從各個(gè)發(fā)展趨勢(shì)來看，產(chǎn)業(yè)與科技正面臨前所未有的快速變化，在未來也將會(huì)是如此。因此，數(shù)據(jù)分析產(chǎn)業(yè)建立一套靈活的、「以數(shù)據(jù)為中心」(data-centric)的服務(wù)架構(gòu)是很重要的，才能在如此變動(dòng)的環(huán)境中維持競(jìng)爭(zhēng)優(yōu)勢(shì)。

Gartner歸結(jié)出在將來的三到五年間可能顛覆數(shù)據(jù)分析產(chǎn)業(yè)的十項(xiàng)科技趨勢(shì)，并建議數(shù)據(jù)分析工作者應(yīng)評(píng)估這些趨勢(shì)，以因應(yīng)對(duì)所經(jīng)營策略可能帶來的影響并做相應(yīng)的調(diào)整。

[[287053]]

趨勢(shì)一：增強(qiáng)分析(Augmented Analytics)

增強(qiáng)分析指在數(shù)據(jù)分析和商業(yè)智能(business intelligence)的領(lǐng)域中應(yīng)用機(jī)器學(xué)習(xí)、人工智能和自動(dòng)化等科技輔助分析人員以進(jìn)行數(shù)據(jù)準(zhǔn)備、產(chǎn)生洞察和解釋洞察等數(shù)據(jù)分析工作。運(yùn)用增強(qiáng)分析將能實(shí)現(xiàn)整合人工智能和數(shù)據(jù)分析兩個(gè)專業(yè)領(lǐng)域，為企業(yè)提供重要的企業(yè)洞察。此外，增強(qiáng)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(xué)家」(citizen data scientist)，也能生產(chǎn)出重要的企業(yè)洞察。Gartner將增強(qiáng)分析趨勢(shì)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(yù)估，到了2020年，增強(qiáng)分析將會(huì)是帶動(dòng)數(shù)據(jù)分析產(chǎn)業(yè)和商業(yè)智能成長(zhǎng)的重要驅(qū)力。另一方面，對(duì)于數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)平臺(tái)和嵌入分析(embedded analytics)的需求也會(huì)跟著提升。隨著相關(guān)技術(shù)的成熟，Gartner建議數(shù)據(jù)分析工作者應(yīng)建立計(jì)劃，將增強(qiáng)分析整合進(jìn)數(shù)據(jù)分析服務(wù)中。

趨勢(shì)二：增強(qiáng)數(shù)據(jù)管理(Augmented Data Management)

增強(qiáng)數(shù)據(jù)管理指運(yùn)用機(jī)器學(xué)習(xí)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(diào)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(jià)值的業(yè)務(wù)上。

增強(qiáng)數(shù)據(jù)管理影響所及的范疇，包含：數(shù)據(jù)質(zhì)量、后設(shè)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(duì)后設(shè)數(shù)據(jù)的處理，Gartner指出，增強(qiáng)數(shù)據(jù)管理的關(guān)鍵流程便是將過往被視為次要的后設(shè)數(shù)據(jù)(metadata)運(yùn)用于機(jī)器學(xué)習(xí)的機(jī)制中，讓后設(shè)數(shù)據(jù)成為增強(qiáng)數(shù)據(jù)管理的主要數(shù)據(jù)。

Gartner預(yù)測(cè)，到了2022年底，結(jié)合機(jī)器學(xué)習(xí)和自動(dòng)化管理的增強(qiáng)數(shù)據(jù)管理發(fā)展趨勢(shì)將會(huì)讓數(shù)據(jù)管理的人工操作減少45%。

趨勢(shì)三：自然語言處理/會(huì)話分析(Natural Language Processing/Conversational Analytics)

Gartner估計(jì)，在2020年將會(huì)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(jìn)行。也就是說，將來使用者會(huì)以更加人性化的方式或甚至以對(duì)話的方式來和數(shù)據(jù)互動(dòng)。

