Gartner说，增强分析，持续智能和可解释的AI是数据和分析技术的主要趋势，这些趋势在未来三到五年内具有巨大的破坏性潜力。
Gartner研究副总裁Rita Sallam在今天悉尼举行的Gartner数据与分析峰会上发表讲话说，数据和分析领导者必须研究这些趋势对业务的潜在影响，并相应地调整业务模型和运营，否则就有失去竞争优势的风险。谁做。
从支持内部决策到持续情报，信息产品和任命首席数据官，数据和分析的故事不断发展。她说。
关至关重要的是，深入了解推动趋势发展的技术趋势，并根据业务价值对它们进行优先排序。她补充说。
相关新闻Supertech尚未“移交” 200个单位，未获得任何超额收益：购房者拉利特·莫迪（Lalit Modi）抨击戈弗雷·飞利浦（Godfrey Philips），此前该公司驳回了他的股权出售要求，称他们为“公然骗子” GWM，将在2020年汽车博览会上首次亮相印度Gartner建议数据和分析主管与高级业务主管就他们的关键业务优先事项进行讨论，并探讨以下主要趋势如何帮助他们。
趋势一：增强分析增强分析是数据和分析市场的下一波颠覆浪潮。它使用机器学习（ML）和AI技术来转变分析内容的开发，使用和共享方式。到2020年，增强分析将成为新购买分析和BI，数据科学和机器学习平台以及嵌入式分析的主要驱动力。
趋势二：增强数据管理增强型数据管理将元数据从仅用于审计，沿袭和报告转换为动态系统。元数据正从被动变为主动，并已成为所有AI / ML的主要驱动力。
趋势三：持续智能持续智能是一种设计模式，其中实时分析被集成到业务运营中，处理当前和历史数据以规定响应事件的操作。到2022年，超过一半的主要新业务系统将采用持续智能，这些智能将使用实时上下文数据来改善决策。
趋势四：可解释的AI越来越多地使用AI模型来增强和替代人类决策。但是，在某些情况下，企业必须证明这些模型如何做出决策。为了建立与用户和利益相关者的信任，应用程序主管必须使这些模型更具可解释性和可解释性。
趋势五：图形图分析是一组分析技术，可用于探索感兴趣的实体（例如组织，人员和交易）之间的关系。
趋势六：数据结构数据结构可在分布式数据环境中无摩擦地访问和共享数据。它启用了一个单一且一致的数据管理框架，该框架通过设计实现了孤立存储之间的无缝数据访问和处理。
趋势7：NLP /会话分析到2020年，将通过搜索，自然语言处理（NLP）或语音来生成50％的分析查询，或者将自动生成这些查询。需要分析复杂的数据组合并使组织中的每个人都可以访问分析，这将推动更广泛的采用，从而使分析工具像搜索界面或与虚拟助手的对话一样容易。
趋势八：商业人工智能和机器学习Gartner预测，到2022年，将有75％的利用AI和ML技术的新最终用户解决方案将通过商业解决方案而非开源平台构建。
趋势9：区块链区块链和分布式分类账技术的核心价值主张是在不受信任的参与者网络中提供去中心化的信任。分析用例的潜在后果非常重要，尤其是那些利用参与者关系和互动的结果。
趋势10：持久性内存服务器新的持久性内存技术将有助于降低采用支持内存中计算（IMC）的体系结构的成本和复杂性。持久存储器代表了DRAM和NAND闪存之间的新存储层，可以为高性能工作负载提供经济高效的大容量存储器。它具有改善应用程序性能，可用性，启动时间，群集方法和安全性实践的潜力，同时可以控制成本。它还将通过减少对数据重复的需求来帮助组织降低其应用程序和数据体系结构的复杂性。