從各個(gè)發展趨勢來看，産業(yè)與科技正面臨前所未有的快速變化，在未來也将會是如(rú)此。因此，數據分析産業(yè)建立一套靈活的、「以數據為中(zhōng)心」（data-centric）的服務架構是很重要的，才能在如(rú)此變動(dòng)的環境中(zhōng)維持競争優勢。
Gartner歸結出在将來的三到五年間可(kě)能颠覆數據分析産業(yè)的十項科技趨勢，并建議數據分析工作者應評估這些趨勢，以因應對所經營策略可(kě)能帶來的影響并做相應的調整。
趨勢一：增強分析（Augmented Analytics）
增強分析指在數據分析和(hé)商(shāng)業(yè)智能（business intelligence）的領域中(zhōng)應用機器(qì)學習、人工智能和(hé)自動(dòng)化等科技輔助分析人員以進行數據準備、産生洞察和(hé)解釋洞察等數據分析工作。運用增強分析将能實現整合人工智能和(hé)數據分析兩個(gè)專業(yè)領域，為企業(yè)提供重要的企業(yè)洞察。此外，增強分析将有助于讓非專業(yè)的數據分析人員，或稱為「素人資(zī)料科學家」（citizen data scientist），也能生産出重要的企業(yè)洞察。Gartner将增強分析趨勢造成數據分析專業(yè)門坎降低的現象，稱為數據分析的「民主化」（democratization）。
Gartner預估，到了2020年，增強分析将會是帶動(dòng)數據分析産業(yè)和(hé)商(shāng)業(yè)智能成長的重要驅力。另一方面，對于數據科學、機器(qì)學習平台和(hé)嵌入分析（embedded analytics）的需求也會跟着提升。随着相關(guān)技術(shù)的成熟，Gartner建議數據分析工作者應建立計劃，将增強分析整合進數據分析服務中(zhōng)。
趨勢二：增強數據管理（Augmented Data Management）
增強數據管理指運用機器(qì)學習和(hé)人工智能引擎讓企業(yè)的數據管理系統能具有自我調适（self-configuring）的功能，減少(shǎo)在數據管理上面的人力成本，讓專業(yè)人員可(kě)專注于更高附加價值的業(yè)務上。
增強數據管理影響所及的範疇，包含：數據質量、後設數據管理、主數據管理、數據整合和(hé)數據庫等數據管理層面。尤其是在于對後設數據的處理，Gartner指出，增強數據管理的關(guān)鍵流程便是将過往被視為次要的後設數據（metadata）運用于機器(qì)學習的機制中(zhōng)，讓後設數據成為增強數據管理的主要數據。
Gartner預測，到了2022年底，結合機器(qì)學習和(hé)自動(dòng)化管理的增強數據管理發展趨勢将會讓數據管理的人工操作減少(shǎo)45%。
趨勢三：自然語言處理/會話分析（Natural Language Processing/Conversational Analytics）
Gartner估計，在2020年将會有五成以上的數據分析查詢（query）是以文(wén)字搜尋（search）或語音的方式進行。也就是說，将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(hé)數據互動(dòng)。
自然語言處理或會話分析的發展趨勢，将可(kě)讓數據分析的結果有更廣泛的應用情境，例如(rú)客服部門或櫃台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據分析的結果。
趨勢四：圖形分析（Graph）
圖形分析指以神經網絡的形式仿真數據與數據之間的關(guān)系網絡，并藉以探索未知的問(wèn)題、串連不同領域的數據庫或以更貼近人類思維的方式管理數據。
圖形分析的關(guān)鍵技術(shù)在于對圖形數據庫（graph database）的運用與管理。圖形數據庫是以數據節點以及數據節點之間的路(lù)徑關(guān)系所構成的數據庫結構。運用圖形數據庫将有助于分析人員處理更複雜的問(wèn)題或是整合不同層面的數據，例如(rú)将飲食規劃、醫療數據和(hé)保健新聞整合運用于運動(dòng)app。
Gartner指出，到了2022年，圖形分析的運用比例将會以100%的成長率倍速成長，并解決傳統關(guān)系數據庫所無法應付的難題。
趨勢五：商(shāng)業(yè)化的人工智能和(hé)機器(qì)學習（Commercial AI and machine learning）
運用于開發人工智能和(hé)機器(qì)學習（AI/ML）的開發環境，目前以開源（open source）平台為大宗。商(shāng)業(yè)機構則是以提供企業(yè)化服務為主，例如(rú)與AI/ML相關(guān)的項目管理、模型管理、重複利用、透明化和(hé)整合服務等，這些服務則是目前開源平台較缺乏的。
