Gartner — Топ 10 технологичных трендов в сфере данных и их анализа
1. Дополненная аналитика (как дополненная реальность, но только аналитика)
Дополненная аналитика — это аналитика, которая автоматизирует поиск и выявление наиболее важных идей или изменений в бизнесе. Поиск инсайтов значительно упрощается. Такая аналитика помогает оптимизировать принятие решений, сократить время на в разы. И все это происходит за секунды — огромное преимущество по сравнению с «ручным» подходом.
Дополненная аналитика делает аналитику доступной для специалистов и менеджеров любого уровня. Такой подход снижает зависимость сотрудников от глубоких знаний анализа данных и от экспертов по машинному обучению. Но — такая аналитика потребует повышения уровня данных и их поддержки во всей компании.
К 2020 году дополненная аналитика станет доминирующим драйвером при выборе и покупке сервисов по анализу данных, а также платформ для обработки данных и машинного обучения.
2. Дополненное управление данными
При нехватке технических навыков и росте объема данных компаниям просто необходимо автоматизировать задачи управления данными. Поэтому разработчики и поставщики добавляют возможности машинного обучения и искусственного интеллекта (ИИ), чтобы сделать процессы управления данными самонастраивающимися. Таким образом у высококвалифицированного технического персонала освобождается время для работы над более важными задачами.
Эта тенденция затрагивает все категории корпоративного управления данными, включая: качество данных, управление метаданными, управление основными данными, интеграцию данных и базы данных.
3. Обработка естественного языка (NLP) и «разговорная» аналитика
Точно так же, как Google или Яндекс сделали интернет-поиск доступным для любого пользователя, NLP дает возможность менеджерам задавать простые вопросы о данных и получать объяснения и инсайты. «Разговорная» аналитика продвигает концепцию NLP еще дальше, позволяя голосом задавать вопросы и так же отвечать на них.
К 2021 году NLP и «разговорная» аналитика повысят уровень внедрения аналитики в компаниях с 35% сотрудников до более чем 50%, включая новые классы пользователей, особенно фронт-офисных работников.
4. Графическая аналитика
Бизнес-пользователи задают все более сложные вопросы по структурированным и неструктурированным данным, часто смешивая данные из нескольких приложений и все чаще — внешние данные. Анализ такого уровня сложности нецелесообразен, а в некоторых случаях и невозможен с использованием традиционных средств или языков запросов, таких как SQL.
Графическая аналитика — это набор аналитических методов, которые показывают, как люди, места и вещи связаны друг с другом. Область применения технологии варьируется от обнаружения мошенничества, оптимизации маршрутов движения и анализа социальных сетей до исследования генома.
Gartner прогнозирует, что применение графической обработки данных будет расти на 100% ежегодно в течение следующих нескольких лет, чтобы ускорить подготовку данных и обеспечить более сложную и адаптивную науку о данных.
5. Коммерческий ИИ и машинное обучение
Платформы с открытым исходным кодом в настоящее время доминируют над искусственным интеллектом (ИИ) и машинным обучением. Такие платформы являются основным источником инноваций в алгоритмах и средах разработки. Коммерческие поставщики реагировали медленно, но теперь многие предоставляют коннекторы с открытым исходным кодом.
Также они предлагают корпоративные функции, необходимые для масштабирования ИИ и ML, такие как управление проектами и моделями, повторное использование, прозрачность и интеграция — возможности, которые в настоящее время отсутствуют на платформах с открытым исходным кодом.
Более широкое использование коммерческих ИИ и ML поможет ускорить внедрение моделей в производство, что позволит повысить ценность бизнеса от этих инвестиций.
6. Фабрика данных
Получение отдачи от инвестиций в аналитику во многом зависит от наличия гибкой и надежной фабрики производства данных. Такая фабрика предоставляет сервисы данных, пайплайны, API-интерфейсы, с помощью которых происходит регулярная интеграция данных в организованном виде. Такая структура обеспечивает беспрепятственный доступ к данным и совместное их использование в распределенной среде.
7. Доступный ИИ (Explainable AI)
Доступный ИИ повышает прозрачность и надежность решений и результатов ИИ, уменьшая регуляторный и репутационный риск. Доступный ИИ — это набор возможностей, который описывает модель, выделяет ее сильные и слабые стороны, предсказывает ее вероятное поведение и выявляет любые потенциальные предубеждения.
Без приемлемого объяснения автоматически сгенерированные идеи или «непонятно-на-чем-основанные» подходы ИИ могут вызвать сложности регулирования, репутации, отчетности и предвзятости.
8. Блокчейн для данных и аналитики
Технологии блокчейн решают две проблемы в области данных и аналитики. Во-первых, блокчейн обеспечивает преемственность активов и транзакций. Во-вторых, она обеспечивает прозрачность для сложных сетей участников.
Однако блокчейн не является автономным хранилищем данных и имеет ограниченные возможности управления данными. Система на основе блокчейна не может служить системой записи, что на практике приводит к огромным усилиям по интеграции данных, приложений и бизнес-процессов. В реальности технология еще не созрела до реальной масштабируемости и для использования за пределами криптовалюты.
9. Непрерывный анализ данных
Организации уже давно ищут информацию и данные в реальном времени, и уже есть системы, которые могут выполнять ограниченный набор задач. Теперь, наконец, пришло время внедрить Continuous intelligence (Gartner) — непрерывный процесс получения и анализа данных. Сейчас это стало возможным благодаря облакам, достижениям в потоковом программном обеспечении и данным от датчиков в Интернете вещей (IoT).
К 2022 году более половины крупных бизнес-систем будут включать Continuous intelligence, который будет использовать контекстные данные в реальном времени для повышения качества и точности решений.
10. Серверы с «бесконечной» памятью
Большинство систем управления базами данных (СУБД) при хранении компьютерных данных в основном полагается на оперативную память. Но при быстром росте объемов данных размер памяти ограничивает возможности анализа. Новые серверные рабочие нагрузки требуют не только высокой производительности процессора, но и объемной памяти и более быстрого хранения.
Технология «постоянной памяти» поможет компаниям извлекать из данных более действенные сведения. Многие поставщики СУБД экспериментируют с постоянной памятью.
Источник: www.gartner.com
Мы, компания АНАЛИТИКА ПЛЮС, с 2012 года помогаем нашим клиентам работать с данными — находить полезные инсайты и использовать эту информацию для увеличения прибыли компании.
За это время мы разработали и внедрили решения для компаний из разных сфер бизнеса: ритейл, дистрибуция, логистика, e-commerce, банки и финансы, маркетинг, телеком, производство, логистика, транспорт.
Мы помогаем начать работу с инструментами BI, предоставляем услуги «под ключ» — от сбора данных до установки ПО и предоставления финального интерактивного отчета. И конечно — проводим обучение: наши клиенты ни от кого не зависят и умеют работать со своими данными самостоятельно!
Хотите узнать, как провести анализ и сделать отчеты быстро?
Нам доверяют:
