Gartner 2020年数据与分析领域十大技术趋势：AI和云更普及

本篇文章1666字，读完约4分钟

[TechWeb]7月1日，高德纳公司最近发布了数据和分析领域的十大技术趋势。以下是具体内容:

趋势1:更智能、更快、更负责任的人工智能

到2024年底，75%的企业将从人工智能试点转向人工智能运营，基于流数据的分析基础设施数量将增加5倍。

目前，机器学习(ml)、优化和自然语言处理(nlp)等人工智能技术正在为病毒传播、响应效果和影响提供重要的见解和预测。

其他智能人工智能技术，如强化学习和分布式学习，正在创造更具适应性和灵活性的系统来处理复杂的商业情况。例如，基于代理的系统可以模拟复杂系统。

趋势2:仪表板的衰落

具有更自动化和消费化体验的动态数据故事将取代可视化和点击式数据创建和探索。因此，用户使用预定义仪表板的时间将会减少。向支持增强分析或自然语言处理等技术的动态数据故事的过渡意味着，最相关的见解将根据用户的场景、角色或目的传递给每个用户。

趋势3:决策智能

到2023年，超过33%的大型企业将雇佣分析师来实现包括决策建模在内的决策智能。决策智能集成了许多技术，如决策管理和决策支持。它提供了一个框架来帮助数据和分析领导者为业务结果和行为设计、建立、协调、执行、监控和调整决策模型和流程。

趋势4: x分析

X analysis是gartner创建的一个通用术语，其中x指各种结构化和非结构化内容(如文本分析、视频分析、音频分析等)的数据变量。)。

在COVID-19爆发期间，人工智能发挥了关键作用，它梳理了数千篇研究论文、新闻材料、社交媒体内容和临床试验数据，帮助医学和公共卫生专家预测疾病的传播、制定能力规划、找到新的治疗方法和识别弱势群体。x分析与人工智能、地图分析和其他技术相结合，将在未来自然灾害和其他危机的识别、预测和规划中发挥关键作用。

趋势5:增强的数据管理

增强的数据管理利用最大似然和人工智能技术优化和改善操作。它还促进了元数据角色的转变，从辅助数据审计、继承和报告到支持动态系统。

增强的数据管理产品可以审查大量操作数据样本，包括实际查询、性能数据和解决方案。使用现有的使用和工作负载数据，增强的引擎可以调整操作并优化配置、安全性和性能。

趋势6:云成为必然

到2022年，公共云服务将在90%的数据和分析创新中发挥重要作用。随着数据和分析的发展，数据和分析领导者仍然很难实现服务和用例之间的协调，这增加了不必要的治理和集成开销。

数据和分析的关键已经从服务成本转变为如何满足定价之外的工作负载的性能要求。当走向云时，数据和分析领导者需要优先考虑能够利用云功能的工作负载，并专注于成本优化。

趋势7:数据和分析之间的冲突

传统上，数据管理能力和分析能力被视为不同的领域，需要分别管理。提供端到端工作流和增强分析的供应商模糊了这两个市场之间的界限。

数据和分析之间的冲突将增加这两个传统上相对独立的领域之间的互动和合作。这不仅会影响所提供的技术和能力，还会影响支持和使用它们的人员和流程。相关角色也将从传统的数据和分析扩展到信息探索者和公民开发者。

趋势8:数据市场和交易平台

到2022年，35%的大型企业将通过正式的在线数据市场参与数据交易，2020年这一比例将达到25%。数据市场和交易平台为集成第三方数据产品和降低第三方数据成本提供了一个统一的平台。

趋势9:区块链技术在数据和分析中的应用

块链技术解决了数据和分析领域的两大挑战。首先，区块链提供了完整的资产和交易谱系。其次，区块链为复杂的参与者网络提供了透明度。

除了有限的比特币和智能合同使用案例，分类账数据库管理系统(dbms)将为单一企业审计数据源提供更具吸引力的选择。Gartner预测，到2021年，莱杰dbms产品将取代大多数授权的区块链产品。

趋势10:关系奠定了数据和分析价值的基础

到2023年，atlas技术将推动世界上30%的企业的快速决策过程。地图集分析是指一系列用于探索不同利益实体(如组织、人员和交易)之间关系的技术。它帮助数据和分析领导者发现数据中未知的关系，并查看传统分析技术难以分析的数据。

来源：搜狐微门户