摘要：企業(yè)對敏捷以數(shù)據(jù)為中心的架構(gòu)的需求根據(jù)拉丁美洲國家統(tǒng)計局的數(shù)據(jù)，下一波大數(shù)據(jù)和分析浪潮中，增強分析持續(xù)智能和可解釋的人工智能是未來三到五年內(nèi)具有重大破壞潛力的大數(shù)據(jù)和分析的主要趨勢之一。

Gartner建議數(shù)據(jù)和分析主管與高級業(yè)務(wù)主管就其關(guān)鍵業(yè)務(wù)優(yōu)先事項展開合作，并探討十大最相關(guān)趨勢。

Augmented Analytics

Augmented Analytics是數(shù)據(jù)和分析市場的下一波顛覆。它使用機器學(xué)習（ML）和人工智能技術(shù)來改變分析內(nèi)容的開發(fā)、消費和共享方式。到2020年，增強分析將成為新購買分析和商務(wù)智能（BI）、數(shù)據(jù)科學(xué)和ML平臺以及嵌入式分析的主要驅(qū)動力。隨著平臺功能的成熟，數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)計劃采用增強的分析。

Augmented Data Management

Augmented Data Management利用ML功能和人工智能引擎使企業(yè)信息管理類別包括數(shù)據(jù)質(zhì)量、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)集成以及數(shù)據(jù)庫管理系統(tǒng)（DBMS）自配置和自調(diào)優(yōu)。

它使許多手動任務(wù)自動化，并允許技術(shù)水平較低的用戶更自主地使用數(shù)據(jù)。它還允許高技能的技術(shù)資源專注于更高價值的任務(wù)。

增強的數(shù)據(jù)管理將元數(shù)據(jù)從僅用于審計、沿襲和報告轉(zhuǎn)換為動態(tài)系統(tǒng)的電源。元數(shù)據(jù)正從被動變?yōu)橹鲃?，并正成為所有人工智能和人工智能的主要?qū)動力。

到2022年底，數(shù)據(jù)管理手冊任務(wù)將通過添加人工智能和自動化服務(wù)級別管理減少45%。

Continuous Intelligence

到2022年，超過一半的主要新業(yè)務(wù)系統(tǒng)將合并對使用實時上下文數(shù)據(jù)來改進決策的連續(xù)智能進行評級。

連續(xù)智能是一種設(shè)計模式，其中實時分析集成在業(yè)務(wù)操作中，處理當前和歷史數(shù)據(jù)以規(guī)定響應(yīng)事件的操作。它提供決策自動化或決策支持。

Continuous Intelligence利用多種技術(shù)，如增強分析、事件流處理、優(yōu)化、業(yè)務(wù)規(guī)則管理和ML。

Explainable ai

ai models are increasing deployed to augment and replace human decision making.然而，在某些情況下，企業(yè)必須證明這些模型是如何實現(xiàn)其決策的。為了與用戶和利益相關(guān)者建立信任，應(yīng)用領(lǐng)導(dǎo)者必須使這些模型更易于理解和解釋。

不幸的是，這些高級人工智能模型中的大多數(shù)都是復(fù)雜的黑盒，無法解釋為什么它們達成了特定的建議或決定。例如，在數(shù)據(jù)科學(xué)和ML平臺中可解釋的人工智能會自動生成模型的解釋，包括準確度、屬性、模型統(tǒng)計和自然語言中的功能。

graph analytics

graph analytics是一組分析技術(shù)，允許探索感興趣的實體之間的關(guān)系，如organizatia關(guān)系、人員和事務(wù)。

到2022年，圖形處理和圖形DBMS的應(yīng)用將以每年100%的速度增長，以不斷加速數(shù)據(jù)準備，使數(shù)據(jù)科學(xué)更加復(fù)雜和適應(yīng)性更強。

圖形數(shù)據(jù)存儲可以有效地建模、探索和查詢數(shù)據(jù)，這些數(shù)據(jù)之間存在復(fù)雜的相互關(guān)系，但對專業(yè)技能的需求限制了他們迄今為止的采用。

