“為了創(chuàng)新，他們超越了后COVID-19疫情時代的工作方式，數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要不斷在前所未有的市場變化面前，提高數(shù)據(jù)分析、存儲和處理速度?！?/p>

研究發(fā)現(xiàn)，為了應(yīng)對COVID-19緊急情況，全球開始了500多項有關(guān)COVID-19潛在治療和干預(yù)措施的臨床試驗。這些試驗使用了一個實時數(shù)據(jù)庫，該數(shù)據(jù)庫可以編譯和整理來自試驗注冊表和其他來源的數(shù)據(jù)。這有助于醫(yī)學(xué)和公共衛(wèi)生專家預(yù)測疾病的蔓延，尋找新的治療方法，并為潛在的大流行制定更為實用的臨床管理制定計劃。

數(shù)據(jù)和分析技術(shù)與人工智能（AI）技術(shù)相結(jié)合，對于預(yù)測、準(zhǔn)備和主動應(yīng)對全球疫情危機及經(jīng)濟恢復(fù)工作至關(guān)重要。

這些數(shù)據(jù)和分析技術(shù)趨勢將有助于在未來三到五年內(nèi)加速更新、推動創(chuàng)新和重建社會。數(shù)據(jù)和分析領(lǐng)導(dǎo)者必須研究如何利用這些趨勢，進行“必須擁有”的投資，從而在重置后實現(xiàn)復(fù)蘇和再造。7月1日消息，近日，Gartner發(fā)布了數(shù)據(jù)與分析領(lǐng)域的十大技術(shù)趨勢。以下為具體內(nèi)容：

趨勢1：更智能、更快、更負(fù)責(zé)的AI

到2024年底，75%的企業(yè)將從人工智能試點轉(zhuǎn)向運營，流數(shù)據(jù)和分析型基礎(chǔ)設(shè)施規(guī)模將增加5倍。

在當(dāng)前的流行背景下，人工智能技術(shù)，如機器學(xué)習(xí)、優(yōu)化和自然語言處理，正在為病毒的傳播以及應(yīng)對措施的有效性和影響提供重要的洞察和預(yù)測。

其他更智能的AI技術(shù)，如強化學(xué)習(xí)和分布式學(xué)習(xí)，正在創(chuàng)建更具適應(yīng)性和靈活性的系統(tǒng)，以處理復(fù)雜業(yè)務(wù);例如，基于代理的系統(tǒng)可以建模并促進復(fù)雜系統(tǒng)。

讓AI負(fù)責(zé)、模型透明化對于防止錯誤決策至關(guān)重要！

對新的芯片架構(gòu)（如可部署在邊緣設(shè)備上的神經(jīng)形態(tài)硬件）的重大投資，正在加速AI、ML計算和工作負(fù)載，并減少對高帶寬集中式系統(tǒng)的依賴。最終，這可能導(dǎo)致更彈性的AI解決方案，具有更高的業(yè)務(wù)影響力。

讓AI負(fù)責(zé)、模型透明化對于防止錯誤決策至關(guān)重要。它將推動更好的人機協(xié)作與信任，使整個組織能更好地采納和調(diào)整決策。

趨勢2：儀表盤的衰退

更具自動化和消費體驗的動態(tài)數(shù)據(jù)應(yīng)用將取代可視化、點擊式創(chuàng)作和探索。因此，用戶使用預(yù)定義儀表盤的時間將會減少。向上下文數(shù)據(jù)應(yīng)用的轉(zhuǎn)變意味著最相關(guān)的見解將根據(jù)上下文、角色或用途傳遞給每個用戶。這些動態(tài)洞察利用了增強分析、NLP、流異常檢測和協(xié)作等技術(shù)。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要定期評估他們現(xiàn)有的分析和商業(yè)智能（BI）工具。初創(chuàng)型公司，在預(yù)定義的儀表盤之外提供新增強的和NLP驅(qū)動的用戶體驗。

