Guten Abend. Eine Übersetzung des folgenden Artikels wurde speziell für Studenten des
BI Analyst- Kurses erstellt. Gute Lektüre.
Der Schwerpunkt des Gartner Data & Analytics Summit vom 18. bis 19. Februar in Sydney lag auf Augmented Analytics und Künstlicher Intelligenz.
Verbesserte Analyse , kontinuierliche Intelligenz und erklärbare künstliche Intelligenz sind laut Gartner, Inc. einige der größten Trends in
der Datenverarbeitungs-
und Analysetechnologie , die in den nächsten drei bis fünf Jahren ein verheerendes Potenzial haben werden.
Rita Sallam , Vizepräsidentin für Forschung bei Gartner, sagte auf dem
Gartner Data & Analytics Summit in Sydney, dass
die Verantwortlichen für
Daten und Analysen die möglichen Auswirkungen dieser Trends auf Unternehmen untersuchen und ihre Geschäftsmodelle und Abläufe entsprechend anpassen sollten. für den Fall, dass sie riskieren, ihre Wettbewerbsvorteile gegenüber denen zu verlieren, die dies ausreichend beachtet haben.
"Die Geschichte der analytischen Datenverarbeitung entwickelt sich weiter, von der Unterstützung der internen Entscheidungsfindung bis hin zu kontinuierlicher Intelligenz, Informationsprodukten und der Einstellung von
Datenfachleuten ", sagte Rita Sallam. "Es ist sehr wichtig, ein tieferes Verständnis für die technologischen Trends zu erlangen, die der Entstehung und Entwicklung dieser Geschichte zugrunde liegen, und bestimmte Prioritäten für sie festzulegen, abhängig vom Wert für ein bestimmtes Unternehmen."
Laut
Donald Feinberg , Vice President und angesehener Analyst bei Gartner, hat das Hauptproblem, das durch digitale Fehlfunktionen (zu viele Daten) verursacht wird, auch eine beispiellose Chance eröffnet. Die enorme Datenmenge in Verbindung mit der wachsenden Leistungsfähigkeit der von Cloud-Technologien bereitgestellten Verarbeitungswerkzeuge vermittelt ein klares Verständnis dafür, dass es jetzt möglich ist, Algorithmen in großem Maßstab zu trainieren und auszuführen, die für die vollständige Ausschöpfung des Potenzials der KI erforderlich sind.
„Die Größe, Komplexität, Verteilung der Daten, die Arbeitsgeschwindigkeit und die kontinuierliche Intelligenz, die für das digitale Geschäft erforderlich sind, machen deutlich, dass starre und zentralisierte Architekturen und Tools nicht mehr zurechtkommen“, sagt Feinberg. "Das weitere Überleben eines Unternehmens hängt von einer flexiblen, datengesteuerten Architektur ab, die dem stetig wachsenden Tempo des Wandels gerecht wird."
Gartner empfiehlt Führungskräften auf dem Gebiet der Datenverarbeitung und Analyse, mit Unternehmensvertretern die Hauptprioritäten des Unternehmens zu besprechen und darüber nachzudenken, wie sie die folgenden Trends in ihre Arbeit integrieren können.
Trend Nr. 1. Erweiterte Analyse
Advanced Analytics ist die nächste Welle von Durchbrüchen auf dem Markt für Datenverarbeitung und Analyse. Es nutzt Technologien für
maschinelles Lernen und künstliche Intelligenz, um die Entwicklung, den Verbrauch und den Austausch von analytischen Inhalten zu transformieren.
Bis 2020 wird Advanced Analytics der Hauptmotor für Neuanschaffungen in den Bereichen Analytics und BI sowie Data Science,
ML-Plattformen und Embedded Analytics sein. Führende Unternehmen in den Bereichen Datenverarbeitung und Analyse müssen die Implementierung fortschrittlicher Analysen während der Entwicklung der Plattform planen.
Trend Nr. 2. Erweiterte Datenverwaltung
Die Augmented Data Management-Technologie verwendet ML-Funktionen und KI-Mechanismen, um Kategorien des Unternehmensinformationsmanagements zu erstellen, einschließlich Datenqualität, Metadatenverwaltung, Stammdatenverwaltung, deren Integration sowie Selbstoptimierung und Selbstoptimierung
von Datenbankmanagementsystemen (DBMS) . Es automatisiert viele Aufgaben und ermöglicht es weniger erfahrenen Benutzern, die Daten selbst zu verwenden. Auf diese Weise können sich hochqualifizierte Techniker auf wichtigere Aufgaben konzentrieren.
Das erweiterte Datenmanagement konvertiert
Metadaten von denen, die nur für Audits, Stammbäume und Berichte verwendet werden, und liefert sie letztendlich an dynamische Systeme. Metadaten wechseln von passiv zu aktiv und werden zur Hauptmaschine für alle AI / ML.
