Gartner公布2019年十大策略性科技趋势
1.原文连结：
http://bit.ly/3a4YhCL
2.原文内容：
从各个发展趋势来看，产业与科技正面临前所未有的快速变化，在未来也将会是如此。因
此，数据分析产业建立一套灵活的、“以资料为中心”（data-centric）的服务架构是很
重要的，才能在如此变动的环境中维持竞争优势。
Gartner归结出在将来的三到五年间可能颠覆数据分析产业的十项科技趋势，并建议数据
分析工作者应评估这些趋势，以因应对所经营策略可能带来的影响并做相应的调整。
趋势一：扩增分析（Augmented Analytics）
扩增分析指在资料分析和商业智慧（business intelligence）的领域中应用机器学习、
人工智能和自动化等科技辅助分析人员以进行资料准备、产生洞察和解释洞察等数据分析
工作。运用扩增分析将能实现整合人工智能和数据分析两个专业领域，为企业提供重要的
企业洞察。此外，扩增分析将有助于让非专业的数据分析人员，或称为“素人资料科学家
”（citizen data scientist），也能生产出重要的企业洞察。Gartner将扩增分析趋势
造成数据分析专业门槛降低的现象，称为数据分析的“民主化”（democratization）。
Gartner预估，到了2020年，扩增分析将会是带动数据分析产业和商业智能成长的重要驱
力。另一方面，对于资料科学、机器学习平台和嵌入分析（embedded analytics）的需求
也会跟着提升。随着相关技术的成熟，Gartner建议数据分析工作者应建立计划，将扩增
分析整合进数据分析服务中。
趋势二：扩增数据管理（Augmented Data Management）
扩增数据管理指运用机器学习和人工智能引擎让企业的资料管理系统能具有自我调适（
self-configuring）的功能，减少在资料管理上面的人力成本，让专业人员可专注于更高
附加价值的业务上。
扩增数据管理影响所及的范畴，包含：资料品质、后设资料管理、主资料管理、资料整合
和数据库等资料管理层面。尤其是在于对后设资料的处理，Gartner指出，扩增数据管理
的关键流程便是将过往被视为次要的后设资料（metadata）运用于机器学习的机制中，让
后设资料成为扩增数据管理的主要资料。
Gartner预测，到了2022年底，结合机器学习和自动化管理的扩增数据管理发展趋势将会
让资料管理的人工作业减少45%。
趋势三：自然语言处理/会话分析（Natural Language Processing/Conversational
Analytics）
Gartner估计，在2020年将会有五成以上的资料分析查询（query）是以文字搜寻（search
）或语音的方式进行。也就是说，将来使用者会以更加人性化的方式或甚至以对话的方式
来和资料互动。
自然语言处理或会话分析的发展趋势，将可让数据分析的结果有更广泛的应用情境，例如
客服部门或柜台等办公室前端的人员，以及能让更多人以更简便的方式取用到数据分析的
结果。
趋势四：图形分析（Graph）
图形分析指以神经网络的形式模拟资料与资料之间的关系网络，并藉以探索未知的问题、
串连不同领域的数据库或以更贴近人类思维的方式管理资料。
图形分析的关键技术在于对图形数据库（graph database）的运用与管理。图形数据库是
以资料节点以及资料节点之间的路径关系所构成的数据库结构。运用图形数据库将有助于
分析人员处理更复杂的问题或是整合不同层面的资料，例如将饮食规划、医疗资料和保健
新闻整合运用于运动app。
Gartner指出，到了2022年，图形分析的运用比例将会以100%的成长率倍速成长，并解决
传统关联式数据库所无法应付的难题。
趋势五：商业化的人工智能和机器学习（Commercial AI and machine learning）
运用于开发人工智能和机器学习（AI/ML）的开发环境，目前以开源（open source）平台
为大宗。商业机构则是以提供企业化服务为主，例如与AI/ML相关的专案管理、模型管理
、重复利用、透明化和整合服务等，这些服务则是目前开源平台较缺乏的。
不过Gartner预测，到了2022年，75%的新使用者将会使用商业机构（如亚马逊、Google和
微软）所提供的AI/ML解决方案，而不是使用来自开源平台的解决方案。运用商业机构所
提供的AI/ML解决方案将有助于分析人员快速将AI/MI投入工作流程中，并加速提高企业价
值。
