行业动态

Gartner：2019年数据和分析技术十大趋势

文字：[大][中][小] 手机页面二维码

2019/2/24 浏览次数：

一键分享

日前举行的Gartner数据与分析峰会上，Gartner研究副总裁Rita Sallam表示，数据和分析领导者必须分析这些趋势对业务的潜在影响，并相应调整业务模式和运营，否则就有失去竞争优势的可能。

她说：“数据和分析技术不断发展，从支持内部决策到持续的智能、信息产品和任命首席数据官。深入了解技术趋势对于推动这一不断变化的趋势，并根据业务价值对其进行优先排序，这些都至关重要。”

根据Gartner副总裁、杰出分析师Donald Feinberg表示，数字化颠覆带来的挑战——有太多的数据——也创造了前所未有的机遇。大量数据以及由云实现的日益强大的处理能力，意味着现在我们可以大规模地训练和执行必要的算法，以最终发挥人工智能的全部潜力。

Feinberg说：“数据的大小、复杂性和分布式特性，以及数字化业务要求的行动速度以及持续智能，意味着需要打破僵化的、集中式的架构和工具束缚。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。”

Gartner建议数据和分析领导者与高级业务负责人讨论一下他们的关键业务优先级，并探索以下主要趋势如何实现这些优先级：

趋势1：增强分析

增强分析是数据和分析市场的下一波颠覆性发展趋势。增强分析采用机器学习和人工智能技术来转换开发、消费和共享分析内容的方式。

到2020年，增强分析将成为分析和BI、数据科学和机器学习平台、嵌入式分析新增采购的主要驱动力。数据和分析领导者为在平台功能成熟的时候采用增强分析技术做好计划。

趋势2：增强数据管理

增强数据管理利用机器学习和人工智能引擎来划分企业信息管理类别，包括数据质量、元数据管理、主数据管理、数据集成、数据库管理系统（DBMS）自我配置和自我调整。增强数据管理能够让很多手动任务实现自动化，并让那些技术水平较低的用户更加自主地使用数据，此外还可以让高技能技术资源专注于更高价值的任务。

增强数据管理将元数据转换为仅用于审计、沿袭和报告等用途，以及为动态系统提供动力。元数据从被动转为主动状态，成为所有人工智能／机器学习的主要驱动因素。

到2022年底，通过增加机器学习和自动化服务水平管理，数据管理手动任务量将减少45％。