如今，数据分析技术渗透到数字企业的各个方面，人们需要关注其未来几年的发展趋势。

大数据50

由于大数据的发展，以及机器学习和人工智能和数据分析的潜力得到承诺在组织更具吸引力。尽管许多公司生产的人工智能程序似乎停滞不前，但这些计划仍在制定之中，并且知道他们将业务在未来几年中取得成功的关键。

研究公司Gartner分析师兼副总裁Rita Sallam表示，这是因为数据和分析在数字业务中扮演着越来越重要的角色。数据和分析已经成为企业为客户提供服务、雇佣员工、优化供应链、优化财务以及实现组织中许多其他关键功能的关键部分。

考虑到这一点，有许多趋势和技术为未来几年的成功部署奠定了基础，旨在使企业工作更快、更稳定。

萨尔拉姆说：“企业正面临着比以往任何时候都更快的商业变革和技术变革。因此，需要一个灵活的数据和分析体系结构来支持这一变化。

在主题萨拉姆的主题演讲“将改变10个数据和企业业务的发展趋势分析”在Gartner的IT研讨会日前在佛罗里达州奥兰多举行。这些注重与三大主题符合未来的发展趋势。第一个主题是聪明的。这意味着，机器学习和人工智能技术被注入到工作量和活动，增加了用户的作用，减少了所需的技能和任务自动化，提高洞察力。第二个主题是新的数据格式。与过去，人工智能和机器学习支持更灵活的和紧急的数据格式进行比较。最后一个主题是规模。

她说，这些趋势需要3到5年的时间才能发展，所以你不会在这份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，因为它太远了。云计算也不在名单上，因为它无处不在。考虑到这些规则，我们需要注意以下10个趋势，这些趋势将在未来几年内改变企业的业务：

1.增强分析

通过商业智能、数据科学和机器学习，组织将利用增强的分析，使更多的人从数据中获得洞察力。 萨拉姆表示，随着企业评估供应商选择，增强的分析将成为未来几年的主导因素。 此外，其他技术的供应商，如 salesforce 和 workday，正在将增强的分析能力整合到他们的产品和服务中，以改善用户体验。

萨拉姆说：“这实际上是在使分析民主化。这实际上是为了在短时间内使用比现在更少的技能来获得洞察力。

2.增强数据管理

这一趋势将提高组织分析数据的能力，这些数据将更动态地输入，并在更近的实时性中实现更高水平的自动化。在操作的数据管理中有许多不同的任务，如模式识别、容量、利用率、法规遵从性和成本模型。增强的数据管理将针对这些部分。

萨勒姆说，到2022年，通过增加机器学习和自动化服务水平管理，数据管理人工处理的任务将减少45%。

3. 自然语言处理(nlp) / 会话分析

自然语言处理（NLP）与对话分析和增强分析是高度互补的。它们为非数据专家提供了一个新的查询和洞察力接口。

萨拉姆说：“大多数人不理解SQL，无法建立自己的查询工具，使其更容易。”

据Gartner称，到2020年，50%的分析查询将通过搜索和自然语言处理（NLP）自动生成，但仍有很大的改进空间。

今天，大多数分析和商业智能平台已经实现了基本的关键字搜索。 例如，用户可以问”我的产品卖多少钱? ” 但回答更复杂的问题仍然是一个挑战。 用户可能不会问”与去年相比，今年我们在纽约50英里半径范围内使用的10种产品是什么，或者谁是客户? ”

萨拉姆说：“这更复杂。它涉及到对函数、同义词和其他函数进行排序的函数，并不是每个制造商都能做到这一点。”

在这方面的另一个新功能是会话分析，从而可以让用户更深入的具体问题的研究。

萨勒姆说：“直到最近，所有这些都与形象化有关。会话分析将为insight添加另一个维度。”

4.图表

萨拉姆说，图形处理和图形数据库探索数据的方式，大多数人认为，揭示了逻辑概念和实体之间的关系，如组织，人和交易。

Gartner预测，到2022年，图形处理和图形数据库应用程序将以每年100%的速度增长，以不断加快数据准备速度，采用更加复杂和适应性更强的数据科学。

萨拉姆说，图表可以产生语义地图和知识网络。一个例子是紧急情况下的链接的各种数据，如健康的运动和饮食的应用程序数据和应用，如医疗咨询。

5个。商业人工智能/机器学习将超越市场上的开源软件

开源一直是主要驱动力数据，人工智能和机器学习，特别是在谷歌和亚马逊等数码巨头。然而，大多数企业不属于数码巨头的范畴。这些公司已经进行了试点人类的人工智能和机器学习，但一直在努力扩大其项目的生产规模。 Gartner认为这些公司最终将使用商业平台来管理他们的人工智能项目。

Gartner预测，到2022年，75%使用人工智能和机器学习技术的最终用户解决方案将使用业务平台而不是开源平台。

6.数据结构

萨拉姆说，这种趋势是密切相关的增强的数据管理，使组织扩大敏捷的数据。过去的目标是将存储在数据仓库中的所有数据。但数据变得更加分散，从而为设计数据仓库的数据结构。它支持逻辑数据仓库架构，该架构可以是无缝异构存储访问和集成的数据。

Gartner预测，到2022年，定制的数据结构设计将作为静态基础设施部署，这将迫使新一轮的重新设计采用更为动态的方法。

7.可解释的人工智能

萨拉姆说：“我们相信这是能够控制越来越多的企业利用人工智能技术将是一个关键环节。”这是因为模型变得越来越复杂和不透明。企业需要能够解释的内部控制和法规遵从性的结果。该组织将需要知道是否有隐私风险模型，或者是否检测到偏差。萨拉姆说，厂商正在研究这个问题，并计划实施解决方案。

高德纳预测，到2023年，超过75%的大型组织将聘请AI行为认证、隐私和客户信任专家，以降低品牌和声誉风险。

8.区块链

萨拉姆说，这是在数据和分析之外的许多技术领域的发展趋势。但是，这是在数据和分析特别重要，尤其是在信任方面。萨拉姆说：“这实际上是由信任密码不变性支持参与者在网络中它会跟踪某些条件是否已经改变，所以从数据上看。” 区块链“将有助于跟踪诸如像假新闻伪造或深层次的东西。”

Gartner预测，到2021年，大多数私有和授权的区块链用途将被分类账数据库管理系统产品所取代。

9.持续智能

持续智能是指通过实时数据和高级分析做出更智能的决策。它包含态势感知，并定义要采取的行动。Sallam说它是智能的、自动化的和注重结果的。

高德纳预测，到2022年，超过一半的主要新业务系统将采用连续智能，将使用实时场景数据来改进决策。

10.持久内存服务器

萨拉姆说，这些服务器可以提供更多的内存，更经济的性能和更容易的可用性。一些数据库厂商正在重写他们的系统来支持这种类型的服务器，这使得它可以分析内存实时更多的数据。

Gartner预测，到2021年，持久内存将占到内存销售的10%以上。

中安威士：保护核心数据，捍卫网络安全

来源：网络收集