Bis Ende 2022 wird die Anzahl der manuell im Bereich der Datenverwaltung ausgeführten Aufgaben aufgrund der Einführung des maschinellen Lernens und der automatisierten Verwaltung des Servicelevels um 45% sinken.
Trend Nr. 3. Kontinuierliche Intelligenz
Bis 2022 wird mehr als die Hälfte der neuen Großunternehmenssysteme kontinuierliche Intelligenz verwenden, die wiederum kontextbezogene Echtzeitdaten verwendet, um Lösungen zu verbessern.
Continuous Intelligence ist ein Entwurfsmuster, bei dem Echtzeitanalysen in den Geschäftsbetrieb integriert werden und aktuelle und historische Daten verarbeiten, um Maßnahmen als Reaktion auf ein Ereignis vorzuschlagen. Es bietet Automatisierungs- oder Entscheidungsunterstützung. Continuous Intelligence verwendet verschiedene Technologien, z. B. erweiterte Analysefunktionen, Ereignisflussverarbeitung, Optimierung, Geschäftsregelverwaltung und maschinelles Lernen.
"Continuous Intelligence ist eine wichtige Innovation in der Arbeit von Daten- und Analyseteams", sagt Sallam. „Dies ist eine gewaltige Aufgabe und eine großartige Gelegenheit für Teams von Analysten und BI-Experten, Unternehmen bereits 2019 dabei zu helfen, intelligentere Entscheidungen in Echtzeit zu treffen. Es kann als endgültige Version von Operational BI betrachtet werden. “
Trend Nr. 4. Erklärte KI
KI-Modelle werden am häufigsten verwendet, um eine Person bei der Entscheidungsfindung zu verbessern oder vollständig zu ersetzen. In einigen Szenarien müssen Unternehmen jedoch begründen, wie diese Modelle zu bestimmten Entscheidungen kommen. Um das Vertrauen der Benutzer oder Stakeholder zu stärken, müssen Anwendungsarchitekten diese Modelle verständlicher und verständlicher machen.
Leider sind die meisten fortgeschrittenen KI-Modelle komplexe Black Boxes, die nicht erklären können, wie sie zu einer bestimmten Empfehlung oder Lösung gekommen sind. Die erläuterte KI in Data Science- und ML-Plattformen generiert beispielsweise automatisch eine Erklärung der Modelle in Bezug auf Genauigkeit, Attribute, Statistiken von Modellen und Funktionen in einer natürlichen Sprache.
Trend Nr. 5. Grafik
Bei der Diagrammanalyse handelt es sich um eine Reihe von Analysemethoden, mit denen Sie die Beziehungen zwischen interessierenden Objekten wie Organisationen, Personen und Transaktionen untersuchen können.
Der Einsatz von grafischer Verarbeitung und grafischen DBMS wird bis 2022 jedes Jahr um 100% zunehmen, was die Datenaufbereitung beschleunigen und eine komplexere und anpassungsfähigere Datenwissenschaft ermöglichen wird.
Grafische Data Warehouses können Daten mit komplexen Beziehungen zwischen Data Warehouses effizient modellieren, untersuchen und abfragen. Der Bedarf an speziellen Fähigkeiten für die Arbeit mit ihnen ist jedoch heute ihre Hauptbeschränkung.
Die grafische Analyse wird in den nächsten Jahren stetig zunehmen, da komplexe Fragen zu komplexen Daten gestellt werden müssen, was in einem Maßstab, in dem SQL-Abfragen verwendet werden können, nicht immer praktisch oder zumindest machbar ist.
Trend Nr. 6. Datenstruktur
Die Datenstruktur bietet ungehinderten Zugriff auf und gemeinsame Nutzung von Daten in einer verteilten Datenumgebung. Es handelt sich um ein einzelnes und konsistentes Datenverwaltungsframework, das ungehinderten Zugriff auf Daten und die Möglichkeit der Architekturverarbeitung in einem anderen Speicher bietet.
Bis 2022 werden benutzerdefinierte Datenstrukturdesigns hauptsächlich als statische Infrastruktur bereitgestellt, sodass Unternehmen in eine neue Kostenwelle für eine vollständige Reorganisation investieren müssen, um dynamischere Ansätze für das Datennetz bereitzustellen.
Trend Nr. 7. NLP / Conversational Analytics
Bis 2020 werden 50 Prozent der analytischen Abfragen mithilfe von Suche, Verarbeitung natürlicher Sprache (NLP) oder Sprache generiert oder automatisch generiert. Die Notwendigkeit, komplexe Datenkombinationen zu analysieren und Analysen für alle Mitarbeiter des Unternehmens verfügbar zu machen, führt zu einer breiteren Verwendung, sodass Analysetools so einfach wie eine Suchoberfläche oder ein Gespräch mit einem virtuellen Assistenten sind.