趨勢3：決策智能化

到2023年，超過三成的大型組織將有分析人員練習(xí)決策智能化，其中包括決策建模。決策智能化集合了多門學(xué)科，包括決策管理和決策支持。它包含了復(fù)雜自適應(yīng)系統(tǒng)領(lǐng)域的應(yīng)用，將多種傳統(tǒng)和先進的學(xué)科相結(jié)合。

它提供了一個框架，幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者在業(yè)務(wù)結(jié)果和行為的關(guān)系中設(shè)計、建模、匹配、執(zhí)行、監(jiān)控和優(yōu)化決策模型以及流程。

當(dāng)決策需要多種邏輯和數(shù)學(xué)，自動化是必須的，或者至少記錄和審計時，探索使用決策管理和建模技術(shù)。

趨勢4：X分析

Gartner創(chuàng)造了“X分析”這一術(shù)語，其中X是一系列不同結(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。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者使用X分析來解決社會中最棘手的挑戰(zhàn)，包括氣候變化、疾病預(yù)防和野生動物保護等。

在疫情期間，AI在梳理大量研究論文、新聞來源、社交媒體帖子和臨床試驗數(shù)據(jù)方面發(fā)揮了關(guān)鍵作用，并幫助了醫(yī)療和公共衛(wèi)生專家預(yù)測疾病傳播、規(guī)劃能力、尋找新的治療方法和識別弱勢群體。X分析結(jié)合AI和其他技術(shù)，如圖表分析（另一個頂級趨勢），在識別、預(yù)測和規(guī)劃未來自然災(zāi)害和其他危機中將發(fā)揮關(guān)鍵作用。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該探索現(xiàn)有供應(yīng)商提供的X分析能力，比如用于圖像、視頻和語音分析的云計算供應(yīng)商，但也要認(rèn)識到創(chuàng)新很可能來自小型的初創(chuàng)公司和云計算供應(yīng)商。

趨勢5：增強型數(shù)據(jù)管理：元數(shù)據(jù)是“新黑馬”

增強數(shù)據(jù)管理使用ML和AI技術(shù)來優(yōu)化和改進操作。它還將用于審計、繼承和報告的元數(shù)據(jù)轉(zhuǎn)換為支持動態(tài)系統(tǒng)的元數(shù)據(jù)。

增強數(shù)據(jù)管理產(chǎn)品可以檢查操作數(shù)據(jù)的大量樣本，包括實際查詢、性能數(shù)據(jù)和模式。使用現(xiàn)有的情況和工作負(fù)載數(shù)據(jù)，增強引擎可以優(yōu)化操作、配置、安全性和性能。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)該尋找增強型數(shù)據(jù)管理，支持活動元數(shù)據(jù)來簡化和整合他們的架構(gòu)，并增加冗余數(shù)據(jù)管理任務(wù)的自動化。

趨勢6：云是一種饋贈

到2022年，公有云服務(wù)將對90%的數(shù)據(jù)和分析創(chuàng)新起關(guān)鍵性作用。

隨著數(shù)據(jù)和分析轉(zhuǎn)移到云端，數(shù)據(jù)和分析的領(lǐng)導(dǎo)者仍然在努力將正確的服務(wù)與用例保持一致，這將導(dǎo)致不必要的治理和集成開銷的增加。

數(shù)據(jù)和分析的問題已經(jīng)從給定服務(wù)的成本轉(zhuǎn)移到如何滿足工作負(fù)載的性能需求，而不僅僅是價格表。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要優(yōu)先考慮能夠利用云計算功能的工作負(fù)載，并在遷移到云計算時關(guān)注成本優(yōu)化。

趨勢7：數(shù)據(jù)與分析的沖突

傳統(tǒng)上，數(shù)據(jù)和分析能力被認(rèn)為是不同的實體，并分別進行管理。通過增強分析提供端到端工作流的供應(yīng)商模糊了這兩個市場間的區(qū)別。

數(shù)據(jù)和分析的這種沖突將增加獨立的數(shù)據(jù)和分析角色之間的交互與協(xié)作。這不僅會影響所提供的技術(shù)和能力，還會影響支持和使用它們的人員和過程。角色的范圍將從IT中的傳統(tǒng)數(shù)據(jù)和分析角色擴展到信息瀏覽器、消費者和公民開發(fā)人員等。

