晚上好 特别为
BI Analyst课程的学生准备了以下文章的翻译。 好好阅读。
2月18日至19日在悉尼举行的Gartner数据与分析峰会的重点是增强分析和人工智能。
根据Gartner，Inc.的说法，
高级分析 ，连续智能和可解释的人工智能是
数据处理
技术和分析中的一些最大趋势，这些趋势在未来3-5年将具有毁灭性的潜力。
Gartner研究部副总裁
Rita Sallam在悉尼
Gartner数据与分析峰会上发表讲话时指出，
数据和分析领导者应研究这些趋势对业务的潜在影响，并相应地调整其业务模式和运营。以防他们冒失去已经比那些对此足够重视的人的竞争优势的风险。
“分析数据处理的故事不断发展，从支持内部决策到持续的情报，信息产品和雇用
数据专业人员 ，” Rita Sallam说。 “重要的是，深入了解作为故事创建和发展基础的技术趋势，并根据特定业务的价值为它们设定某些优先级。”
Gartner副总裁兼杰出分析师
Donald Feinberg表示 ，数字故障（数据过多）引起的主要问题也带来了前所未有的机遇。 大量的数据，再加上云技术提供的处理工具的强大功能，使人们清楚地认识到，现在有可能大规模训练和执行算法，这是充分实现AI潜力所必需的。
“数据的大小，复杂性，分布式性质，工作速度和数字业务所需的持续智能性清楚地表明，僵化和集中化的架构和工具已无法应对，” Feinberg说。 “任何业务的持续生存都将取决于一个灵活的，数据驱动的体系结构，以满足不断变化的变化速度。”
Gartner建议数据处理和分析领域的领导者与业务代表讨论公司的主要优先事项，并考虑如何将以下趋势整合到他们的工作中。
趋势一 进阶分析
高级分析是数据处理和分析市场的下一波突破。 它使用
机器学习和人工智能技术来改变分析内容的开发，使用和共享。
到2020年，高级分析将成为新购买分析和BI以及数据科学，
机器学习平台和嵌入式分析的主要引擎。 要求数据处理和分析的领导者随着平台的发展规划高级分析的实施。
趋势2。 先进的数据管理
增强数据管理技术使用ML功能和AI机制来创建公司信息管理的类别，包括数据质量，元数据管理，主数据管理，它们的集成以及
数据库管理系统（DBMS）的自调整和自调整。 它可以自动执行许多任务，并允许技术水平较低的用户自己使用数据。 这样，高素质的技术人员可以专注于更重要的任务。
先进的数据管理功能可将
元数据从仅用于审计，谱系和报告的数据中转换出来，最终将其提供给动态系统。 元数据从被动变为主动，并成为所有AI / ML的主要引擎。
到2022年底，由于引入了机器学习和服务水平的自动化管理，在数据管理领域手动执行的任务数量将减少45％。
趋势3。 持续智能
到2022年，超过一半的新大型企业系统将使用连续智能，而后者又将使用实时上下文数据来改进解决方案。
持续智能是一种设计模式，其中实时分析集成到业务运营中，处理当前和历史数据以提出响应事件的措施。 它提供自动化或决策支持。 Continuous Intelligence使用了多种技术，例如高级分析，事件流处理，优化，业务规则管理和机器学习。
Sallam说：“连续智能是数据和分析团队工作的一项重大创新。” “这是一项艰巨的任务，对于分析人员和BI专家团队而言，最早可在2019年帮助公司实时做出更明智的决策，这是一个巨大的机遇。 它可以被认为是可操作BI的最终版本。”
趋势4。 解释了AI
AI模型最常用于改善或完全取代决策者。 但是，在某些情况下，公司必须证明这些模型如何用于特定决策。 为了建立用户或利益相关者的信心，应用程序架构师必须使这些模型更易于理解和理解。
不幸的是，大多数高级AI模型都是复杂的黑匣子，无法解释它们是如何提出特定建议或解决方案的。 例如，数据科学和ML平台中的解释型AI会自动以自然语言生成关于模型的解释，包括准确性，属性，模型统计和功能。
趋势五。 图形
