從各個發(fā)展趨勢來看，產業(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)分析產業(yè)建立一套靈活的、「以數(shù)據(jù)為中心」（data-centric）的服務架構是很重要的，才能在如此變動的環(huán)境中維持競爭優(yōu)勢。

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

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）的領域中應用機器學習、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「素人資料科學家」（citizen data scientist），也能生產出重要的企業(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預估，到了2020年，增強分析將會是帶動數(shù)據(jù)分析產業(yè)和商業(yè)智能成長的重要驅力。另一方面，對于數(shù)據(jù)科學、機器學習平臺和嵌入分析（embedded analytics）的需求也會跟著提升。隨著相關技術的成熟，Gartner建議數(shù)據(jù)分析工作者應建立計劃，將增強分析整合進數(shù)據(jù)分析服務中。

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

增強數(shù)據(jù)管理指運用機器學習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)務上。

增強數(shù)據(jù)管理影響所及的范疇，包含：數(shù)據(jù)質量、后設數(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。尤其是在于對后設數(shù)據(jù)的處理，Gartner指出，增強數(shù)據(jù)管理的關鍵流程便是將過往被視為次要的后設數(shù)據(jù)（metadata）運用于機器學習的機制中，讓后設數(shù)據(jù)成為增強數(shù)據(jù)管理的主要數(shù)據(jù)。

Gartner預測，到了2022年底，結合機器學習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)分析的結果有更廣泛的應用情境，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)分析的結果。

趨勢四：圖形分析（Graph）

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

圖形分析的關鍵技術在于對圖形數(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)點之間的路徑關系所構成的數(shù)據(jù)庫結構。運用圖形數(shù)據(jù)庫將有助于分析人員處理更復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)和保健新聞整合運用于運動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)關系數(shù)據(jù)庫所無法應付的難題。

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

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

不過Gartner預測，到了2022年，75%的新使用者將會使用商業(yè)機構（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)結構（Data Fabric）

由企業(yè)或各種部門所搜集產生的數(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)結構的概念是建立一套可以整合各種不同云端服務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)結構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、轉移困難等資源的浪費。

Gartner認為，在2022年左右，為了企業(yè)服務而建造的數(shù)據(jù)結構將會成為企業(yè)的基礎設施，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)基礎設施。

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的提升?，F(xiàn)行的AI雖然可以透過機器學習的方式建立起可應用的AI模型，但在實際的應用場景中，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果或決策，也可能導致使用者因看不見又摸不著的AI系統(tǒng)而產生出錯誤的決策。

可解釋人工智能是在AI研究領域中的一種新趨勢，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防企業(yè)潛在的品牌與名譽風險。

趨勢八：區(qū)塊鏈（Blockchain）

對數(shù)據(jù)分析產業(yè)而言，區(qū)塊鏈技術最重要的兩項優(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系網絡。

運用區(qū)塊鏈技術，雖然可以建立起具有可信度的、無法竄改的數(shù)據(jù)網絡，但Gartner強調，區(qū)塊鏈仍然無法取代對數(shù)據(jù)分析產業(yè)最重要的工作流程，即數(shù)據(jù)的儲存、管理及在商業(yè)上的應用。此外，Gartner還指出，目前區(qū)塊鏈技術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)當下所應實行的決策。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)智慧強調運用AI/ML和自動化等技術，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出決策。

Gartner預測，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)建立對產業(yè)環(huán)境變動的警覺能力。

趨勢十：持續(xù)性內存服務器（Persistent Memory Servers）

持續(xù)性內存是一種介于DRAM與閃存之間的一種新興內存技術。持續(xù)性內存保有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，尤其是在網絡或云端作業(yè)當中，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)性內存的出現(xiàn)將能提供一種符合經濟成本同時也具有穩(wěn)定性的內存解決方案。

Gartner預估，持續(xù)性內存將持續(xù)成長，在2021年以前將會提供DRAM內運算的整體需求量的10%。
責任編輯；zl