為了將沖突轉(zhuǎn)化為建設(shè)性的整合，可以將數(shù)據(jù)和分析工具與功能合并到分析堆棧中。除工具之外，關(guān)注人員和過程以促進交流和協(xié)作。利用數(shù)據(jù)和分析生態(tài)系統(tǒng)、增強方法，有潛力提供一致性的堆棧。

趨勢8：數(shù)據(jù)市場與數(shù)據(jù)交換

到2022年，35%的大型機構(gòu)將通過正式的在線數(shù)據(jù)市場成為數(shù)據(jù)的賣家或買家，而2020年這一比例為25%.

數(shù)據(jù)市場和交易所提供單一平臺來整合第三方數(shù)據(jù)產(chǎn)品。這些市場和交換中心提供了集中的可用性和訪問（例如X分析和其他獨特的數(shù)據(jù)集），創(chuàng)造了可以降低第三方數(shù)據(jù)成本的規(guī)模經(jīng)濟以。

為了通過數(shù)據(jù)市場將數(shù)據(jù)資產(chǎn)貨幣化，數(shù)據(jù)和分析的領(lǐng)導(dǎo)者應(yīng)該通過定義一個生態(tài)系統(tǒng)合作伙伴可以依賴的數(shù)據(jù)治理原則來建立一個公平和透明的方法。

趨勢9：數(shù)據(jù)分析中的區(qū)塊鏈

區(qū)塊鏈技術(shù)解決了數(shù)據(jù)和分析中的兩個挑戰(zhàn)。首先，區(qū)塊鏈提供了資產(chǎn)和事務(wù)的完整繼承。其次，區(qū)塊鏈為復(fù)雜的參與者網(wǎng)絡(luò)提供了透明性。

除了有限的比特幣和智能合同實例，分類數(shù)據(jù)庫管理系統(tǒng)（DBMS）將為單個企業(yè)審計數(shù)據(jù)源提供一個更有吸引力的選擇。Gartner估計，到2021年，分類DBMS產(chǎn)品將取代大多數(shù)現(xiàn)在使用的區(qū)塊鏈。

數(shù)據(jù)和分析應(yīng)該通過強調(diào)數(shù)據(jù)管理基礎(chǔ)設(shè)施和區(qū)塊鏈技術(shù)功能的不匹配，將區(qū)塊鏈技術(shù)定位成對現(xiàn)有數(shù)據(jù)管理基礎(chǔ)設(shè)施的補充。

趨勢10：來自數(shù)據(jù)分析基礎(chǔ)和價值中的關(guān)系

到2023年，圖像技術(shù)將在全球30%的組織中促進快速情景化決策。圖像分析是一組分析技術(shù)，它允許探索相關(guān)實體（如組織、人員和事務(wù)）之間的關(guān)系。

它幫助數(shù)據(jù)和分析領(lǐng)導(dǎo)者發(fā)現(xiàn)數(shù)據(jù)中未知的關(guān)系，并審查傳統(tǒng)分析中難以分析的數(shù)據(jù)。

例如，在世界應(yīng)對當(dāng)前和未來疫情時，圖像技術(shù)可以從人們手機上的地理空間數(shù)據(jù)到人臉識別系統(tǒng)，對照片進行分析，以確定誰可能接觸過被確診冠狀病毒檢測呈陽性的個體。

當(dāng)與ML算法相結(jié)合時，這些技術(shù)可用于梳理數(shù)千個數(shù)據(jù)源和文檔，從而幫助醫(yī)療和公共衛(wèi)生專家迅速發(fā)現(xiàn)新的治療方法或可能導(dǎo)致某些患者出現(xiàn)更多負(fù)面影響的因素。

數(shù)據(jù)和分析領(lǐng)導(dǎo)者需要評估將圖形分析整合到分析組合及應(yīng)用程序中的機會，以發(fā)現(xiàn)隱藏的模式和關(guān)系。另外，考慮對圖形算法和技術(shù)如何改進AI和ML計劃進行研究。