10 основных тенденций в области данных и аналитики на 2020 год

Gartner представил основные тенденции, которые могут помочь лидерам в области данных и аналитики сориентироваться в такой сложный период, восстановиться от COVID-19, а также подготовиться к постпандемическому миру.

Во время пандемии во всем мире началось более 500 клинических испытаний потенциальных методов лечения COVID-19. Испытания используют живую базу данных, которая собирает и хранит данные из реестров испытаний и других источников. Это помогает специалистам в области медицины и общественного здравоохранения прогнозировать распространение болезни, находить новые методы лечения и планировать клиническое ведение пандемии.

Данные и аналитика в сочетании с технологиями искусственного интеллекта будут иметь первостепенное значение в прогнозировании, подготовке к глобальному кризису и его последствиям.

10 основных технологических тенденций, на которых должны сосредоточиться лидеры в области данных и аналитики.

Тенденция 1: Более умный и быстрый ИИ

К концу 2024 года 75% предприятий перейдут от тестирования к внедрению ИИ — это приведет к пятикратному увеличению инфраструктуры потоковых данных и аналитики.

Во время пандемии такие методы ИИ, как машинное обучение (ML), оптимизация и обработка естественного языка (NLP), дают жизненно важную информацию и прогнозы относительно распространения вируса и эффективности принятых мер по борьбе с вирусом. Искусственный интеллект и машинное обучение имеют решающее значение в корректировке предложения и цепочки поставок в соответствии с новыми паттернами потребления.

Модели, которые работали на базе исторических данных до COVID-19, могут быть не эффективны в новых реалиях.

Такие методы искусственного интеллекта, как обучение с подкреплением и распределенное обучение, создают более гибкие системы для обработки сложных бизнес-ситуаций.

Значительные инвестиции в новые архитектуры микросхем, такие как нейроморфное оборудование, которое можно развернуть на периферийных устройствах, ускоряют вычисления и рабочие нагрузки ИИ и машинного обучения, а также снижают зависимость от централизованных систем, которые требуют высокой пропускной способности. Это поможет создать эффективные решения ИИ, которые будут позитивно влиять на бизнес.

ИИ обеспечивает прозрачность модели и способен предотвратить неверные решения, что приведет к лучшему взаимодействию человека и машины.

Тенденция 2: Сокращение пользования дашбордом

Dynamic data stories с более автоматизированным и ориентированным на потребителя опытом помогут сократить количество времени, которое пользователи тратят на дашборды. Переход к in-context data stories означает, что наиболее актуальная информация будет передаваться каждому пользователю в зависимости от его контекста, роли или использования. Эти динамические аналитические данные используют такие технологии, как расширенная аналитика, NLP, обнаружение аномалий потоковой передачи и совместная работа.

Руководители отдела данных и аналитики должны регулярно оценивать свои существующие инструменты аналитики, бизнес-аналитики (BI) и инновационные стартапы, предлагающие новые дополненные и основанные на NLP пользовательские возможности помимо predefined dashboard (предопределенного дашборда).

Тенденция 3: Интеллектуальное решение

К 2023 году в более 33% крупных организаций будут работать аналитики, которые практикуют интеллектуальное решение, включая моделирование решений.

Интеллектуальная система принятия решений объединяет ряд дисциплин: управление решениями и поддержку принятия решений. Она охватывает приложения в области сложных адаптивных систем и обеспечивает основу, которая помогает руководителям в области данных и аналитики разрабатывать, составлять, моделировать, согласовывать, выполнять, отслеживать и настраивать модели принятия решений и процессы в контексте бизнес-результатов и поведения.

Используйте технологии управления решениями и моделирования, когда решения требуют нескольких логических и математических методов, должны быть автоматизированы или задокументированы и проверены.

Тенденция 4: X Analytics

Gartner придумал термин «X Analytics», где X — это переменная данных для ряда различного структурированного и неструктурированного контента, такого как текстовая аналитика, видеоаналитика, аудиоаналитика и т. д.

Руководители отдела данных и аналитики используют X Analytics для решения самых сложных проблем общества, включая изменение климата, профилактику заболеваний и защиту дикой природы.

Во время пандемии ИИ сыграл решающую роль в изучении тысяч исследовательских работ, источников новостей, сообщений в социальных сетях и данных клинических испытаний, чтобы помочь экспертам в области медицины и общественного здравоохранения предсказать распространение болезни, составить план развития, найти новые методы лечения и выявить уязвимые группы населения. X-аналитика в сочетании с ИИ и другими методами, такими как графическая аналитика (еще одна популярная тенденция), будут играть ключевую роль в выявлении, прогнозировании и планировании стихийных бедствий и других проблем в будущем.

