Gartner 十大數據分析趨勢

在 2019 年2月17-18日於雪梨舉辦的 Gartner 數據分析高峰會上,Gartner 副總裁暨高級分析師 Donald Feinberg 表示,大量的數據雖是因數位科技顛覆所帶來的挑戰,卻也同時創造了前所未有的無限機會。巨量數據與日漸強大的雲端運算能力讓我們可以大規模的訓練並運用演算法發揮人工智慧的最大潛能。

以下列出 Gartner 所提出的 2019 年 10 大資料分析科技趨勢:

趨勢 1:增強分析(Augmented Analytics)

到 2022 年底,增強分析將成為數據分析與BI解決方案的主要驅動力。Gartner 認為增強分析是數據分析市場下一波的顛覆性浪潮,它將透過機器學習與人工智慧技術改變分析內容被產出、使用及分享的方式。

趨勢 2:增強數據管理(Augmented Data Management)

增強數據管理利用機器學習與人工智慧技術來劃分數據管理類別,包含:數據品質、詮釋資料(Metadata)管理、主資料(Master data)管理、數據整合與資料庫管理系統(DBMS)的自動配置/調整。
增強數據管理能夠自動化許多需要人力手動的任務,這不只能使非技術人員能更自主地使用這些數據,也能減少技術人員的負擔,使他們專注於處理具有更高價值的任務。Gartner 認為到了 2022 年底,機器學習與自動化管理的技術水準將減少 45% 的需要手動處理的數據管理任務。

趨勢 3:連續智慧(Continuous Intelligence)

連續智慧採用多項技術,如:增強分析、事件串流處理、優化、業務規則管理與機器學習等,這是一種設計模式,在這個模式下,企業營運活動將結合即時資料分析,處理當下與歷史資料以定義回應某事件的相對應指令。連續智慧可以提供決策自動化或提供決策支援。
Garter 研究副總裁 Rita Sallam 也表示:連續智慧代表數據分析團隊在工作上的一項重大改變。在 2019 年,連續智慧對數據分析團隊在協助企業做出明智且即時決策的這個 BI 終極目標上將是一個巨大的挑戰,卻同時也是一個巨大的機會。到了 2022 年,將有超過半數的新商業系統採用連續智慧,使用即時的情境資料(Context data)提升決策品質。

趨勢 4:可解釋人工智慧(Explainable AI)

人工智慧模型越來越常被使用於數據管理並逐漸取代人類決策,然而大多數的人工智慧模型並無法解釋它們是如何得出推薦及決策結果的。而可解釋人工智慧能夠生成一個以自然語言解釋的模型,說明其判斷之精確性、屬性、模型統計與特徵。

趨勢 5:圖形分析(Graph)

圖形分析是一組分析技術,可協助探索實體之間的關係,如:組織、員工和交易等。到 2022 年,圖形處理和圖形資料庫管理系統的應用將以每年100%的速度快速增長。

趨勢 6:數據結構(Data Fabric)

數據結構為單一且一致的數據管理架構,可以在分布式數據環境中取得、處理及共享數據。到了 2022 年,定製數據結構配置將主要用於靜態基礎設施,迫使組織面對新一波的成本控制浪潮,且須完全重新設計更動態的數據網格(Data mesh)方法。

趨勢 7:自然語言處理/會話分析(NLP/ Conversational Analytics)

Gartner 預測 2020 年將有 50% 的分析查詢是透過搜尋、自然語言處理(NLP)、語音產生,甚至是自動生成,組織對於分析複雜數據組合與希望讓每個人都能自主使用數據的需求將促使分析工具越來越簡易上手,可能就像使用搜尋介面或是與虛擬助理對話一樣簡單。

趨勢 8:商業化人工智慧與機器學習(Commercial AI and ML)

Gartner 預測 2020 年 75% 使用機器學習或是人工智慧技術的終端新使用者將採用商業解決方案而非透過開源平台構建。
供應商們已開發與開源生態系統串接的連接器,為企業提供擴展人工智慧與機器學習所需的功能,像是:專案和模型管理、資料處理歷程、資料重複使用、資料透明度、平台凝聚力及整合等開源技術所缺乏的部分。

趨勢 9:區塊鏈(Blockchain)

區塊鏈和分散式帳本科技(Distributed ledger technologies)的核心價值在於讓各參與者在互不相識的情況下建立信任機制,區塊鏈對於數據分析的潛在影響很大,尤其是對利用參與者關係和交互的那些企業的影響。
然而,Gartner 認為在四到五個主要區塊鏈技術成為主導之前,還需要幾年時間。在此之前,企業將被迫與他們的主要客戶及網絡所決定的區塊鏈技術進行整合,包括:企業現有的數據資料及分析架構,這將帶來龐大的整合成本,這些成本將多於區塊鏈的潛在優勢。但是,區塊鏈是數據源,而不是資料庫,並不會取代現有的數據管理技術。

趨勢 10:持久性存儲伺服器(Persistent Memory Servers)

新型存儲技術將有助於降低採用內存計算(IMC)的架構的成本和複雜性,持久性內存代表 DRAM 和 NAND 快閃記憶體之間的新內存層,可為高性能工作負載提供經濟高效的大容量內存。
這項技術將可能提升應用程式的性能、可用性、啟動時間、分群方法及安全實踐,並在此同時控制成本。此外,還能協助企業減少重複資料以降低應用程式與數據架構的複雜性。

綜合上述,Gartner 提出增強型數據分析、持續型智能和可解釋的人工智慧等為 2019 年數據分析的主要趨勢,這些技術將在未來三到五年內具有顯著的顛覆性潛力。Gartner 建議數據和分析領導者與高階主管討論能如何運用這些關鍵技術、掌握競爭趨勢,推動全新的商業價值。

想要進行高效數據管理卻不知道從何開始嗎?>> 聯絡伊雲谷數據團隊諮詢您的數據管理策略吧!

資料來源
https://www.gartner.com/en/newsroom/press-releases/2019-02-18-gartner-identifies-top-10-data-and-analytics-technolo
https://www.information-age.com/gartner-data-and-analytics-technology-trends-123479234/

2019-03-29T16:31:21+00:00 2019/02/23 |商業洞悉|