10 datových a analytických technologických trendů pro rok 2019

„Příběh dat a analytiky se stále rozvíjí a posouvá vpřed, od podpory interního rozhodování k technologiím typu CI, informačním produktům a vytváření pozic typu Chief Data Officer,“ říká ke klíčovým trendům v oblasti analytiky a dat viceprezidentka výzkumu Gartner Rita Sallam. „Je důležité sledovat technologické trendy které se k tomu váží a určovat v této oblasti priority s ohledem na hodnotu pro byznys.“

Podle viceprezidenta výzkumu Gartneru Donalda Feinberga představuje nadbytek dat nejen problém, ale také příležitost, protože právě velké objemy dat mohou být ideálním tréninkovým materiálem pro analytická řešení s prvky AI. „Rozsah, komplexnost, distribuovaná povaha dat, rychlost změn a CI dodávající digitálnímu byznysu analýzy neustále znamenají, že rigidní, centralizované architektury a nástroje již nestačí. Přežití podniku bude záviset na pružné, datově orientované architektuře, schopné reagovat na neustálé změny.“

Analytici společnosti Gartner proto lídrům odpovědným za oblasti analytiky doporučují, aby s kolegy z nejvyššího vedení diskutovali o obchodních prioritách a o tom, jak může následujících deset trendů přispět k jejich naplnění.

1. Rozšířená analytika (Augmented Analytics) představuje novou revoluční „vlnu“ – používá techniky strojového učení (ML) a umělé inteligence (AI) a do roku 2020 se stane jedním z dominantních faktorů při výběru a nákupu řešení z oblasti analytiky, BI a datové vědy.
2. Rozšířená správa dat (Augmented Data Management) využívá funkce typu ML a AI pro řízení informačních kategorií včetně datové kvality, správy metadat a kmenových (master) dat, datovou integraci i sebekonfigurujících a sebeladících DBMS. Do roku 2022 se díky ADM sníží počet manuálních úkonů v datové oblasti o 45 %.
3. CI - Continuous Intelligence (CI, podobně jako BI nepřekládáme) je systém integrující analytiku v reálném čase s byznys funkcemi (provozními), zpracovávající aktuální i historická data s cílem doporučovat další kroky v reakci na probíhající události (podpora a automatizace rozhodování). Do roku 2022 jej bude nabízet více než polovina nových byznys systémů pracujících s kontextovými daty v reálném čase (pro zlepšení rozhodování).
4. Vysvětlitelná AI (Explainabel AI) – AI modely jsou ve stále větší míře užívány pro nahrazení lidí při rozhodování. V některých případech je ale nutné vědět, jak AI či ML modely došly ke svému rozhodnutí – pomáhá to rozvíjet důvěru mezi uživateli a dalšími zainteresovanými stranami. Jde o řešení problémů AI, jež funguje jako „černá skříňka“.
5. Grafy (Graph) – analýza pomocí grafů (či diagramů) představuje celou sadu analytických technik umožňujících zkoumání vztahů mezi entitami, jako jsou organizace, lidé či transakce. Míra využívání grafového zpracování a grafových DBMS poroste tempem 100 % ročně až do roku 2022, povede k rozvoji komplexnější a přizpůsobivější datové vědy.
6. Datové pletivo (Data Fabric) umožňuje bezproblémový přístup k datům a jejich sdílení v distribuovaných datových prostředích. Umožnuje vytvoření jednotného a konzistentního rámce pro správu dat. Řešení Data Fabric nasazované do roku 2022 budou převážně ve formě statické infrastruktury, kterou bude třeba v budoucnu přepracovat pro podporu dynamicky provázaných dat (dynamic data mesh).
7. NLP a konverzační analytika (Conversational Analytics) budou do roku 2020 představovat až polovinu analytických dotazů - ty tedy budou realizovány ve formě vyhledávání, práce s přirozeným jazykem nebo hlasem nebo budou generovány automaticky. Požadavek na analýzy komplexních datových kombinací povede k nástupu uživatelsky přístupné analytiky s rozhraním typu vyhledávání nebo virtuálního asistenta.
8. Komerční AI a ML bude přítomno u 75 procent řešení pro koncové uživatele v roce 2022 - půjde přitom o funkce vestavěné do komerčních řešení spíše než o open source platformy. V současné době řada dodavatelů využívá konektory pro zpřístupnění či demokratizaci funkcí typu AI a ML (např. správa modelů a projektů, transparentnost, datové rodokmeny či soudržnost platforem), které v open source chybí.
9. Blockchain zůstává atraktivní technologií pro řešení decentralizované důvěry mezi nedůvěryhodnými účastníky. Stále jsme ale několik let od okamžiku, kdy na trhu vykrystalizuje čtyři až pět dominantních blockchain technologií. Do té doby budou projekty vyžadovat rozsáhlou zakázkovou integraci a mohou tak být příliš nákladné.
10. Servery s trvalou operační pamětí (Persistent Memory Servers) pomohou snížit náklady a složitost zavádění IMC (in-memory computing) architektur. Trvalá paměť kombinuje vlastnosti DRAM a NAND flash paměti s cílem nabídnout cenově dostupnou paměť pro náročné výpočetní úlohy. Potenciálně může zlepšit výkon aplikací, dostupnost, rychlost startu, způsoby klastrování i bezpečnostní postupy, to vše při současném snížení nákladů. Může také vést ke snížení datové duplikace.

Další informace (v angličtině) jsou k dispozici v Gartner Data & Analytics Insight Hub.