数据分析的发展将会有怎么样的趋势
从不惜重金聘用首席数据科学家到采购最新的分析软件，企业领导者们在应用数据分析提高业务方面可谓极尽所能。
但是，想要真正用好数据分析相关技术，却没有那么简单。
“数字化业务涉及到的规模、复杂度、数据分布结构、所需的执行速度等问题意味着：任何僵化和集中的架构或工具都会崩溃，”Gartner副总裁Donald Feinberg说。 “任何企业的持续生存都将取决于灵活的，以数据为中心的架构，以响应不断变化的速度。”
Donald Feinberg认为，数字化颠覆带来了挑战，但也出现了前所未有的机遇。
庞大的数据量与云的强大处理能力相结合，意味着现在可以大规模地训练和执行相关算法，以最终实现AI的全部潜力。
Gartner 建议企业领导者与高级业务负责人应该深入了解以下十大技术趋势，并讨论他们的关键业务优先级，以探索以下主要趋势在推进这些关键业务方面的应用。
1.增强分析（Augmented Analytics）
作为数据分析的高级增强阶段，增强分析能为分析计划带来更多自动化动能以及创新洞察力。
因为在正式进入数据分析之前，都需要对数据进行抽取、清洗、融合等准备工作，以提高数据分析的效率和准确性，更利于决策。而增强分析则能够帮助普通用户在没有数据科学专家或IT人员协助的情况下，访问有效数据，并对理论和假设情况展开测试与验证。
增强型数据分析侧重于增强智能的特定领域，利用机器学习（machine learning）转变分析内容的开发、使用与共享方式。
Gartner表示，到2020年，增强分析将成为分析和BI解决方案的主要卖点。
机器学习和人工智能、增强型分析将为数据和分析市场带来颠覆，因为它将彻底改变开发、消费和共享分析内容的方式，可使数据准备、洞察力获取和洞察力可视化这个过程实现自动化，在许多情况下无需专业的数据科学家
2.增强数据管理（Augmented data Management）
增强数据管理是指利用机器学习功能和AI技术来制作数据管理类别，包括数据质量，主数据管理，元数据管理，数据集成以及数据库管理系统（DBMS）自我配置和自我调整。
它可以自动执行许多手动任务，为技术水平较低的用户提供使用数据的机会。它还有助于高技能的技术资源专注于更多的增值任务。
据Gartner预测，到2022年底，借助机器学习和自动化服务级别管理，数据管理中的手动任务将减少45％。
3.持续智能（Continuous Intelligence）
持续数据可不仅仅是实时数据的时髦说法。它是一种设计模式，指将实时分析与业务运营相结合，处理当前和历史数据以规定响应事件的行动。
“持续智能代表了数据和分析团队工作的重大变化，”Gartner研究副总裁Rita Sallam说。“分析和BI（商业智能）团队在2019年帮助企业做出更明智的实时决策，这是一个巨大的挑战，也是一个巨大的机会。它可以被看作是运营商业智能的终极目标。”
到2022年，超过一半的重要新业务系统将采用持续智能，使用实时上下文数据来改善决策。
4.可解释的 AI（Explainable AI）
AI已经越来越多地用于数据管理，但AI解决方案如何解释为什么他们得出某些结论？这是可解释的人工智能的用武之地。
数据科学和机器学习平台中的可解释AI是关于在自然语言中准确性，属性，模型统计和特征方面生成数据模型的解释。
5.图形分析（Graph）
图形分析是一组分析技术，可帮助企业探索关注实体（如交易，流程和员工）之间的关系。
到2022年，图形处理和图形数据库管理系统的应用将以每年100％的速度增长。
6.数据结构（Data Fabric）
数据结构是指单一且一致的数据管理框架。它着眼于在分布式数据环境中实现无摩擦访问和数据共享，而不是孤立存储。
到2022年，定制数据结构配置将主要用作静态基础架构，迫使组织进行新一轮的成本控制，以完全重新设计更动态的数据网格方法。
推荐阅读
- 张敬华■拥江发展新地标 南京江心洲长江大桥开通运营 桥+隧
- [技术创新]苏州创建国家级充换电技术创新中心 助力新能源行业发展
- 长三角高质量一体化发展指数发布
- 「技能」首届全国技能大赛江苏勇夺第二为经济高质量发展提供人才保障
- 小区■全民共享发展成果 江苏淮安：老旧小区“华丽转身”
- 为啥看到书柜上的藏书会有心旷神怡的感觉
- 特斯拉|热评 | 加强OTA技术召回监管将有助于汽车产业健康发展
- |中天钢铁获评“2020绿色发展标杆企业”
- |沪苏浙皖文物部门推动文物行政执法一体化发展
- 枸杞|每天用枸杞泡水，身体会有4个可喜变化，但有些人享用不了