消费和共享分析内容的方式。

「数据和分析的形势不断发展,从支持内部决策到持续型智能,信息产品和任命首席数据官,」Rita 说道,「深入了解它们对于推动这种不断变化的技术趋势,并根据业务价值对它们进行优先排序至关重要。」

到2020年,增强分析将成为分析和BI、数据科学和机器学习平台、嵌入式分析新增采购的主要驱动力。数据和分析领导者为在平台功能成熟的时候采用增强分析技术做好计划。

Gartner 建议数据和分析领导者与高级业务负责人讨论他们的关键业务优先级,并探索以下主要趋势如何实现这些优先级。

趋势2:增强数据管理

趋势 1:增强型数据分析(Augmented Analytics)

增强数据管理利用机器学习和人工智能引擎来划分企业信息管理类别,包括数据质量、元数据管理、主数据管理、数据集成、数据库管理系统自我配置和自我调整。增强数据管理能够让很多手动任务实现自动化,并让那些技术水平较低的用户更加自主地使用数据,此外还可以让高技能技术资源专注于更高价值的任务。

作为数据分析的高级增强阶段,增强分析能为分析计划带来更多自动化动能以及创新洞察力。因为在正式进入数据分析之前,都需要对数据进行抽取、清洗、融合等准备工作,以提高数据分析的效率和准确性,更利于决策。而增强分析则能够帮助普通用户在没有数据科学专家或IT人员协助的情况下,访问有效数据,并对理论和假设情况展开测试与验证。

增强数据管理将元数据转换为仅用于审计、沿袭和报告等用途,以及为动态系统提供动力。元数据从被动转为主动状态,成为所有人工智能/机器学习的主要驱动因素。

增强型数据分析侧重于增强智能的特定领域,利用机器学习(machine learning)转变分析内容的开发、使用与共享方式。

到2022年底,通过增加机器学习和自动化服务水平管理,数据管理手动任务量将减少45%。

目前国内正在加强这一技术突破的包括几大数据计算厂商,如阿里云、百度云、华为云等,通过对百万数据的计算与汇聚,实现对现实算力的优化,以在未来如智慧大脑领域实现更多突破。

趋势3:持续智能

Gartner预测,到 2020 年,增强分析将成为分析和商业智能解决方案的主要卖点,相关业务负责人应该在平台功能趋于成熟时率先采用增强型分析。

到2022年,将有超过一半的主要新业务系统将采用持续智能,利用实时上下文数据来改善决策。

机器学习和人工智能、增强型分析将为数据和分析市场带来颠覆,因为它将彻底改变开发、消费和共享分析内容的方式,可使数据准备、洞察力获取和洞察力可视化这个过程实现自动化,在许多情况下无需专业的数据科学家。

持续智能是一种设计模式,在这种模式中,实时分析被集成到业务操作中,处理当前数据和历史数据以规定响应事件的操作。持续智能提供了决策自动化或决策支持,采用了如增强分析、事件流处理、优化、业务规则管理和机器学习等多种技术。

趋势 2:增强型数据管理(Augmented data Management)

Sallam表示:“持续智能代表了数据和分析团队工作的一个重大变化。在2019年,分析和商业智能团队帮助企业做出更明智的实时决策,将是一个巨大的挑战,同时这也是一个巨大的机会,这可以被看作是运营商业智能的终极目标。”

增强型数据管理利用机器学习功能和 AI 引擎来制作数据管理类别,包括数据质量、元数据管理、主数据管理、数据集成以及数据库管理系统自我配置和自我调整。

趋势4:可解释的人工智能

增强型数据管理将元数据由仅用于审计、沿袭和报告变成支持动态系统。元数据正在从被动变为主动,并且正在成为所有 AI / ML 的主要驱动因素。

人工智能模型被越来越多地用于增强和取代人类决策。但是,在某些情况下,企业必须证明这些模型是如何做出决策的。为了与用户和利益相关者建立信任,应用负责人必须让这些模型的可解释性更高。

它可以自动执行许多手动任务,为技术水平较低的用户提供使用数据的机会。它还有助于高技能的技术资源专注于更多的增值任务。

遗憾的是,大多数先进的人工智能模型都是复杂的黑盒子,无法解释它们是如何得出推荐和决策结果的。在数据科学和机器学习平台,可解释的人工智能能够自动生成一个用自然语言解释精确性、属性、模型统计和特征的解释模型。

趋势 3:持续型智能(Continuous Intelligence)

趋势5:图形

持续性数据不仅仅是一种实时数据的新方式;相反,它是一种设计模式,其中实时分析与业务运营相结合,处理当前和历史数据以规定响应事件的行动。

图形分析是一组分析技术,可以探索组织、人员和交易等利益实体之间的关系。

它提供决策自动化或决策支持。持续型智能利用多种技术,比如增强型分析、事件流处理、优化、业务规则管理和机器学习。

到2022年,图形处理和图形DBMS应用将以每年100%的速度增长,不断加速数据准备,并实现更复杂和自适应的数据科学。

「持续型智能代表了数据和分析团队工作的重大变化,」Gartner 研究副总裁丽 Sallam 人文,「分析和 BI团队在 2019 年帮助企业做出更明智的实时决策,这是一个巨大的挑战 - 也是一个巨大的机会。它可以被看作是运营商业智能的终极目标。」

据Gartner称,图形数据存储可以跨数据孤岛有效地建模、探索和查询数据,但是对专业技能的需求限制了对这种技术的采用。

到 2022 年,超过一半的重要新业务系统将采用持续性智能,使用实时上下文数据来改善决策。

由于需要提出关于复杂数据的复杂问题,而使用SQL查询是不切实际或者大规模无法实现的,因此促使图形分析将在未来几年内实现快速增长。

趋势 4:可解释的 AI(Explainable AI)

趋势6:数据结构

人工智能模型越来越多地用于增强和取代人类决策。但 AI 解决方案如何解释为什么他们得出某些结论?

数据结构可以在分布式数据环境中实现无摩擦的数据访问和数据共享。它支持单一且一致的数据管理框架,可通过跨孤岛存储进行设计实现无缝的数据访问和数据处理。

本文由百乐门棋牌发布于互联网资讯,转载请注明出处:百乐门棋牌Gartner:2019年数据和分析技术十大趋势

关键词: