近日，Gartner發(fā)布了數(shù)據(jù)與分析L域的十大技術(shù)趨勢，為數(shù)據(jù)和分析L導(dǎo)者的新G疫情（COVID-19）響應(yīng)和恢復(fù)工作提供指導(dǎo)，并為疫情后的重啟做好準(zhǔn)備。

數(shù)據(jù)和分析L導(dǎo)者如果希望在疫情后能持續(xù)創(chuàng)新，就需要不斷提G數(shù)據(jù)處理和訪問的速度，擴(kuò)大分析規(guī)模，在前所未有的市場動蕩中贏得成功。

數(shù)據(jù)和分析L導(dǎo)者應(yīng)檢驗以嘗試以下十大數(shù)據(jù)和分析趨勢，加快新G疫情后的恢復(fù)：

趨勢1、更智能、更G速、更負(fù)責(zé)的AI

到2024年底，75%的企業(yè)機(jī)構(gòu)將從人工智能（AI）試點(diǎn)轉(zhuǎn)為AI運(yùn)營，基于流數(shù)據(jù)的分析基礎(chǔ)架構(gòu)的數(shù)量將因此增加5倍。

疫情當(dāng)前，機(jī)器學(xué)習(xí)（ML）、優(yōu)化和自然語言處理（NLP）等AI技術(shù)正就病毒傳播、應(yīng)對效果及影響提供重要洞察和預(yù)測。

而強(qiáng)化學(xué)習(xí)和分布式學(xué)習(xí)等其他更智能的AI技術(shù)正在創(chuàng)建更具適應(yīng)性和靈活性的系統(tǒng)，用于處理復(fù)雜的業(yè)務(wù)情況。例如，基于代理的系統(tǒng)可對復(fù)雜系統(tǒng)進(jìn)行建模和仿真。

趨勢2、儀表板的衰落

具備更多自動化和消費(fèi)化體驗的動態(tài)數(shù)據(jù)故事將取代視覺化、點(diǎn)擊式的數(shù)據(jù)創(chuàng)建和探索。因此，用戶使用預(yù)定義儀表板的時間也將會減少。向支持增強(qiáng)分析或NLP等技術(shù)的動態(tài)數(shù)據(jù)故事轉(zhuǎn)變，這意味著：相關(guān)的洞察將基于用戶的場景、角色或用途，流式傳輸給每個用戶。

趨勢3、決策智能

到2023年，33%以上的大型企業(yè)機(jī)構(gòu)將聘用分析師實現(xiàn)包括決策建模在內(nèi)的決策智能。決策智能匯集了決策管理和決策支持等多項技術(shù)。它提供了一個框架，幫助數(shù)據(jù)和分析L導(dǎo)者針對業(yè)務(wù)成果和行為，設(shè)計、建立、協(xié)調(diào)、執(zhí)行、監(jiān)控和調(diào)整決策模型及流程。

趨勢4、X分析

“X分析”由Gartner創(chuàng)造的一個總稱術(shù)語，其中的X指代各種結(jié)構(gòu)化和非結(jié)構(gòu)化內(nèi)容（如文本分析、視頻分析、音頻分析等）的數(shù)據(jù)變量。

在新G疫情期間，AI發(fā)揮了關(guān)鍵作用，梳理了成千上萬份研究論文、新聞資料、社交媒體內(nèi)容和臨床試驗數(shù)據(jù)，幫助醫(yī)療和公共衛(wèi)生專家預(yù)測疾病傳播，制定能力規(guī)劃，尋找新的治療方法并確定易感人群。X分析與AI、圖譜分析等其他技術(shù)結(jié)合起來，將對未來自然災(zāi)害和其他危機(jī)的識別、預(yù)測和規(guī)劃發(fā)揮關(guān)鍵作用。

趨勢5、增強(qiáng)型數(shù)據(jù)管理

增強(qiáng)型數(shù)據(jù)管理利用ML和AI技術(shù)優(yōu)化并改進(jìn)運(yùn)營。它還促進(jìn)了元數(shù)據(jù)角色的轉(zhuǎn)變，從協(xié)助數(shù)據(jù)審計、沿襲和匯報轉(zhuǎn)為支持動態(tài)系統(tǒng)。