Trend Nr. 8 Kommerzielle KI und ML
Gartner prognostiziert, dass bis 2022 75% der neuen Endbenutzerlösungen, die AI- und ML-Methoden verwenden, auf kommerziellen Lösungen und nicht auf Open Source-Plattformen basieren werden.
Kommerzielle Anbieter integrieren Konnektoren in das Open-Source-Ökosystem und bieten so die für die Skalierung und Demokratisierung von KI und ML erforderlichen Unternehmensfunktionen wie Projekt- und Modellmanagement, Wiederverwendung, Transparenz, Herkunftsdaten sowie Konsistenz und Integration mit anderen Plattformen, was offenen Plattformen so sehr fehlt.
Trend Nr. 9: Blockchain
Der Hauptwert der Blockchain- und Distributed-Ledger-Technologien besteht darin, dezentrales Vertrauen in ein Netzwerk nicht vertrauenswürdiger Teilnehmer zu schaffen. Es gibt ein erhebliches Potenzial für analytische Anwendungsfälle, insbesondere solche, in denen die Beziehungen und Interaktionen der Teilnehmer auftreten.
Es wird jedoch einige Jahre dauern, bis vier oder fünf Kern-Blockchain-Technologien zu dominieren beginnen. Bis zu diesem Zeitpunkt müssen sich die Endbenutzer von Technologien an die Technologien und Standards der Blockchain anpassen, die von den vorherrschenden Clients oder Netzwerken vorgegeben werden. Dies umfasst die Integration in vorhandene Dateninfrastruktur und Analyse. Die Integrationskosten können potenzielle Vorteile übersteigen. Die Blockchain ist eine Datenquelle, keine Datenbank und ersetzt keine vorhandenen Datenverwaltungstechnologien.
Trend Nr. 10. Persistente Speicherserver
Neue Technologien unter Verwendung von persistentem Speicher (Persistent-Memory-Technologien) werden dazu beitragen, die Kosten und die Komplexität der Implementierung von Architekturen zu reduzieren und die Berechnung im Direktzugriffsspeicher (IMC) zu unterstützen. Der permanente Speicher stellt eine neue Speicherebene zwischen DRAM und NAND-Flash-Speicher dar, die als wirtschaftliches Speichergerät für Hochleistungslasten dienen kann. Es verfügt über ein bestimmtes Potenzial, mit dem die Anwendungsleistung, ihre Verfügbarkeit, Ladezeit, Clustering-Methoden und Sicherheitsmethoden gesteigert und gleichzeitig die Kosten unter Kontrolle gehalten werden können. Es wird Unternehmen auch dabei helfen, die Komplexität ihrer Anwendungen und Datenarchitekturen zu reduzieren, indem weniger Daten dupliziert werden müssen.
"Das Datenvolumen wächst rasant und die Relevanz der Konvertierung gewöhnlicher Daten in wertvolle Daten in Echtzeit wächst mit", sagte Feinberg. "Neue Serverlasten erfordern nicht nur eine höhere Prozessorleistung, sondern auch mehr Speicher und eine schnellere Datenspeicherung."
Weitere Informationen zur Verwendung von Daten und Analysen zur Erzielung von Wettbewerbsvorteilen finden Sie im
Gartner Data & Analytics Insight Hub .
Gartner Data & Analytics Summit
Die Gartner Data & Analytics Summits 2019 finden
vom 4. bis
6. März in London vom 18. bis 21. März in Orlando vom 29. bis 30. Mai in Sao Paulo vom 10. bis 11. Juni in Dubai vom 11. bis 12. September in Mexiko-Stadt vom 19. bis 20. Oktober statt Frankfurt .
Verfolgen Sie die Nachrichten und Updates auf Twitter mit dem
Hashtag #GartnerDA .
Über Gartner
Gartner, Inc. ist ein weltweit führendes wissenschaftliches Beratungsunternehmen und Mitglied des S & P 500. Wir stellen Führungskräften die erforderlichen Daten, Ratschläge und Tools zur Verfügung, um ihre Ziele heute zu erreichen und morgen erfolgreiche Organisationen aufzubauen.
Unsere konkurrenzlose Kombination aus fachkundiger, praktischer Datenrecherche hilft Kunden, die richtigen Entscheidungen zu den wichtigsten Themen zu treffen. Wir sind ein zuverlässiger Berater und eine objektive Ressource für mehr als 15.000 Organisationen in mehr als 100 Ländern - für alle Hauptfunktionen, in jeder Branche und für Unternehmen jeder Größe.
Um mehr darüber zu erfahren, wie wir Entscheidungsträgern helfen, die Zukunft ihres Unternehmens zu gestalten, besuchen Sie
gartner.com .
Das ist alles. Schreiben Sie Kommentare und wir sehen uns auf dem Kurs!