Gartner：2019年十大数据与分析技术趋势

全球领先的信息技术研究和咨询公司Gartner指出，增强型分析（augmented analytics）、持续型智能（continuous intelligence）与可解释型人工智能（explainable AI）是数据与分析（data and analytics）技术领域内的主要趋势之一，在未来3～5内具有巨大的颠覆性力量。

趋势1：增强型分析

使用机器学习和AI技术来彻底改变开发、消费和共享分析内容方式的增强型分析是数据与分析市场的下一波颠覆。到2020年，它将成为促使企业新购买分析及商业智能（BI）、数据科学及机器学习平台以及嵌入式分析技术的主要驱动因素。数据和分析领导人应计划在平台功能趋于成熟时采用增强型分析。

趋势2：增强型数据管理

增强型数据管理充分利用机器学习功能和AI引擎来搞好几类企业信息管理，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（DBMS）自我配置和自我调整。它使许多手动任务实现自动化，让技术不太娴熟的用户得以更独立自主地使用数据，让技能娴熟的人员得以专注于更重要的任务。到2022年底，有望通过增加机器学习和自动化服务级别管理，将数据管理手动任务减少45%。

趋势3：持续型智能

到2022年，一半以上的主要新业务系统将采用利用实时上下文数据来改善决策的持续型智能。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。Sallam女士表示：“分析和BI（商业智能）团队可以在2019年帮助企业做出更明智的实时决策。可以将它视作操作型BI的终极版。”

趋势4：可解释型AI

企业日益部署AI模型以增强和取代人类决策。然而在一些情况下，企业必须证明这些模型如何做出决策。为了赢得用户和利益相关者的信任，应用软件领导者必须使这些模型更易于解释。

趋势5：图形分析

图形分析是一组分析技术，便于探究组织、人员和事务等相关实体之间的关系。图形处理和图形DBMS的运用将以每年100%的速度增长，一直持续到2022年，不断加快数据准备，并支持更复杂、更适应的数据科学。

趋势6：数据结构

数据结构可以顺畅无阻地访问和共享分布式数据环境下的数据，支持单一、一致的数据管理框架，可以跨原本孤立的存储环境无缝地访问和处理数据。到2022年，定制的数据结构设计将主要部署成静态基础设施，迫使企业组织迎来新一波的成本控制浪潮，针对更动态的数据网格方法全面重新设计。

趋势7：NLP/对话式分析

到2020年，50%的分析查询将通过搜索、自然语言处理或语音来生成，或者将自动生成。需要分析复杂的数据组合，并使企业组织中的每个人都易于访问分析技术，这将推动更广泛的采用，使分析工具如同搜索界面或借助虚拟助理的对话一样简易。

趋势8：商业AI和机器学习

Gartner预测，到2022年，利用AI和机器学习技术的新的最终用户解决方案中，75%将采用商业解决方案而非开源平台来构建。

商业供应商现在已经构建了连接到开源生态系统的组件，它们提供了扩展并普及AI和机器学习所必需的企业功能，比如项目及模型管理、重复使用、透明度、数据沿袭以及开源技术缺乏的平台凝聚力和集成。

趋势9：区块链

区块链和分布式账本技术的核心价值主张是，跨不受信任的参与者网络提供去中心化的信任。区块链在数据分析场合大有影响，对利用参与者关系和交互的那些企业影响尤其大。几年后，四五种主要的区块链技术会成为主导者。在此之前，技术最终用户将被迫与其主导性的客户或网络所要求的区块链技术和标准整合起来，包括与现有的数据和分析基础设施整合起来。但区块链是数据源，而不是数据库，不会取代现有的数据管理技术。

趋势10：持久性内存服务器

新的持久性内存技术将有助于降低采用基于内存计算的架构的成本和复杂性。持久性内存代表DRAM和NAND闪存之间一个新的内存层，可为高性能工作负载提供经济高效的大容量内存，有望改善应用软件的性能、可用性、启动时间、集群方法和安全实践，同时牢牢控制成本。它还可以减少对数据复制的需要，帮助企业组织降低其应用软件和数据架构的复杂性。

原文始发于：Gartner：2019年十大数据与分析技术趋势