從各個發(fā)展趨勢來看，產(chǎn)業(yè)與科技正面臨前所未有的快速變化，在未來也將會是如此。因此，數(shù)據(jù)分析產(chǎn)業(yè)建立一套靈活的、「以數(shù)據(jù)為中心」（data-centric）的服務(wù)架構(gòu)是很重要的，才能在如此變動的環(huán)境中維持競爭優(yōu)勢。

Gartner歸結(jié)出在將來的三到五年間可能顛覆數(shù)據(jù)分析產(chǎn)業(yè)的十項科技趨勢，并建議數(shù)據(jù)分析工作者應(yīng)評估這些趨勢，以因應(yīng)對所經(jīng)營策略可能帶來的影響并做相應(yīng)的調(diào)整。

趨勢一：增強分析（Augmented Analytics）

增強分析指在數(shù)據(jù)分析和商業(yè)智能（business intelligence）的領(lǐng)域中應(yīng)用機器學(xué)習(xí)、人工智能和自動化等科技輔助分析人員以進行數(shù)據(jù)準備、產(chǎn)生洞察和解釋洞察等數(shù)據(jù)分析工作。運用增強分析將能實現(xiàn)整合人工智能和數(shù)據(jù)分析兩個專業(yè)領(lǐng)域，為企業(yè)提供重要的企業(yè)洞察。此外，增強分析將有助于讓非專業(yè)的數(shù)據(jù)分析人員，或稱為「素人資料科學(xué)家」（citizen data scientist），也能生產(chǎn)出重要的企業(yè)洞察。Gartner將增強分析趨勢造成數(shù)據(jù)分析專業(yè)門坎降低的現(xiàn)象，稱為數(shù)據(jù)分析的「民主化」（democratization）。

Gartner預(yù)估，到了2020年，增強分析將會是帶動數(shù)據(jù)分析產(chǎn)業(yè)和商業(yè)智能成長的重要驅(qū)力。另一方面，對于數(shù)據(jù)科學(xué)、機器學(xué)習(xí)平臺和嵌入分析（embedded analytics）的需求也會跟著提升。隨著相關(guān)技術(shù)的成熟，Gartner建議數(shù)據(jù)分析工作者應(yīng)建立計劃，將增強分析整合進數(shù)據(jù)分析服務(wù)中。

趨勢二：增強數(shù)據(jù)管理（Augmented Data Management）

增強數(shù)據(jù)管理指運用機器學(xué)習(xí)和人工智能引擎讓企業(yè)的數(shù)據(jù)管理系統(tǒng)能具有自我調(diào)適（self-configuring）的功能，減少在數(shù)據(jù)管理上面的人力成本，讓專業(yè)人員可專注于更高附加價值的業(yè)務(wù)上。

增強數(shù)據(jù)管理影響所及的范疇，包含：數(shù)據(jù)質(zhì)量、后設(shè)數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)整合和數(shù)據(jù)庫等數(shù)據(jù)管理層面。尤其是在于對后設(shè)數(shù)據(jù)的處理，Gartner指出，增強數(shù)據(jù)管理的關(guān)鍵流程便是將過往被視為次要的后設(shè)數(shù)據(jù)（metadata）運用于機器學(xué)習(xí)的機制中，讓后設(shè)數(shù)據(jù)成為增強數(shù)據(jù)管理的主要數(shù)據(jù)。

Gartner預(yù)測，到了2022年底，結(jié)合機器學(xué)習(xí)和自動化管理的增強數(shù)據(jù)管理發(fā)展趨勢將會讓數(shù)據(jù)管理的人工操作減少45%。

趨勢三：自然語言處理/會話分析（Natural Language Processing/Conversational Analytics）

Gartner估計，在2020年將會有五成以上的數(shù)據(jù)分析查詢（query）是以文字搜尋（search）或語音的方式進行。也就是說，將來使用者會以更加人性化的方式或甚至以對話的方式來和數(shù)據(jù)互動。

自然語言處理或會話分析的發(fā)展趨勢，將可讓數(shù)據(jù)分析的結(jié)果有更廣泛的應(yīng)用情境，例如客服部門或柜臺等辦公室前端的人員，以及能讓更多人以更簡便的方式取用到數(shù)據(jù)分析的結(jié)果。