圖形分析將在未來幾年增長，因為需要跨復(fù)雜數(shù)據(jù)提出復(fù)雜問題，這并不總是實際的，甚至不可能在規(guī)模上使用SQL查詢。

Data Fabric

Data Fabric啟用無摩擦訪問和共享分布式數(shù)據(jù)數(shù)據(jù)環(huán)境。它支持單一且一致的數(shù)據(jù)管理框架，允許跨其他孤立存儲進行無縫的數(shù)據(jù)訪問和設(shè)計處理。

到2022年，定制的數(shù)據(jù)結(jié)構(gòu)設(shè)計將主要部署為靜態(tài)基礎(chǔ)設(shè)施，迫使組織投入新的成本浪潮，以完全重新設(shè)計更動態(tài)的數(shù)據(jù)網(wǎng)格。方法。

nlp Conversational Analytics

2020年，50%的分析查詢將通過搜索、自然語言處理（nlp）或語音生成，或?qū)⒆詣由伞Ｐ枰治鰪?fù)雜的數(shù)據(jù)組合并使組織中的每個人都可以訪問分析，這將推動更廣泛的采用，使分析工具與搜索界面或與虛擬助理對話一樣簡單。

Commercial AI and ML

Gartner預(yù)測到2022年，75%的新最終用戶解決方案Leveraging ai和ml技術(shù)將使用商業(yè)解決方案而不是開放源代碼平臺來構(gòu)建。

商業(yè)供應(yīng)商現(xiàn)在已經(jīng)在開放源代碼生態(tài)系統(tǒng)中構(gòu)建了連接器，它們提供了擴展和民主化ai和ml所需的企業(yè)功能，例如項目模型管理、重用、透明度、數(shù)據(jù)沿襲和平臺合作開放源代碼技術(shù)所缺乏的Hesity and integration.

區(qū)塊鏈

區(qū)塊鏈和分布式賬本技術(shù)的核心價值主張是通過不受信任的參與者網(wǎng)絡(luò)提供分散信任。分析用例的潛在影響是重要的，尤其是那些利用參與者關(guān)系和交互的用例。

在4或5個主要的區(qū)塊鏈技術(shù)占據(jù)主導(dǎo)地位之前，還需要幾年時間。在此之前，技術(shù)最終用戶將被迫與區(qū)塊鏈技術(shù)和標準進行集成，這些技術(shù)和標準由其主要客戶或網(wǎng)絡(luò)決定。這包括與現(xiàn)有數(shù)據(jù)和分析基礎(chǔ)架構(gòu)的集成。

集成成本可能超過任何潛在的好處。區(qū)塊鏈是一個數(shù)據(jù)源，而不是數(shù)據(jù)庫，并且不會取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

persistent memory servers

new persistent memory technologies will help reduce costs and complexity of adopting in memory computing（imc）-enabled architectures.持久內(nèi)存代表了DRAM和NAND閃存之間的一個新的內(nèi)存層，它可以為高性能工作負載提供經(jīng)濟高效的大容量內(nèi)存。

它有潛力在控制成本的同時提高應(yīng)用程序性能、可用性、啟動時間、群集方法和安全實踐。它還將通過減少對數(shù)據(jù)復(fù)制的需求來幫助組織降低其應(yīng)用程序和數(shù)據(jù)架構(gòu)的復(fù)雜性。

有興趣聽取行業(yè)領(lǐng)導(dǎo)者討論此類主題并分享他們的經(jīng)驗和用例？參加即將在硅谷、倫敦和阿姆斯特丹舉行的活動，了解更多信息。

相關(guān)故事

云技術(shù)促進行業(yè)品牌、企業(yè)和分析師的行業(yè)思想領(lǐng)導(dǎo)力內(nèi)容，與作者和博客合作，向我們的廣大CIO觀眾提供有關(guān)云IT戰(zhàn)略的見解和建議。IT經(jīng)理。

涵蓋SaaS新聞、云計算作業(yè)、虛擬化戰(zhàn)略、云應(yīng)用程序和企業(yè)IT、私有和公共云、系統(tǒng)安全、云應(yīng)用程序、CRM和云通信，云技術(shù)提供最新的洞察力，使首席信息官能夠就IT戰(zhàn)略做出明智的決策。

請遵循此鏈接了解我們的。