1. Дополненная аналитика

К средствам дополненной аналитики (augmented analytics) в Gartner относят системы на базе машинного обучения и искусственного интеллекта, которые полностью изменят принципы подготовки, потребления и распространения аналитической информации. Как прогнозируют в Gartner, к 2020 году именно ради возможностей дополненной аналитики будут покупать новые системы бизнес-анализа, платформы исследования данных и машинного обучения, а также продукты со встроенными аналитическими системами.

2. Дополненное управление данными

Соответствующие системы с помощью средств искусственного интеллекта обеспечивают самонастройку и адаптацию средств обеспечения качества данных, управления метаданными, управления нормативно-справочной информацией, интеграции данных и СУБД. Они автоматизируют выполнение многих ручных задач, позволяя активнее работать с данными менее сведущим в технических вопросах пользователям, а специалистам в предметной области — заниматься более сложными задачами.

В таких решениях метаданные, которые прежде использовались для аудита, ведения журналов операций с и создания отчетов, станут главным двигателем динамических систем, основанных на технологиях искусственного интеллекта и машинном обучении.

Прогнозируется, что благодаря внедрению систем машинного обучения и автоматизированного управления уровнями обслуживания объем ручного управления данными к 2022 году уменьшится на 45%.

3. Непрерывный интеллектуальный анализ

К 2022 году больше половины новых ключевых бизнес-приложений будут снабжены средствами непрерывного интеллектуального анализа (continuous intelligence) — механизмов, помогающих принимать более верные решения с использованием контекстных данных реального времени.

Фактически, речь идет о шаблоне проектирования информационных систем, предусматривающий интеграцию аналитики реального времени в бизнес-процесс для обработки текущих и исторических данных и рекомендации действий в зависимости от событий. Системы этого класса обеспечивают автоматизацию и поддержку принятия решений с опорой на механизмы дополненной аналитики, обработки потоков событий и управления бизнес-правилами.

4. Объяснимый искусственный интеллект

Сегодня большинство сложных моделей искусственного интеллекта — «черные ящики», не позволяющие объяснить, каким образом они приходят к тем или иным решениям и рекомендациям. "Объяснимый" искусственный интеллект автоматически генерирует обоснование результатов на естественном языке на базе атрибутов, статистики, признаков и показателей точности модели.

5. Графы

Методы графовой аналитики позволяют исследовать отношения между интересующими сущностями — организациями, людьми, транзакциями. Применение механизмов обработки графов и графовых баз данных будет ежегодно возрастать на 100% до 2023 года, прогнозируют в Gartner. Благодаря этому темпы подготовки данных для анализа будут постоянно увеличиваться, вырастет уровень сложности и адаптивности методов исследования.

Графовые хранилища позволяют эффективно моделировать и опрашивать распределенные по разным источникам данные со сложными взаимосвязями, но из-за нехватки специалистов соответствующей квалификации применение таких систем пока ограничено.

6. Матрицы данных

Матрица данных (data fabric) обеспечивает легкий доступ и обмен данными в распределенной информационной среде. Разнородные источники данных в такой среде соединяются при помощи универсального управляющего фреймворка.

В Gartner прогнозируют, что до 2023 года системы организации матрицы данных, проектируемые по заказу, будут развертываться преимущественно в форме статичной инфраструктуры. Как следствие, у организаций появится новый объект повышенных затрат, что будет подталкивать их к проектам трансформации, направленным на развертывание динамических ячеистых сетей обработки данных.

7. Обработка естественного языка, диалоговая аналитика

К 2020 году половина всех аналитических запросов будет генерироваться с применением посредством средств поиска и обработки естественного языка, в том числе устными командами и автоматически. Со временем аналитические инструменты станут такими же простыми в использовании, как интерфейсы поиска и общение с виртуальным ассистентом.

8. Коммерческие системы искусственного интеллекта и машинного обучения

По прогнозу Gartner, к 2022 году 75% новых решений для конечных пользователей на базе искусственного интеллекта и машинного обучения будет создаваться с помощью коммерческих инструментариев, а не платформ с открытым кодом.

К сегодняшнему дню поставщики коммерческих продуктов разработали коннекторы для соединения с экосистемой Open Source и предлагают предприятиям решения, обеспечивающие масштабирование и демократизацию искусственного интеллекта и машинного обучения. Для таких решений характерно наличие средств управления проектами и моделями, механизмов ведения журналов обращений и преобразования данных, возможности многократного использования, инструментов интеграции и других особенностей, недостающих технологиям с открытым кодом.

9. Блокчейн

Основное преимущество блокчейна и технологий распределенного реестра — децентрализованный механизм обеспечения гарантий в сети участников, которым нельзя доверять. Блокчейн открывает широкое поле возможностей применения для анализа взаимоотношений и взаимодействий участников сети.

Но пройдет еще несколько лет прежде чем на передний план выйдут четыре-пять господствующих блокчейн-технологий, а до этого конечным пользователям придется работать с реализациями и стандартами, зависящими от выбора основных клиентов или операторов сетей. Для этого в числе прочего потребуется интеграция с существующей инфраструктурой управления данными и аналитики, причем затраты на такую интеграцию могут перевесить потенциальные преимущества. Блокчейн, отмечают в Gartner, — это источник, но не база данных, и существующие технологии управления данными он не заменит.

10. Серверы на основе памяти с сохранением состояния

Появление быстрой памяти новых типов, сохраняющей состояние при отключении питания, поможет упростить внедрение и уменьшить затраты на архитектуры вычислений в памяти (In-Memory). Появится возможность создания энергоэффективных пулов памяти большой емкости для рабочих нагрузок, требующих высокой производительности. Память с сохранением состояния позволит повысить скорость работы приложений, улучшить показатели доступности, уменьшить время загрузки, оптимизировать кластерные среды и укрепить безопасность при сохранении контроля над расходами. Кроме того, организации смогут уменьшить уровень сложности архитектур приложений и данных благодаря снижению дублирования данных.