根据Gartner公司的数据，增强分析、持续智能和可解释的人工智能（AI）是数据和分析技术的主要趋势，在未来三到五年内具显著的破坏性潜力。

今天在悉尼举行的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检查这些趋势对业务的潜在影响，并相应调整业务模式和运营，否则就有可能失去竞争优势。

“数据和分析的故事在不断演变，从支持内部决策到持续情报、信息产品再任命首席数据官。”她表示， “深入了解技术趋势，并根据业务价值对其进行优先排序，这一点至关重要。”

根据Gartner副总裁兼杰出分析师唐纳德·费恩伯格的说法，数字中断带来的挑战：数据太多，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，意味着现在可以大规模地训练和执行必要的算法，以最终实现AI的全部潜力。

费恩伯格先生表示，“数据的大小、复杂性、数据的分布性、行动速度以及数字业务所需的持续智能意味着僵化和集中的架构和工具都会崩溃。” “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中断。它使用机器学习（ML）和AI技术来转换分析内容的开发、消费和共享方式。

到2020年，增强分析将成为新购买分析和BI，以及数据科学和ML平台以及嵌入式分析的主要驱动力。数据和分析领导者应该计划在平台功能成熟时采用增强分析。

趋势2：增强数据管理

增强数据管理利用ML功能和AI引擎来制定企业信息管理类别，包括数据质量、元数据管理、主数据管理、数据集成以及数据库管理系统（DBMS）自我配置和自我调整。它使许多手动任务自动化，并允许技术水平较低的用户使用数据更加自主。它还允许高技能的技术资源专注于更高价值的任务。

增强型数据管理将元数据转换为仅用于审计、沿袭和报告，以及为动态系统供电。元数据正在从被动变为主动，并且正在成为所有AI / ML的主要驱动因素。

到2022年底，通过增加ML和自动化服务级别管理，数据管理手册任务将减少45％。

趋势3：持续智能

到2022年，超过一半的主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。

持续智能是一种设计模式，其中实时分析集成在业务操作中，处理当前和历史数据以规定响应事件的操作。它提供决策自动化或决策支持。持续智能利用多种技术，如增强分析、事件流处理、优化、业务规则管理和ML。

“持续智能代表了数据和分析团队工作的重大变化，”萨拉姆女士表示，“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。”

趋势4：可解释的AI

人工智能模型越来越多地用于增强和取代人类决策。但是，在某些情况下，企业必须证明这些模型如何做出决策。为了与用户和利益相关者建立信任，应用程序领导者必须使这些模型更具解释性和可解释性。

不幸的是，大多数这些先进的AI模型都是复杂的黑盒子，无法解释他们为何会达到特定的推荐或决定。例如，在数据科学和ML平台中可解释的AI，就自然语言的准确性、属性、模型统计和特征自动生成模型的解释。

趋势5：图表

图形分析是一组分析技术，允许探索组织、人员和交易等感兴趣的实体之间的关系。

到2022年，图形处理和图形DBMS的应用将以每年100％的速度增长，从而不断加速数据准备的工作，并实现更复杂和自适应的数据科学。

根据Gartner的说法，图形数据存储可以跨数据孤岛有效地建模、探索和查询数据，但是对专业技能的需求限制了它们的应用。

由于需要跨复杂数据提出复杂问题，图形分析将在未来几年内迅速增长，这在使用SQL查询时并不总是切实可行甚至不可能。

趋势6：数据结构

数据结构可在分布式数据环境中实现无摩擦访问和数据共享。它支持单一且一致的数据管理框架，允许通过其他孤立存储的设计进行无缝数据访问和处理。

该框架允许通过设计跨其他竖井存储无缝地访问和处理数据。

到2022年，定制数据结构设计将主要部署为静态基础设施，迫使组织进入新的成本浪潮，以完全重新设计更动态的数据网格方法。

趋势7：NLP /会话分析

到2020年，50％的分析查询将通过搜索、自然语言处理（NLP）或语音生成，或者将自动生成。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的需求将推动更广泛的采用，使分析工具像搜索界面或与虚拟助手的对话一样简单。

趋势8：商业AI和ML

Gartner预测，到2022年，75％利用AI和ML技术的新终端用户解决方案将采用商业解决方案而非开源平台构建。

商业供应商现在已经在开源生态系统中构建了连接器，它们提供了扩展AI和ML所需的企业功能，例如项目和模型管理、重用、透明度、数据沿袭以及开源技术缺乏的平台凝聚力和集成。

趋势9：区块链

区块链和分布式账本技术的核心价值主张是在不受信任的参与者网络中提供分散的信任。分析用例的潜在影响很大，尤其是那些利用参与者关系和交互的用例。

然而，在四到五个主要区块链技术成为主导之前，将需要几年的时间。在此之前，技术最终用户将被迫与其主要客户或网络所规定的区块链技术和标准集成。这包括与您现有的数据和分析基础架构的集成，整合成本可能超过任何潜在的好处。区块链是数据源，而不是数据库，不会取代现有的数据管理技术。

趋势10：持久性内存服务器

新的永久性存储技术将有助于降低采用内存计算（IMC）的架构的成本和复杂性。持久性内存代表DRAM和NAND闪存之间的新内存层，可为高性能工作负载提供经济高效的大容量内存。它有可能提高应用程序性能、可用性、启动时间、群集方法和安全实践，同时控制成本。它还将通过减少数据复制的需要，帮助组织降低其应用程序和数据体系结构的复杂性。

费恩伯格表示，“数据量正在快速增长，实时将数据转化为价值的紧迫性正以同样快的速度增长。” “新的服务器工作负载不仅要求更快的CPU性能，还要求大容量内存和更快的存储。”