转载:决定性的数据技术
这些数据和分析技术的趋势将在未来三到五年内具有重大的颠覆性潜力。数据分析领导者必须检查他们对业务的可能影响，并相应地调整他们的运营、业务和战略模型。
行业趋势:
数据和分析在数字化转型中发挥了战略性作用，同时也增加了数据的复杂性、分析变量的多样性和分析类型的挑战性，已经超出了当前快速数据分析能力和方法的极限。
机器学习和人工智能技术已用于数据管理、内容分析、应用开发和洞察共享的各个方面，以自动化商业运营中的重复任务、数据分析和洞察决策，或提高员工效率。
能够应对突发事件或提高运营敏捷性的大规模AI，以及通俗易懂的见解，成为企业追求的智能能力，能够帮助企业把握不断变化的市场需求，适应发展需要。
专家建议:
向企业高管宣传、提出建议并邀请他们参与，以帮助他们了解企业的战略优先事项，以及数据和分析在何处可以自动化或增强业务活动。
建立能够持续判断技术趋势的管理机制，优先考虑那些能够纳入企业战略和发展路线图并对业务产生最大潜在影响的技术引进项目。
在未来三到五年内采取行动，积极监控、测试或利用关键技术变革的趋势。不要等到他们成熟了才对趋势做出反应。
认识到阻碍企业利用颠覆性技术趋势的数据、分析和管理能力方面的不足，并加以解决。
建立强调学习和奖励创新的成功指标和激励机制。
投资相关的非技术趋势，如数据文化、人工智能治理、数据工程、数据讲故事以及隐私和道德等关键成功驱动因素。
战略规划:
到2020年，提高业务增强分析能力将成为企业投资分析工具、商业智能、数据科学、机器学习平台和嵌入式分析的主要驱动力。
到2022年，通过增加机器学习和自动化服务的管理，数据管理的手动任务将减少45%。
到2020年，50%的分析查询将通过搜索、自然语言处理或语音完成，甚至会出现自动化系统。
到2021年，自然语言处理和会话分析将把分析和商业智能的员工利用率从35%提高到50%以上，包括前台员工。
到2022年，图形处理和图形数据库的应用将每年增长100%，从而不断加快数据准备，实现更复杂、适应性更强的数据科学。
到2022年，75%使用AI和ML技术的最终用户解决方案将建立在商业平台上，而不是开源平台上。
到2022年，超大规模云提供商基于云的人工智能服务将达到数据科学平台市场20%的数字临界点。
到2022年，用户与应用或设备之间的每一次个性化交互都将是自适应的。
到2022年，定制的数据结构设计将主要部署为静态基础设施，迫使企业进入新一轮的“基础成本投资”以采用更动态的数据网格方法。
到2023年，超过75%的大型组织将雇佣行为取证、隐私和客户信任方面的AI专家，以降低品牌和声誉风险。
到2021年，大多数符合标准的区块链应用程序将被ledger DBMS产品所取代。
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。
到2021年，永久内存将占内存GB消耗的10%以上。
是什么推动了数据和分析技术的十大趋势？
而数据分析在数字化转型中的拓展和战略作用，正在增加数据的复杂性、要分析的变量数量、分析的类型以及成功所需的分析速度。随着复杂性的增加，风险和挑战变得更加微妙，这给企业带来了潜在的破坏性风险和挑战，如可能的数据偏差以及对数据分析和ML、AI模型的透明和信任的需求。
越来越接近实时和优化决策所需的数据的规模、复杂性和分布式特征，意味着僵化的架构和工具已经不能满足要求。这种复杂性正在突破当前技术方法的限制，并导致了前所未有的数据和分析快速创新以满足新要求的时期。
同时，为了真正对企业的运营产生积极影响，数据和分析必须无处不在，并扩展到整个企业，以及客户、合作伙伴和产品本身。
加纳的研究结果揭示了10个不容忽视的趋势。它们具有改变企业业务的潜力，将在未来三到五年内迅速被市场采用。许多趋势是相互关联的。它们由一些相同的突破性技术驱动，但它们将影响数据和分析技术系统的不同部分。它们有三个共同的属性——它们支持智能、快速数据和分析，并可以扩展到无处不在的AI和ML驱动的洞察决策和以数据为中心的敏捷架构:
智能:高级分析是未来平台、解决方案和应用的核心。我们今天看到了它的萌芽。数据管理、内容和应用程序开发分析以及洞察共享的几乎每个方面都包含ML和AI技术。它们用于自动化执行或日常操作增强、分析流程和洞察，以便于决策和采取行动。所有数据和分析平台组件的增强智能将概括利用这些功能所需的技能，并使数据技术在企业中的广泛使用达到前所未有的水平。
新要求:数据和分析。在AI和ML的帮助下，数据模型和分析模型越来越多地由自动生成的模型而不是代码来创建，这将为企业提供更具指导性的洞察信息。数据中出现了可以满足多种不同业务的场景结构，使得实时、敏捷、透明的数据基础设施智能分析功能的实现成为可能，也有助于在业务场景中发现更多的应用机会。
可扩展性:过多的数据带来了挑战，也创造了前所未有的机遇。将大量数据与十大趋势带来的日益强大的云处理功能和新兴功能相结合，企业可以大规模地训练和执行算法，以探索AI的全部潜力。当然，这不仅需要大规模数据处理的技术，还需要更广泛地采用高级分析才能实现。
面对越来越大的颠覆压力，要求企业建立数字化转型领导者识别技术趋势的正式机制，优先考虑对其竞争优势产生最大潜在影响的趋势，并将其添加到企业的战略规划中。如果这些以趋势为导向的布局已经是当前计划的一部分，那么根据趋势以新的方式考虑它们，以理清业务优先的程度。
领导者应积极管理、监控、测试或部署新兴数据技术趋势，实施成功指标和激励机制，在测试过程中强调学习和奖励创新，并取得进一步的成功。