图分析是一组分析方法，使您可以探索感兴趣的对象（例如组织，人员和交易）之间的关系。
到2022年，图形处理和图形DBMS的使用每年将以100％的速度增长，这将加速数据准备并提供更加复杂和适应性强的数据科学。
图形数据仓库可以通过数据仓库之间的复杂关系来有效地建模，浏览和查询数据，但是如今需要主要技能来配合使用它们。
由于需要对复杂数据提出复杂的问题，图形分析将在未来几年中稳定增长，这在使用SQL查询的规模上并不总是可行或至少可行的。
趋势6。 数据结构
数据结构可在分布式数据环境中不受阻碍地访问和共享数据。 它是一个单一且一致的数据管理框架，可提供对数据的不受阻碍的访问以及在任何其他存储中进行架构处理的可能性。
直到2022年，自定义数据结构设计将主要作为静态基础结构部署，迫使组织投资新的一波成本进行完整的重组，以提供更多动态的数据网格方法。
趋势7。 NLP /会话分析
到2020年，将使用搜索，自然语言处理（NLP）或语音来生成或自动生成50％的分析查询。 需要分析复杂的数据组合并使组织中的每个人都可以使用分析，这将导致其更广泛的使用，这将使分析工具像搜索界面或与虚拟助手的对话一样轻巧。
趋势8商业AI和ML
Gartner预测，到2022年，将有75％的使用AI和ML方法的新最终用户解决方案将基于商业解决方案而不是开源平台。
商业供应商将连接器集成到开源生态系统中，从而提供扩展和民主化AI和ML所需的公司功能，例如项目和模型管理，重用，透明度，沿袭数据以及与之的一致性和集成其他平台，什么开放平台都缺乏。
趋势9：区块链
区块链和分布式分类账技术的主要价值在于在不受信任的参与者网络中提供去中心化的信任。 分析用例具有巨大的潜力，尤其是那些出现参与者之间的关系和互动的用例。
但是，要四到五种核心区块链技术开始占主导地位还需要几年的时间。 在此之前，技术的最终用户将被迫适应主流客户或网络所决定的区块链技术和标准。 这包括与现有数据基础架构和分析的集成。 集成成本可以超过任何潜在的收益。 区块链是数据源，而不是数据库，并且不会替代现有的数据管理技术。
趋势10。 永久性内存服务器
使用持久性内存的新技术（持久性内存技术）将有助于降低支持随机存取存储器（IMC）中的计算的体系结构的成本和复杂性。 永久性存储器代表了DRAM和NAND闪存之间的一种新的存储水平，可以用作经济高效的存储设备，以实现高性能负载。 它具有一定的潜力，可用于提高应用程序性能，可用性，加载时间，集群方法和安全性方法，同时保持成本可控。 它还将通过减少数据重复需求来帮助组织降低应用程序和数据体系结构的复杂性。
Feinberg说：“数据量在迅速增长，与此同时，将普通数据实时转换为有价值数据的重要性也在增长。” “新的服务器负载不仅需要更高的处理器性能，还需要更多的内存和更快的数据存储。”
有关使用数据和分析获得竞争优势的更多信息，请参阅
Gartner数据和分析洞察中心 。
Gartner数据与分析峰会
2019年Gartner数据与分析峰会将于
3月4-6日在伦敦 ，
3月18-21日在奥兰多 ，
5月29-30日在圣保罗 ，
6月10-11日在迪拜 ，
9月11-12日在墨西哥城 ，
10月19-20 日在墨西哥举行 。法兰克福 。 在Twitter上关注
#GartnerDA的新闻和更新。
关于加特纳
Gartner，Inc. 是一家领先的全球科学咨询公司，也是S＆P 500的成员。我们为业务领导者提供必要的数据，建议和工具，以实现他们今天的目标并明天建立成功的组织。
我们无与伦比的专家级实用数据研究组合可帮助客户在最重要的问题上做出正确的决策。 我们是100多个国家/地区的15,000多个组织的可靠顾问和客观资源-所有主要职能，任何行业和任何规模的公司。
要了解有关我们如何帮助决策者建立业务未来的更多信息，请访问
gartner.com 。
仅此而已。 写评论并在课程中见！