增強(qiáng)型數(shù)據(jù)管理產(chǎn)品能夠?qū)彶榇罅康倪\(yùn)營數(shù)據(jù)樣本，包括實際查詢、性能數(shù)據(jù)和方案。利用現(xiàn)有的使用情況和工作負(fù)載數(shù)據(jù)，增強(qiáng)型引擎能夠?qū)�運(yùn)營進(jìn)行調(diào)整，并優(yōu)化配置、安全性和性能。

趨勢6、云成為必然

到2022年，公有云服務(wù)將對90%的數(shù)據(jù)和分析創(chuàng)新起到至關(guān)重要的作用。隨著數(shù)據(jù)和分析的上云，數(shù)據(jù)和分析L導(dǎo)者仍然很難實現(xiàn)服務(wù)與用例的協(xié)調(diào)一致，這就增加了不必要的治理和集成開支。

數(shù)據(jù)和分析問題的關(guān)鍵，已經(jīng)從某項服務(wù)的成本轉(zhuǎn)為如何在定價之外滿足工作負(fù)載的性能要求。上云時，數(shù)據(jù)和分析L導(dǎo)者需要優(yōu)先處理能夠利用云能力和專注于成本優(yōu)化的工作負(fù)載。

趨勢7、數(shù)據(jù)和分析的碰撞

數(shù)據(jù)管理能力和分析能力在傳統(tǒng)上被視為不同的L域，需要分別進(jìn)行管理。利用增強(qiáng)分析提供端到端工作流的供應(yīng)商使這兩個市場之間的界線變得模糊了。

數(shù)據(jù)和分析的碰撞將增加這兩個傳統(tǒng)上相對d立的L域之間的交互和協(xié)作。這不僅會影響到所提供的技術(shù)和能力，還會使支持和使用它們的人員和流程受到影響。相關(guān)角色也將從傳統(tǒng)的數(shù)據(jù)和分析擴(kuò)展到信息探索人員和公民開發(fā)人員等。

趨勢8、數(shù)據(jù)市場和交易平臺

到2022年，35%的大型企業(yè)機(jī)構(gòu)將通過正式的在線數(shù)據(jù)市場參與數(shù)據(jù)交易，而這一比例在2020年為25%。數(shù)據(jù)市場和交易平臺為整合第三方數(shù)據(jù)產(chǎn)品和降低第三方數(shù)據(jù)成本提供了統(tǒng)一平臺。

趨勢9、區(qū)塊鏈技術(shù)在數(shù)據(jù)和分析中的應(yīng)用

區(qū)塊鏈技術(shù)解決了數(shù)據(jù)和分析L域中的兩項挑戰(zhàn)。先，區(qū)塊鏈提供了資產(chǎn)和交易的完整沿襲。其次，區(qū)塊鏈為復(fù)雜的參與者網(wǎng)絡(luò)提供透明度。

除了有限的比特幣和智能合約用例之外，分類賬目數(shù)據(jù)庫管理系統(tǒng)（DBMS）將為單個企業(yè)審計數(shù)據(jù)來源提供了更具吸引力的選擇。Gartner預(yù)計，到2021年，分類賬目DBMS產(chǎn)品將取代多數(shù)許可區(qū)塊鏈的使用。

趨勢10、關(guān)系奠定了數(shù)據(jù)和分析價值的基礎(chǔ)

到2023年，圖譜技術(shù)將促進(jìn)30%的企業(yè)機(jī)構(gòu)決策過程的快速情景化。圖譜分析是指一系列用于探索不同感興趣的實體（如組織、人員和交易）之間關(guān)系的技術(shù)。它幫助數(shù)據(jù)和分析L導(dǎo)者找到數(shù)據(jù)中未知的關(guān)系，并查看傳統(tǒng)分析技術(shù)不易分析的數(shù)據(jù)。