幾年前大數據的前景，以及最近機器學習和其他類型人工智能的潛力，推動了數據和分析在組織中獲得了吸引力。盡管許多企業的人工智能生產計劃似乎陷入了停滯，但它們仍在制定這些計劃，并知道這些計劃對未來幾年的成功至關重要。

Gartner分析師兼副總裁麗塔•薩拉姆(Rita Sallam)表示，這是因為數據和分析在數字業務中發揮著越來越大的作用。數據和分析已經成為你如何服務客戶、雇傭員工、優化供應鏈、優化財務以及執行組織中許多其他關鍵功能的關鍵部分。 

考慮到這一點，有一些趨勢和技術為未來幾年的成功部署奠定了基礎，這些趨勢和技術旨在使您的工作更快、更穩定。

“你正面臨著比以往任何時候都快的業務變化和技術變化，”Sallam說。“你需要一個靈活的數據和分析架構來支持這種持續的變化。”

基于對未來的展望，Sallam在最近于佛羅里達州奧蘭多舉行的Gartner IT研討會上提供了“將改變你的業務的10個數據和分析趨勢”。這些趨勢符合三大主題。第一個是智能。這意味著機器學習和人工智能技術被注入到工作負載和活動中，增加了用戶角色，減少了所需的技能，并通過自動化任務來提高時間洞察力。第二個是關于新的數據格式。人工智能和機器學習正在支持比過去更加敏捷和緊急的數據格式。最后，還有規模。

她說，所有這些趨勢都需要3到5年的時間才能實現，所以你不會在這個名單上看到自助服務，因為它現在無處不在，你也不會在這里看到量子計算，因為它離我們太遠了。云也不在這個名單上，因為它無處不在。記住這些規則，看看下面10個趨勢會在未來幾年改變你的生意：

1、增強分析

通過分析、商業智能、數據科學和機器學習，組織將利用增強分析，使更多的人能夠從數據中獲得見解。Sallam說，在未來幾年，當組織評估供應商選擇時，增強分析將成為最主要的考慮因素。此外，Salesforce和Workday等其他技術的供應商也在其產品和服務中加入了增強分析功能，以改善用戶體驗。

Sallam說：“這實際上是關于民主化分析的。”“……這實際上是用比今天更少的技能在一小部分時間內獲得洞察力。”

2、增強數據管理

這種趨勢將提高組織分析數據的能力，這些數據更加動態，自動化程度更高，更接近實時。操作的數據管理方面有許多不同的任務，比如模式識別、容量、利用率、法規/遵從性和成本模型等。增強數據管理將針對這些部分。

Sallam說，到2022年，通過增加機器學習和自動化服務水平管理，數據管理手工任務將減少45%。

3、NLP(自然語言處理)/會話分析

NLP和會話分析與增強分析是高度互補的。它們為非數據專家提供了一種用于查詢和洞察的新接口。

“大多數人不知道SQL，他們自己也不能構建自己的查詢，”Sallam說。“這些工具讓它變得更容易了。”

據 Gartner 稱，到2020年，50%的分析性查詢將通過搜索、NLP或語音生成，或將自動生成。不過，還有很多改進的空間。

如今，大多數分析和BI平臺都實現了基本的關鍵字搜索。例如，你可以問“我的產品銷售額是多少?”Sallam說。但更復雜的問題仍然是一個挑戰。你可能不會問“在紐約方圓50英里內，我今年top 10的產品是哪些或客戶是誰?”

“這更復雜，”Sallam說，它涉及到對函數、同義詞和其他函數進行排序，而現在不是每個供應商都能做到這一點。

這個領域的另一個新特性是會話分析，它可以讓你深入研究更具體的問題。

“直到最近，它都是關于可視化的，”Sallam說。會話分析將為洞察增加另一個維度。

4、圖形

Sallam說，圖形處理和圖形數據庫能夠以大多數人的思維方式進行數據探索，揭示邏輯概念和實體(如組織、人員和事務)之間的關系。

Gartner預測，到2022年，圖形處理和圖形數據庫的應用將以每年100%的速度增長，以不斷加快數據準備工作，并使更復雜和自適應的數據科學成為可能。

Sallam說，圖形支持緊急語義圖和知識網絡。一個例子可能是不同數據的緊急鏈接，例如來自運動應用程序和飲食應用程序的數據與醫療建議和健康新聞提要。

5、商業AI/ML將主導市場，而不是開源

開源一直是大數據、人工智能和機器學習的一大推動力，尤其是在谷歌和亞馬遜等數字巨頭公司。但大多數組織并不屬于數字巨頭的范疇。這些公司都有人工智能和ML的試點項目，但一直難以將項目擴大到生產規模。Gartner認為，這些公司最終將利用商業平臺來管理它們的人工智能程序。

Gartner預測，到2022年，75%利用人工智能和ML技術的新終端用戶解決方案將使用商業平臺，而不是開源平臺。

6、數據結構

Sallam說，這一趨勢與增強數據管理密切相關，它使您能夠大規模地支持敏捷數據。過去的目標是將所有數據放在一個數據倉庫中。但數據已經變得更加分散。有意為筒倉中的數據創建數據結構。它支持邏輯數據倉庫體系結構，支持跨異構存儲的數據無縫訪問和集成。

Gartner預測，到2022年，定制的數據結構設計將被部署為靜態基礎設施，迫使新一波的成本完全重新設計，以采用更動態的方法。

7. 可解釋的AI

“我們相信這將是至關重要的，讓你能夠控制人工智能的日益增長的使用，”Sallam說。這是因為模型變得越來越復雜和不透明。組織將需要能夠解釋內部監控的結果，并遵守法規。組織需要知道模型中是否存在隱私風險，或者是否檢測到偏見。Sallam說，供應商正在解決這個問題，并計劃實施解決方案。

Gartner 預測，到2023年，超過75%的大型組織將聘請人工智能行為鑒定、隱私和客戶信任專家，以降低品牌和聲譽風險。

8、區塊鏈

Sallam說，這是數據和分析之外的許多技術領域的趨勢。但它在數據和分析中很重要，尤其是在信任領域。Sallam表示：“這實際上是在可信的參與者網絡中以密碼的方式支持不變性。”它會跟蹤是否發生了變化，因此從數據的角度來看，區塊鏈將有助于跟蹤深度造假或假新聞。

Gartner預測，到2021年，大多數私有和許可的區塊鏈使用將被ledger DBMS產品取代。

9、持續智能

持續智能是指通過實時數據和高級分析來實現更智能的決策。它整合了形勢意識并規定了要采取的行動。根據Sallam的說法，它是智能的、自動化的、以結果為中心的。

Gartner預測，到2022年，超過一半的主要新業務系統將整合使用實時上下文數據來改進決策的持續智能。

10、持久內存服務器

Sallam說，這些服務器提供了更大的內存、可負擔的性能和更簡單的可用性。一些數據庫供應商正在重新編寫他們的系統，以支持這種類型的服務器，從而能夠在內存中實時分析更多的數據。

Gartner預測，到2021年，持久內存將占內存計算內存GB消耗的10%以上。