自然語言處理或會(huì)話分析的發(fā)展趨勢(shì)，將可讓數(shù)據(jù)分析的結(jié)果有更廣泛的應(yīng)用情境，例如客服部門或柜臺(tái)等辦公室前端的人員，以及能讓更多人以更簡(jiǎn)便的方式取用到數(shù)據(jù)分析的結(jié)果。

趨勢(shì)四：圖形分析(Graph)

圖形分析指以神經(jīng)網(wǎng)絡(luò)的形式仿真數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系網(wǎng)絡(luò)，并藉以探索未知的問題、串連不同領(lǐng)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(guān)鍵技術(shù)在于對(duì)圖形數(shù)據(jù)庫(graph database)的運(yùn)用與管理。圖形數(shù)據(jù)庫是以數(shù)據(jù)節(jié)點(diǎn)以及數(shù)據(jù)節(jié)點(diǎn)之間的路徑關(guān)系所構(gòu)成的數(shù)據(jù)庫結(jié)構(gòu)。運(yùn)用圖形數(shù)據(jù)庫將有助于分析人員處理更復(fù)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?wù)线\(yùn)用于運(yùn)動(dòng)app。

Gartner指出，到了2022年，圖形分析的運(yùn)用比例將會(huì)以100%的成長(zhǎng)率倍速成長(zhǎng)，并解決傳統(tǒng)關(guān)系數(shù)據(jù)庫所無法應(yīng)付的難題。

趨勢(shì)五：商業(yè)化的人工智能和機(jī)器學(xué)習(xí)(Commercial AI and machine learning)

運(yùn)用于開發(fā)人工智能和機(jī)器學(xué)習(xí)(AI/ML)的開發(fā)環(huán)境，目前以開源(open source)平臺(tái)為大宗。商業(yè)機(jī)構(gòu)則是以提供企業(yè)化服務(wù)為主，例如與AI/ML相關(guān)的項(xiàng)目管理、模型管理、重復(fù)利用、透明化和整合服務(wù)等，這些服務(wù)則是目前開源平臺(tái)較缺乏的。

不過Gartner預(yù)測(cè)，到了2022年，75%的新使用者將會(huì)使用商業(yè)機(jī)構(gòu)(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(tái)的解決方案。運(yùn)用商業(yè)機(jī)構(gòu)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(jià)值。

趨勢(shì)六：數(shù)據(jù)結(jié)構(gòu)(Data Fabric)

由企業(yè)或各種部門所搜集產(chǎn)生的數(shù)據(jù)數(shù)據(jù)持續(xù)爆炸性的增長(zhǎng)，但這些數(shù)據(jù)數(shù)據(jù)卻又分處在各種不同的儲(chǔ)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(shí)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(jié)構(gòu)的概念是建立一套可以整合各種不同云端服務(wù)以及橋接各種文件系統(tǒng)和傳輸協(xié)議的操作系統(tǒng)。運(yùn)用數(shù)據(jù)結(jié)構(gòu)將可以更有效率的運(yùn)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(fù)、轉(zhuǎn)移困難等資源的浪費(fèi)。

Gartner認(rèn)為，在2022年左右，為了企業(yè)服務(wù)而建造的數(shù)據(jù)結(jié)構(gòu)將會(huì)成為企業(yè)的基礎(chǔ)設(shè)施，同時(shí)也會(huì)誘發(fā)企業(yè)投入成本于改良數(shù)據(jù)數(shù)據(jù)基礎(chǔ)設(shè)施。

趨勢(shì)七：可解釋人工智能(Explainable AI, XAI)

隨著AI的運(yùn)用層面越來越廣泛，對(duì)于AI的可信度、了解程度和可修正程度的要求也相應(yīng)的提升。現(xiàn)行的AI雖然可以透過機(jī)器學(xué)習(xí)的方式建立起可應(yīng)用的AI模型，但在實(shí)際的應(yīng)用場(chǎng)景中，AI就如同一個(gè)黑盒子(black box)，只能提供使用者一個(gè)結(jié)果或決策，而無法進(jìn)一步說明是依據(jù)什么推論過程而得出該結(jié)果或決策，也可能導(dǎo)致使用者因看不見又摸不著的AI系統(tǒng)而產(chǎn)生出錯(cuò)誤的決策。