趋势六：数据结构（Data Fabric）
由企业或各种部门所搜集产生的资料数据持续爆炸性的增长，但这些资料数据却又分处在
各种不同的储存空间中，例如存放在亚马逊的S3、微软的Azure或谷歌的Google Cloud
Platform等公有云上，又或是存放在企业建立的私有云中，同时这些资料数据也可能建立
于不同的档案系统（file system）或传输协定，因此造成资料群集（cluster）之间取用
的困难，而形成所谓的资料孤岛（data silo）。
为了要解决资料孤岛的困境，数据结构的概念是建立一套可以整合各种不同云端服务以及
桥接各种档案系统和传输协定的操作系统。运用数据结构将可以更有效率的运用与分享资
料数据，减少因子据孤岛而造成的资料重复、转移困难等资源的浪费。
Gartner认为，在2022年左右，为了企业服务而建造的数据结构将会成为企业的基础设施
，同时也会诱发企业投入成本于改良资料数据基础设施。
趋势七：可解释人工智能（Explainable AI, XAI）
随着AI的运用层面越来越广泛，对于AI的可信度、了解程度和可修正程度的要求也相应的
提升。现行的AI虽然可以透过机器学习的方式建立起可应用的AI模型，但在实际的应用场
景中，AI就如同一个黑盒子（black box），只能提供使用者一个结果或决策，而无法进
一步说明是依据什么推论过程而得出该结果或决策，也可能导致使用者因看不见又摸不著
的AI系统而产生出错误的决策。
可解释人工智能是在AI研究领域中的一种新趋势，其主要概念便是要让AI在处理资料的过
程中能同时对使用者提供回馈，让使用者可以了解为什么AI会得出该结果或决策，藉以提
升使用者对AI的可信任程度或是在必要时能修正AI。
依据Gartner预估，2023年以前将会有75%的大型企业开始雇用AI行为研究人员和消费者隐
私保护专家来预防企业潜在的品牌与名誉风险。
趋势八：区块链（Blockchain）
对数据分析产业而言，区块链技术最重要的两项优势在于，第一，区块链可以细尽的记录
资料的来源去向或是交易纪录。第二，区块链可以建立透明化的关系网络。
运用区块链技术，虽然可以建立起具有可信度的、无法窜改的资料网络，但Gartner强调
，区块链仍然无法取代对数据分析产业最重要的工作流程，即资料的储存、管理及在商业
上的应用。此外，Gartner还指出，目前区块链技术的成熟度还不足以让区块链拥有在虚
拟货币以外的大规模应用机会。
Gartner认为，在2021年以前，帐本式数据库管理系统（ledger database management
system）将会足以取代大部份的私有区块链。
趋势九：连续智慧（Continuous Intelligence）
连续智慧意指在企业运作的流程中整合即时性（real-time）的数据分析工作，让企业可
以随时从资料数据中得出洞察，并进而制定企业当下所应采行的决策。连续智慧与传统商
业智慧（business intelligence）不同之处在于，连续智慧强调运用AI/ML和自动化等技
术，取代传统分析资料所需的人力，并且大量且即时的产出企业所需的决策依据，而非是
如传统企业决策流程以阶段性或费时的方式产出决策。
Gartner预测，在2022年以前将会有过半的大型企业采用连续智慧帮助他们依据即时的资
料数据做出企业决策，同时也协助大型企业建立对产业环境变动的警觉能力。
趋势十：持续性内存服务器（Persistent Memory Servers）
持续性内存是一种介于DRAM与快闪存储器之间的一种新兴内存技术。持续性内存保
有DRAM的运算速度，同时也拥有快闪存储器的非挥发性（non-volatile），即使断电后资
料也不会遗失。
过去在执行数据分析时，尤其是在网络或云端作业当中，为了加快运算速度而将数据保存
在DRAM中同时也在DRAM内完成运算，省去系统和硬盘之间的读取时间。但随着资料量越来
越庞大，DRAM空间则显得不足、昂贵。因此，持续性内存的出现将能提供一种符合经济
成本同时也具有稳定性的内存解决方案。
Gartner预估，持续性内存将持续成长，在2021年以前将会提供DRAM内运算的整体需求
量的10%。
3.心得/评论：
过去在企业决策时最需要专业的分析师依据企业经营的各种数据或是从消费者身上蒐集到
的数据来拟订企业的短中长期经营策略。这个分析的过程是最需要人工人力与专业经验的
企业流程。但AI、机器学习、数据库技术的创新逐渐让这个决定企业发展的流程更加细致
化甚至自动化、AI化。