趨勢四：圖形分析（Graph）

圖形分析指以神經(jīng)網(wǎng)絡(luò)的形式仿真數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系網(wǎng)絡(luò)，并藉以探索未知的問題、串連不同領(lǐng)域的數(shù)據(jù)庫或以更貼近人類思維的方式管理數(shù)據(jù)。

圖形分析的關(guān)鍵技術(shù)在于對圖形數(shù)據(jù)庫（graph database）的運用與管理。圖形數(shù)據(jù)庫是以數(shù)據(jù)節(jié)點以及數(shù)據(jù)節(jié)點之間的路徑關(guān)系所構(gòu)成的數(shù)據(jù)庫結(jié)構(gòu)。運用圖形數(shù)據(jù)庫將有助于分析人員處理更復(fù)雜的問題或是整合不同層面的數(shù)據(jù)，例如將飲食規(guī)劃、醫(yī)療數(shù)據(jù)和保健新聞?wù)线\用于運動app。

Gartner指出，到了2022年，圖形分析的運用比例將會以100%的成長率倍速成長，并解決傳統(tǒng)關(guān)系數(shù)據(jù)庫所無法應(yīng)付的難題。

趨勢五：商業(yè)化的人工智能和機器學(xué)習(xí)（Commercial AI and machine learning）

運用于開發(fā)人工智能和機器學(xué)習(xí)（AI/ML）的開發(fā)環(huán)境，目前以開源（open source）平臺為大宗。商業(yè)機構(gòu)則是以提供企業(yè)化服務(wù)為主，例如與AI/ML相關(guān)的項目管理、模型管理、重復(fù)利用、透明化和整合服務(wù)等，這些服務(wù)則是目前開源平臺較缺乏的。

不過Gartner預(yù)測，到了2022年，75%的新使用者將會使用商業(yè)機構(gòu)（如亞馬遜、Google和微軟）所提供的AI/ML解決方案，而不是使用來自開源平臺的解決方案。運用商業(yè)機構(gòu)所提供的AI/ML解決方案將有助于分析人員快速將AI/MI投入工作流程中，并加速提高企業(yè)價值。

趨勢六：數(shù)據(jù)結(jié)構(gòu)（Data Fabric）

由企業(yè)或各種部門所搜集產(chǎn)生的數(shù)據(jù)數(shù)據(jù)持續(xù)爆炸性的增長，但這些數(shù)據(jù)數(shù)據(jù)卻又分處在各種不同的儲存空間中，例如存放在亞馬遜的S3、微軟的Azure或谷歌的Google Cloud Platform等公有云上，又或是存放在企業(yè)建立的私有云中，同時這些數(shù)據(jù)數(shù)據(jù)也可能建立于不同的文件系統(tǒng)（file system）或傳輸協(xié)議，因此造成數(shù)據(jù)群集（cluster）之間取用的困難，而形成所謂的數(shù)據(jù)孤島（data silo）。

為了要解決數(shù)據(jù)孤島的困境，數(shù)據(jù)結(jié)構(gòu)的概念是建立一套可以整合各種不同云端服務(wù)以及橋接各種文件系統(tǒng)和傳輸協(xié)議的操作系統(tǒng)。運用數(shù)據(jù)結(jié)構(gòu)將可以更有效率的運用與分享數(shù)據(jù)數(shù)據(jù)，減少因數(shù)據(jù)孤島而造成的數(shù)據(jù)重復(fù)、轉(zhuǎn)移困難等資源的浪費。

Gartner認為，在2022年左右，為了企業(yè)服務(wù)而建造的數(shù)據(jù)結(jié)構(gòu)將會成為企業(yè)的基礎(chǔ)設(shè)施，同時也會誘發(fā)企業(yè)投入成本于改良數(shù)據(jù)數(shù)據(jù)基礎(chǔ)設(shè)施。

趨勢七：可解釋人工智能（Explainable AI， XAI）

隨著AI的運用層面越來越廣泛，對于AI的可信度、了解程度和可修正程度的要求也相應(yīng)的提升。現(xiàn)行的AI雖然可以透過機器學(xué)習(xí)的方式建立起可應(yīng)用的AI模型，但在實際的應(yīng)用場景中，AI就如同一個黑盒子（black box），只能提供使用者一個結(jié)果或決策，而無法進一步說明是依據(jù)什么推論過程而得出該結(jié)果或決策，也可能導(dǎo)致使用者因看不見又摸不著的AI系統(tǒng)而產(chǎn)生出錯誤的決策。