可解釋人工智能是在AI研究領(lǐng)域中的一種新趨勢(shì)，其主要概念便是要讓AI在處理資料的過程中能同時(shí)對(duì)使用者提供回饋，讓使用者可以了解為什么AI會(huì)得出該結(jié)果或決策，藉以提升使用者對(duì)AI的可信任程度或是在必要時(shí)能修正AI。

依據(jù)Gartner預(yù)估，2023年以前將會(huì)有75%的大型企業(yè)開始雇用AI行為研究人員和消費(fèi)者隱私保護(hù)專家來預(yù)防企業(yè)潛在的品牌與名譽(yù)風(fēng)險(xiǎn)。

趨勢(shì)八：區(qū)塊鏈(Blockchain)

對(duì)數(shù)據(jù)分析產(chǎn)業(yè)而言，區(qū)塊鏈技術(shù)最重要的兩項(xiàng)優(yōu)勢(shì)在于，第一，區(qū)塊鏈可以細(xì)盡的記錄數(shù)據(jù)的來源去向或是交易紀(jì)錄。第二，區(qū)塊鏈可以建立透明化的關(guān)系網(wǎng)絡(luò)。

運(yùn)用區(qū)塊鏈技術(shù)，雖然可以建立起具有可信度的、無法竄改的數(shù)據(jù)網(wǎng)絡(luò)，但Gartner強(qiáng)調(diào)，區(qū)塊鏈仍然無法取代對(duì)數(shù)據(jù)分析產(chǎn)業(yè)最重要的工作流程，即數(shù)據(jù)的儲(chǔ)存、管理及在商業(yè)上的應(yīng)用。此外，Gartner還指出，目前區(qū)塊鏈技術(shù)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(yīng)用機(jī)會(huì)。

Gartner認(rèn)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(huì)足以取代大部份的私有區(qū)塊鏈。

趨勢(shì)九：連續(xù)智慧(Continuous Intelligence)

連續(xù)智能意指在企業(yè)運(yùn)作的流程中整合實(shí)時(shí)性(real-time)的數(shù)據(jù)分析工作，讓企業(yè)可以隨時(shí)從數(shù)據(jù)數(shù)據(jù)中得出洞察，并進(jìn)而制定企業(yè)當(dāng)下所應(yīng)實(shí)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(qiáng)調(diào)運(yùn)用AI/ML和自動(dòng)化等技術(shù)，取代傳統(tǒng)分析數(shù)據(jù)所需的人力，并且大量且實(shí)時(shí)的產(chǎn)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(fèi)時(shí)的方式產(chǎn)出決策。

Gartner預(yù)測(cè)，在2022年以前將會(huì)有過半的大型企業(yè)采用連續(xù)智慧幫助他們依據(jù)實(shí)時(shí)的數(shù)據(jù)數(shù)據(jù)做出企業(yè)決策，同時(shí)也協(xié)助大型企業(yè)建立對(duì)產(chǎn)業(yè)環(huán)境變動(dòng)的警覺能力。

趨勢(shì)十：持續(xù)性內(nèi)存服務(wù)器(Persistent Memory Servers)

持續(xù)性內(nèi)存是一種介于DRAM與閃存之間的一種新興內(nèi)存技術(shù)。持續(xù)性內(nèi)存保有DRAM的指令周期，同時(shí)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(huì)遺失。

過去在執(zhí)行數(shù)據(jù)分析時(shí)，尤其是在網(wǎng)絡(luò)或云端作業(yè)當(dāng)中，為了加快指令周期而將數(shù)據(jù)保存在DRAM中同時(shí)也在DRAM內(nèi)完成運(yùn)算，省去系統(tǒng)和硬盤之間的讀取時(shí)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(nèi)存的出現(xiàn)將能提供一種符合經(jīng)濟(jì)成本同時(shí)也具有穩(wěn)定性的內(nèi)存解決方案。

Gartner預(yù)估，持續(xù)性內(nèi)存將持續(xù)成長(zhǎng)，在2021年以前將會(huì)提供DRAM內(nèi)運(yùn)算的整體需求量的10%。