不過Gartner預測，到了2022年，75%的新使用者将會使用商(shāng)業(yè)機構（如(rú)亞馬遜、Google和(hé)微軟）所提供的AI/ML解決方案，而不是使用來自開源平台的解決方案。運用商(shāng)業(yè)機構所提供的AI/ML解決方案将有助于分析人員快速将AI/MI投入工作流程中(zhōng)，并加速提高企業(yè)價值。
趨勢六：數據結構（Data Fabric）
由企業(yè)或各種部門所搜集産生的數據數據持續爆炸性的增長，但這些數據數據卻又分處在各種不同的儲存空間中(zhōng)，例如(rú)存放在亞馬遜的S3、微軟的Azure或谷歌的Google Cloud Platform等公有雲上，又或是存放在企業(yè)建立的私有雲中(zhōng)，同時這些數據數據也可(kě)能建立于不同的文(wén)件系統（file system）或傳輸協議，因此造成數據群集（cluster）之間取用的困難，而形成所謂的數據孤島（data silo）。
為了要解決數據孤島的困境，數據結構的概念是建立一套可(kě)以整合各種不同雲端服務以及橋接各種文(wén)件系統和(hé)傳輸協議的操作系統。運用數據結構将可(kě)以更有效率的運用與分享數據數據，減少(shǎo)因數據孤島而造成的數據重複、轉移困難等資(zī)源的浪費。
Gartner認為，在2022年左右，為了企業(yè)服務而建造的數據結構将會成為企業(yè)的基礎設施，同時也會誘發企業(yè)投入成本于改良數據數據基礎設施。
趨勢七：可(kě)解釋人工智能（Explainable AI, XAI）
随着AI的運用層面越來越廣泛，對于AI的可(kě)信度、了解程度和(hé)可(kě)修正程度的要求也相應的提升。現行的AI雖然可(kě)以透過機器(qì)學習的方式建立起可(kě)應用的AI模型，但在實際的應用場景中(zhōng)，AI就如(rú)同一個(gè)黑盒子(zǐ)（black box），隻能提供使用者一個(gè)結果或決策，而無法進一步說明是依據什麼推論過程而得出該結果或決策，也可(kě)能導緻使用者因看不見又摸不着的AI系統而産生出錯誤的決策。
可(kě)解釋人工智能是在AI研究領域中(zhōng)的一種新趨勢，其主要概念便是要讓AI在處理資(zī)料的過程中(zhōng)能同時對使用者提供回饋，讓使用者可(kě)以了解為什麼AI會得出該結果或決策，藉以提升使用者對AI的可(kě)信任程度或是在必要時能修正AI。
依據Gartner預估，2023年以前将會有75%的大型企業(yè)開始雇用AI行為研究人員和(hé)消費者隐私保護專家來預防企業(yè)潛在的品牌與名譽風險。
趨勢八：區塊鍊（Blockchain）
對數據分析産業(yè)而言，區塊鍊技術(shù)最重要的兩項優勢在于，第一，區塊鍊可(kě)以細盡的記錄數據的來源去向或是交易紀錄。第二，區塊鍊可(kě)以建立透明化的關(guān)系網絡。
運用區塊鍊技術(shù)，雖然可(kě)以建立起具有可(kě)信度的、無法竄改的數據網絡，但Gartner強調，區塊鍊仍然無法取代對數據分析産業(yè)最重要的工作流程，即數據的儲存、管理及在商(shāng)業(yè)上的應用。此外，Gartner還指出，目前區塊鍊技術(shù)的成熟度還不足以讓區塊鍊擁有在虛拟貨币以外的大規模應用機會。
Gartner認為，在2021年以前，賬本式數據庫管理系統（ledger database management system）将會足以取代大部份的私有區塊鍊。
趨勢九：連續智慧（Continuous Intelligence）
連續智能意指在企業(yè)運作的流程中(zhōng)整合實時性（real-time）的數據分析工作，讓企業(yè)可(kě)以随時從數據數據中(zhōng)得出洞察，并進而制定企業(yè)當下(xià)所應實行的決策。連續智慧與傳統商(shāng)業(yè)智慧（business intelligence）不同之處在于，連續智慧強調運用AI/ML和(hé)自動(dòng)化等技術(shù)，取代傳統分析數據所需的人力，并且大量且實時的産出企業(yè)所需的決策依據，而非是如(rú)傳統企業(yè)決策流程以階段性或費時的方式産出決策。
Gartner預測，在2022年以前将會有過半的大型企業(yè)采用連續智慧幫助他們依據實時的數據數據做出企業(yè)決策，同時也協助大型企業(yè)建立對産業(yè)環境變動(dòng)的警覺能力。
趨勢十：持續性内存服務器(qì)（Persistent Memory Servers）
持續性内存是一種介于DRAM與閃存之間的一種新興内存技術(shù)。持續性内存保有DRAM的指令周期，同時也擁有閃存的非揮發性（non-volatile），即使斷電後數據也不會遺失。
過去在執行數據分析時，尤其是在網絡或雲端作業(yè)當中(zhōng)，為了加快指令周期而将數據保存在DRAM中(zhōng)同時也在DRAM内完成運算，省去系統和(hé)硬盤之間的讀取時間。但随着數據量越來越龐大，DRAM空間則顯得不足、昂貴。因此，持續性内存的出現将能提供一種符合經濟成本同時也具有穩定性的内存解決方案。
Gartner預估，持續性内存将持續成長，在2021年以前将會提供DRAM内運算的整體需求量的10%。
服務熱線 : 010-82893946