可解釋人工智能是在AI研究領(lǐng)域中的一種新趨勢，其主要概念便是要讓AI在處理資料的過程中能同時對使用者提供回饋，讓使用者可以了解為什么AI會得出該結(jié)果或決策，藉以提升使用者對AI的可信任程度或是在必要時能修正AI。

依據(jù)Gartner預(yù)估，2023年以前將會有75%的大型企業(yè)開始雇用AI行為研究人員和消費者隱私保護專家來預(yù)防企業(yè)潛在的品牌與名譽風(fēng)險。

趨勢八：區(qū)塊鏈（Blockchain）

對數(shù)據(jù)分析產(chǎn)業(yè)而言，區(qū)塊鏈技術(shù)最重要的兩項優(yōu)勢在于，第一，區(qū)塊鏈可以細盡的記錄數(shù)據(jù)的來源去向或是交易紀錄。第二，區(qū)塊鏈可以建立透明化的關(guān)系網(wǎng)絡(luò)。

運用區(qū)塊鏈技術(shù)，雖然可以建立起具有可信度的、無法竄改的數(shù)據(jù)網(wǎng)絡(luò)，但Gartner強調(diào)，區(qū)塊鏈仍然無法取代對數(shù)據(jù)分析產(chǎn)業(yè)最重要的工作流程，即數(shù)據(jù)的儲存、管理及在商業(yè)上的應(yīng)用。此外，Gartner還指出，目前區(qū)塊鏈技術(shù)的成熟度還不足以讓區(qū)塊鏈擁有在虛擬貨幣以外的大規(guī)模應(yīng)用機會。

Gartner認為，在2021年以前，賬本式數(shù)據(jù)庫管理系統(tǒng)（ledger database management system）將會足以取代大部份的私有區(qū)塊鏈。

趨勢九：連續(xù)智慧（Continuous Intelligence）

連續(xù)智能意指在企業(yè)運作的流程中整合實時性（real-time）的數(shù)據(jù)分析工作，讓企業(yè)可以隨時從數(shù)據(jù)數(shù)據(jù)中得出洞察，并進而制定企業(yè)當(dāng)下所應(yīng)實行的決策。連續(xù)智慧與傳統(tǒng)商業(yè)智慧（business intelligence）不同之處在于，連續(xù)智慧強調(diào)運用AI/ML和自動化等技術(shù)，取代傳統(tǒng)分析數(shù)據(jù)所需的人力，并且大量且實時的產(chǎn)出企業(yè)所需的決策依據(jù)，而非是如傳統(tǒng)企業(yè)決策流程以階段性或費時的方式產(chǎn)出決策。

Gartner預(yù)測，在2022年以前將會有過半的大型企業(yè)采用連續(xù)智慧幫助他們依據(jù)實時的數(shù)據(jù)數(shù)據(jù)做出企業(yè)決策，同時也協(xié)助大型企業(yè)建立對產(chǎn)業(yè)環(huán)境變動的警覺能力。

趨勢十：持續(xù)性內(nèi)存服務(wù)器（Persistent Memory Servers）

持續(xù)性內(nèi)存是一種介于DRAM與閃存之間的一種新興內(nèi)存技術(shù)。持續(xù)性內(nèi)存保有DRAM的指令周期，同時也擁有閃存的非揮發(fā)性（non-volatile），即使斷電后數(shù)據(jù)也不會遺失。

過去在執(zhí)行數(shù)據(jù)分析時，尤其是在網(wǎng)絡(luò)或云端作業(yè)當(dāng)中，為了加快指令周期而將數(shù)據(jù)保存在DRAM中同時也在DRAM內(nèi)完成運算，省去系統(tǒng)和硬盤之間的讀取時間。但隨著數(shù)據(jù)量越來越龐大，DRAM空間則顯得不足、昂貴。因此，持續(xù)性內(nèi)存的出現(xiàn)將能提供一種符合經(jīng)濟成本同時也具有穩(wěn)定性的內(nèi)存解決方案。

Gartner預(yù)估，持續(xù)性內(nèi)存將持續(xù)成長，在2021年以前將會提供DRAM內(nèi)運算的整體需求量的10%。
責(zé)任編輯；zl