前言:更多關於數智化轉型、數據中臺內容可掃碼加群一起探討
阿里雲數據中臺官網 https://dp.alibaba.com/index
來源:搜狐新聞
這些數據和分析技術趨勢將在未來三到五年內幫助加速更新,促進創新和重建社會。 數據和分析領導者必須研究如何利用這些趨勢,並進行"必備"投資,以實現重置後的恢復和重新發明。
趨勢1:更智能,更快,更負責任的AI
到2024年底,將有75%的企業從人工智能試點轉向運營,流數據和分析基礎架構的規模將增加五倍。
在當前盛行的環境中,諸如機器學習,優化和自然語言處理之類的人工智能技術正在為病毒傳播以及對策的有效性和影響提供重要的見識和預測。
其他更智能的AI技術,例如強化學習和分佈式學習,正在創建更具適應性和靈活性的系統來處理複雜的業務。 例如,基於代理的系統可以對複雜的系統進行建模和升級。
追究AI責任和模型透明度對於防止錯誤決策至關重要
在新芯片架構(例如可以部署在邊緣設備上的神經形態硬件)上的大量投資正在加速AI,ML計算和工作負載,並減少對高帶寬集中式系統的依賴。 最終,這可能會導致具有更高業務影響的更靈活的AI解決方案。
讓AI負責並保持模型透明對於防止錯誤決策至關重要。 它將促進更好的人機協作和信任,以便整個組織可以更好地採用和調整決策。
趨勢二:儀表盤使用的下降
具有更自動化和消費者體驗的動態數據應用程序將取代可視化,點擊創建和探索。 結果,用戶將減少使用預定義儀表板的時間。 轉向上下文數據應用程序意味著最相關的見解將基於上下文,角色或目的傳遞給每個用戶。 這些動態洞察力利用諸如增強分析,NLP,流量異常檢測和協作之類的技術。
數據和分析主管需要定期評估他們現有的分析和商業智能(BI)工具。 初創公司提供預定義的儀表板以外的新增強功能和NLP驅動的用戶體驗。
趨勢3:明智的決策
到2023年,超過30%的大型組織將使分析師從事智能決策,包括決策建模。 決策智能集成了多個學科,包括決策管理和決策支持。 它包含了複雜自適應系統領域中的應用程序,將各種傳統和高級學科結合在一起。
它提供了一個框架,可幫助數據和分析領導者設計,建模,匹配,執行,監視和優化業務結果與行為之間關係中的決策模型和流程。
當決策需要各種邏輯和數學時,有必要進行自動化,或者至少進行記錄和審計,以探索決策管理和建模技術的使用。
趨勢4:X分析
Gartner創造了術語" X分析",其中X是具有不同結構化和非結構化內容(例如,文本分析,視頻分析,音頻分析等)的一系列數據變量。
數據和分析負責人使用X分析來解決社會上最困難的挑戰,包括氣候變化,疾病預防和野生動植物保護。
在疫情爆發期間,人工智能在整理大量研究論文,新聞來源,社交媒體帖子和臨床試驗數據方面發揮了關鍵作用,並幫助醫學和公共衛生專家預測疾病的傳播,規劃能力,尋找新療法, 並找出弱點群體。 X分析與AI和其他技術(例如圖表分析)(另一個熱門趨勢)相結合,將在識別,預測和計劃未來的自然災害和其他危機中發揮關鍵作用。
數據和分析主管應探索現有供應商提供的X分析功能,例如用於圖像,視頻和語音分析的雲計算供應商,但也應認識到創新很可能來自小型初創公司和雲計算供應商。
趨勢5:增強的數據管理:元數據是"新的黑馬"
增強的數據管理使用ML和AI技術來優化和改善操作。 還將用於審核,繼承和報告的元數據轉換為支持動態系統的元數據。
增強型數據管理產品可以檢查大量操作數據樣本,包括實際查詢,性能數據和模式。 使用現有情況和工作負載數據,增強的引擎可以優化操作,配置,安全性和性能。
數據和分析主管應尋求增強的數據管理,支持活動元數據以簡化和集成其體系結構,並提高冗餘數據管理任務的自動化程度。
趨勢六:雲是禮物
到2022年,公共雲服務將在90%的數據和分析創新中扮演關鍵角色。
隨著數據和分析遷移到雲中,數據和分析領導者仍在努力使正確的服務與用例保持一致,這將導致不必要的治理和集成開銷。