Руководители отдела данных и аналитики должны изучить возможности X Analytics, доступные у их существующих поставщиков, таких как облачные поставщики для анализа изображений, видео и голоса. Эти инновации, скорее всего, будут внедрять небольшие стартапы и поставщики облачных услуг.

Тенденция 5: Augmented data management

Augmented data management (Управление Augmented data) использует методы машинного обучения и искусственного интеллекта для оптимизации операций. Он также преобразует метаданные, которые используются в аудите, происхождении и отчетности, в динамические системы.

Продукты Augmented data management могут исследовать большие выборки рабочих данных: фактические запросы, данные о производительности и схемы. Используя существующие данные об использовании и рабочей нагрузке, расширенный механизм может настраивать операции и оптимизировать конфигурацию, безопасность и производительность.

Руководители отдела данных и аналитики должны искать возможности для Augmented data management, позволяющие активным метаданным упростить и консолидировать их архитектуры, а также повысить уровень автоматизации в своих задачах управления избыточными данными.

Тенденция 6: Облачные сервисы

К 2022 году общедоступные облачные сервисы будут необходимы для 90% инноваций в области данных и аналитики.

Данные и аналитика перемещаются в облако, и лидерам в области данных и аналитики все еще достаточно сложно согласовать нужные службы с правильными сценариями использования, что приводит к увеличению расходов на управление и интеграцию.

Руководителям отдела обработки данных и аналитики необходимо расставить приоритеты и сосредоточиться на снижении затрат и ускорении инноваций при переходе в облако.

Тренд 7: Столкновение миров данных и аналитики

Возможности данных и аналитики традиционно считались отдельными возможностями и управлялись по-разному. Поставщики, которые предлагают сквозные рабочие процессы на основе расширенной аналитики, стирают различие между некогда отдельными рынками.

Столкновение данных и аналитики усилит взаимодействие между исторически разделенными ролями. Это влияет не только на предоставляемые технологии и возможности, но также на людей и процессы, которые их поддерживают и используют. Спектр ролей будет расширяться от традиционных ролей в сфере данных и аналитики в IT до, например, исследователя информации, потребителя и гражданского разработчика.

Тенденция 8: Data marketplaces

К 2022 году 35% крупных организаций будут продавцами или покупателями данных через официальные онлайн data marketplaces, по сравнению с 25% в 2020 году.

Data marketplaces и биржи данных предоставляют единые платформы для консолидации предложений сторонних поставщиков данных. Они обеспечивают централизованный доступ (например, к X-аналитике и другим уникальным наборам данных) — это снижает затраты на данные третьих сторон (third-party data).

Чтобы монетизировать информационные активы через data marketplaces, лидеры в области данных и аналитики должны разработать справедливую и прозрачную методологию, определив принцип управления данными, на который могут полагаться партнеры экосистем.

Тенденция 9: Блокчейн в данных и аналитике

Технологии блокчейн решают две проблемы в области данных и аналитики: обеспечивают полную линейку активов и транзакций и прозрачность для сложных сетей участников.

Помимо ограниченных вариантов использования биткойнов и смарт-контрактов, системы управления базами данных бухгалтерской книги (СУБД) предоставят более привлекательный вариант для аудита источников данных на одном предприятии. По оценкам Gartner, к 2021 году большая часть разрешенных видов использования блокчейнов будет заменена продуктами бухгалтерских СУБД.

Данные и аналитика должны позиционировать технологии блокчейн как дополнение к существующей инфраструктуре управления данными.

Тенденция 10: Формы отношений — основа ценности в данных и аналитике

К 2023 году графические технологии будут способствовать быстрой контекстуализации для принятия решений в 30% организаций по всему миру. Графическая аналитика — это набор аналитических методов, которые позволяют исследовать отношения между интересующими объектами, такими как организации, люди и транзакции.

Это помогает руководителям данных и аналитиков находить неизвестные взаимосвязи в данных и просматривать данные, которые сложно проанализировать с помощью традиционной аналитики.

Например, пока мир пытается отреагировать на текущие и будущие пандемии, графические технологии могут связывать объекты во всем: от геопространственных данных на телефонах людей до систем распознавания лиц, которые могут анализировать фотографии, чтобы определить, кто мог контактировать с людьми, которые позже протестировали положительный на коронавирус.

В сочетании с алгоритмами машинного обучения эти технологии можно использовать для изучения тысяч источников данных и документов, которые могут помочь медицинским экспертам и специалистам в области общественного здравоохранения быстро обнаружить новые методы лечения.

Руководители отдела данных и аналитики должны оценить возможности включения графической аналитики в свои аналитические портфели и приложения, чтобы выявить скрытые закономерности и взаимосвязи. Кроме того, рассмотрите возможность изучения того, как алгоритмы и технологии графов могут улучшить ваши инициативы в области ИИ и машинного обучения.