摘要：企業(yè)對敏捷以數(shù)據(jù)為中心的架構(gòu)的需求根據(jù)拉丁美洲國家統(tǒng)計局的數(shù)據(jù)，下一波大數(shù)據(jù)和分析浪潮中，增強分析持續(xù)智能和可解釋的人工智能是未來三到五年內(nèi)具有重大破壞潛力的大數(shù)據(jù)和分析的主要趨勢之一。

The size，complexity，distributed nature of data，speed of action and the continuous intelligence required by digital business means that rigid and centralized architecture and tools break down，Donald Feinberg，Vice President at.任何業(yè)務(wù)的持續(xù)生存都將依賴于一個敏捷的、以數(shù)據(jù)為中心的體系結(jié)構(gòu)，該體系結(jié)構(gòu)能夠響應(yīng)不斷變化的速度。

Gartner建議數(shù)據(jù)和分析主管與高級業(yè)務(wù)主管就其關(guān)鍵業(yè)務(wù)優(yōu)先級進行協(xié)作，并探索十大相關(guān)趨勢。

Augmented Analytics

Augmented Analytics is the next wave of disruptation in the data and analytics market.它使用機器學(xué)習(xí)（ML）和人工智能技術(shù)來轉(zhuǎn)換分析內(nèi)容的開發(fā)、消費和共享方式。

2020年，增強分析將成為新購買分析和商業(yè)智能（BI）以及數(shù)據(jù)科學(xué)和ML平臺以及嵌入式分析的主要驅(qū)動力。隨著平臺功能的成熟，數(shù)據(jù)和分析領(lǐng)導(dǎo)者應(yīng)計劃采用增強的分析。

Augmented Data Management

Augmented Data Management利用ML功能和人工智能引擎使企業(yè)信息管理類別包括數(shù)據(jù)質(zhì)量、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)集成以及數(shù)據(jù)庫管理系統(tǒng)（DBMS）自我配置和自我調(diào)優(yōu)。

it is automating manual tasks and allows less technically skilled users to be more autonovative using data.它還允許高技能的技術(shù)資源專注于更高價值的任務(wù)。

Augmented Data Management將元數(shù)據(jù)從僅用于審計、沿襲和報告轉(zhuǎn)換為為為動態(tài)系統(tǒng)供電。元數(shù)據(jù)正從被動變?yōu)橹鲃樱⒄蔀樗腥斯ぶ悄芎腿斯ぶ悄艿闹饕?qū)動力。

through to the end of 2022，data management manual tasks will be reduced by 45 percent through the addition of ml and automated service level management.

Continuous Intelligence

by 2022，more than half of major new business systems will incorporate continuous intelligence that uses real-time context data to improve decisions.

Continuous intelligence is a design pattern in which real-time analytics are integrated within a business operation，processing current and historical data to prescribe actions in response to events.它提供決策自動化或決策支持。

Continuous Intelligence利用多種技術(shù)，如增強分析、事件流處理、優(yōu)化、業(yè)務(wù)規(guī)則管理和ML。

Explainable ai

ai models are increasingly deployed to augment and replace human decision making.然而，在某些情況下，企業(yè)必須證明這些模型是如何實現(xiàn)其決策的。要與用戶和利益相關(guān)者建立信任，應(yīng)用程序領(lǐng)導(dǎo)者必須使這些模型更易于解釋和解釋。

不幸的是，大多數(shù)高級人工智能模型都是復(fù)雜的黑盒，無法解釋為什么它們達到了特定的建議或決定。例如，在數(shù)據(jù)科學(xué)和ML平臺中可解釋的人工智能會自動生成模型的解釋，包括準確度、屬性、模型統(tǒng)計和自然語言中的功能。

graph analytics

graph analytics是一組分析技術(shù)，允許探索感興趣的實體之間的關(guān)系，如organizatia關(guān)系、人員和事務(wù)。

graph processing and graph dbms的應(yīng)用程序?qū)⒃?022年期間以每年100%的速度增長，以持續(xù)加速數(shù)據(jù)準備并啟用更復(fù)雜和自適應(yīng)的數(shù)據(jù)科學(xué)。

graph data stores can effective model，explore and query data with complex interrelationships across data sil操作系統(tǒng)，但對專業(yè)技能的需求限制了他們迄今為止的采用。

graph analytics will grow in the next years due to ask complex questions across complex data，which is not always practical or even possible at scale using SQL queries.