數據和分析問題已經從給定服務的成本轉向如何滿足工作負載的性能要求,而不僅僅是價格表。
數據和分析領導者需要優先考慮可以利用雲計算功能的工作負載,並在遷移到雲計算時專注於成本優化。
趨勢7:數據與分析之間的衝突
傳統上,數據和分析功能被認為是單獨的實體,並且需要單獨管理。 通過增強的分析提供端到端工作流的供應商模糊了這兩個市場之間的區別。
數據和分析的這種衝突將增加獨立數據和分析角色之間的交互和協作。 這不僅會影響提供的技術和功能,還會影響支持和使用它們的人員和流程。 角色範圍將從IT中的傳統數據和分析角色擴展到信息瀏覽器,消費者和公民開發人員。
為了將衝突轉化為建設性的整合,可以將數據和分析工具及功能合併到分析堆棧中。 除工具外,還應關注人員和流程以促進溝通和協作。 使用數據並分析生態系統和增強方法有可能提供一致的堆棧。
趨勢八:數據市場和數據交換
到2022年,將有35%的大型機構通過正式的在線數據市場成為數據的賣方或買方,而2020年為25%。
數據市場和交易所提供了一個集成第三方數據產品的平臺。 這些市場和交易中心提供集中的可用性和訪問權限(例如X分析和其他獨特的數據集),從而形成規模經濟,可以降低第三方數據的成本。
為了通過數據市場貨幣化數據資產,數據和分析的領導者應通過定義生態系統合作伙伴可以依賴的數據治理原則,建立一種公平透明的方法。
趨勢9:數據分析中的區塊鏈
區塊鏈技術解決了數據和分析中的兩個挑戰。 首先,區塊鏈提供資產和交易的完整繼承。 其次,區塊鏈為複雜的參與者網絡提供了透明度。
除了比特幣和智能合約的有限示例外,分類數據庫管理系統(DBMS)將為審計單個公司的數據源提供更有吸引力的選擇。 Gartner估計,到2021年,保密的DBMS產品將取代目前使用的大多數區塊鏈。
數據和分析應通過強調數據管理基礎架構與區塊鏈技術功能之間的不匹配,將區塊鏈技術定位為對現有數據管理基礎架構的補充。
趨勢十:從數據分析基礎與價值之間的關係
到2023年,圖像技術將促進全球30%的組織快速進行情境決策。 圖像分析是一組分析技術,可用於探索相關實體(例如組織,人員和事務)之間的關係。
它可以幫助數據和分析領導者發現數據中的未知關係,並查看傳統分析中難以分析的數據。
例如,當世界對當前和未來的疫情做出反應時,圖像技術可以分析來自人們手機上的地理空間數據的照片,以面對人臉識別系統,以確定誰可能聯繫了被冠狀病毒檢測呈陽性的人。
考慮研究圖形算法和技術如何改善AI和ML計劃
與ML算法結合使用時,這些技術可用於梳理成千上萬的數據源和文檔,從而幫助醫學和公共衛生專家快速發現可能對某些患者產生更多負面影響的新療法或新因素。
數據和分析主管需要評估將圖形分析集成到分析產品組合和應用程序中的機會,以發現隱藏的模式和關係。 此外,請考慮圖形算法和技術如何改善AI和ML計劃。
(本文翻譯自Sajjad Hussain的文章《Top 10 data analysis trends for Gartner 2020》,參考:
https://medium.com/dataseries/top-10-data-analysis-trends-for-gartner-2020-c683a74e99a2)
數據中臺是企業數智化的新基建,阿里巴巴認為數據中臺是集方法論、工具、組織於一體的,“快”、“準”、“全”、“統”、“通”的智能大數據體系。目前正通過阿里雲數據中臺解決方案對外輸出,包括零售、金融、互聯網、政務等領域,其中核心產品有:
- Dataphin,一站式、智能化的數據構建及管理平臺;
- Quick BI,隨時隨地 智能決策;
- Quick Audience,全方位洞察、全域營銷、智能增長;
- Quick A+, 跨多端全域應用體驗分析及洞察的一站式數據化運營平臺;
官方站點:
數據中臺官網 https://dp.alibaba.com