data fabric

data fabric enables friculess access and sharing of data in a分布式數(shù)據(jù)環(huán)境。它支持單一和一致的數(shù)據(jù)管理框架，允許跨其他孤立存儲的無縫數(shù)據(jù)訪問和設(shè)計處理。

到2022年，定制的數(shù)據(jù)結(jié)構(gòu)設(shè)計將主要部署為靜態(tài)基礎(chǔ)設(shè)施，迫使組織投入新的成本浪潮，以完全重新設(shè)計更多的動態(tài)數(shù)據(jù)。網(wǎng)格方法。

nlp Conversational Analytics

2020年，50%的分析查詢將通過搜索、自然語言處理（nlp）或語音生成，或?qū)⒆詣由伞Ｐ枰治鰪?fù)雜的數(shù)據(jù)組合并使組織中的每個人都可以訪問分析，這將推動更廣泛的采用，使分析工具與搜索界面或與虛擬助理對話一樣簡單。

Commercial AI and ML

Gartner預(yù)測到2022年，75%的新最終用戶解決方案Leveraging ai和ml技術(shù)將與商業(yè)解決方案而不是開源平臺一起構(gòu)建。

Commercial vendors now have build connector into the open source ecosystem and they provide the enterprise features necessary to scale and demobilize ai and ml，such as project model management，reuse，transparency，data沿襲，and platform開源技術(shù)所缺乏的凝聚力和集成。

區(qū)塊鏈

區(qū)塊鏈和分布式賬本技術(shù)的核心價值主張是在不受信任參與者的網(wǎng)絡(luò)中提供分散信任。分析用例的潛在影響是非常重要的，尤其是那些利用參與者關(guān)系和交互的用例。

it will be sequently years before four or five major blockback technologies been majority years before four or five blockback technologies been majority.在此之前，技術(shù)最終用戶將被迫與區(qū)塊鏈技術(shù)和標準進行集成，這些技術(shù)和標準由其主要客戶或網(wǎng)絡(luò)決定。這包括與現(xiàn)有數(shù)據(jù)和分析基礎(chǔ)架構(gòu)的集成。

The costs of integration may benever any potential benefits.區(qū)塊鏈是一個數(shù)據(jù)源，而不是數(shù)據(jù)庫，并且不會取代現(xiàn)有的數(shù)據(jù)管理技術(shù)。

persistent memory servers

new persistent memory technologies will help reduce costs and complexity of adopting in memory computing（imc）-enabled architectures.持久內(nèi)存代表了DRAM和NAND閃存之間的新內(nèi)存層，它可以為高性能工作負載提供經(jīng)濟高效的大容量內(nèi)存。

it has the potential to improve application performance，availability，boot times，clustering methods and security practices while keeping costs under control.它還將通過減少對重復(fù)數(shù)據(jù)的需求，幫助組織降低其應(yīng)用程序和數(shù)據(jù)架構(gòu)的復(fù)雜性。

感興趣的行業(yè)領(lǐng)導(dǎo)者討論類似的主題，并分享他們的經(jīng)驗和使用案例？參加即將在硅谷、倫敦和阿姆斯特丹舉行的活動，了解更多信息。

相關(guān)故事

云技術(shù)促進行業(yè)品牌、企業(yè)和分析師的行業(yè)思想領(lǐng)導(dǎo)力內(nèi)容，與作者和博客合作，向我們的廣大CIO觀眾提供有關(guān)云IT戰(zhàn)略的見解和建議。IT經(jīng)理。

Covering saas news，cloud computing jobs，virtualization strategy，cloud apps and enterprise it，private and public cloud，system security，cloud apps，crm and cloud communications，cloud tech provides the latest insight that enables cios to make informed decisions about it strategy.

Please follow this link for