До 2020 року бізнес купуватиме нові системи бізнес-аналізу та платформи дослідження даних і машинного навчання саме з метою використання доповненої аналітики.
Принаймні, про це свідчать результати досліджень консалтингової компанії у сфері інформаційних технологій Gartner.
Що ж це таке? Експерти Gartner до засобів доповненої аналітики відносять системи на базі машинного навчання і штучного інтелекту, які повністю змінять принципи підготовки, споживання і поширення аналітичної інформації.
Наприклад, для використання доповненого управління даними використовують системи на основі штучного інтелекту, які забезпечують самоналаштування і адаптацію засобів забезпечення якості даних, управління метаданими та нормативно-довідковою інформацією та інтеграцію даних і СУБД. Такого роду системи дозволяють автоматизувати безліч рутинних задач. Менш технічно підковані користувачі отримали змогу також працювати зі складними даними, а “просунуті” - отримали змогу глибше та якісніше аналізувати їх. Основна відмінність системи в тому, що ті графіки, які раніше були статичними, тепер стають динамічними, і будуть актуалізуватись ледь не щодня.
Експерти прогнозують, що завдяки впровадженню систем машинного навчання і автоматизованого управління рівнями обслуговування, обсяг ручного управління даними до 2022 року зменшиться на 45%. Адже наразі чи не найосновнішою проблемою в галузі аналізу даних є саме необхідність використовувати великі об’єми ручної праці для аналізу, що суттєво стримує розвиток всього ринку.
Ще одним майбутнім трендом стане використання безперервного інтелектуального аналізу (continuous intelligence). До 2022 року більше половини нових ключових бізнес-додатків будуть забезпечені засобами безперервного аналізу, що допомагають приймати правильніші рішення з використанням контекстних даних реального часу. Грубо кажучи, мова йде про проектування інформаційних систем, які будуть рекомендувати яке рішення приймати на основі інтеграції аналітики реального часу в бізнес-процес.
Штучний інтелект обіцяє стати зрозумілішим. Сьогодні багато модулів штучного інтелекту досі є до кінця не розкритими, ми не розуміємо чому штучний інтелект прийняв те чи інше рішення. Планується, що ШІ автоматично генеруватиме обґрунтування результатів зрозумілою мовою, на базі атрибутів, статистики, ознак і показників точності моделі.
Використання графової аналітики. Цей інструмент дозволяє досліджувати відносини між цікавими для дослідника об’єктами - організаціями, людьми, транзакціями. Згідно з прогнозами фахівців Gartner, цей напрямок буде щорічно зростати на 100% аж до 2023 року. Графові сховища дозволяють ефективно моделювати і опитувати розподілені за різними джерелами дані зі складними взаємозв'язками, але через брак фахівців відповідної кваліфікації застосування таких систем поки обмежено.
Збільшиться і використання матриць даних (data fabric). Вони забезпечують легкий доступ і обмін даними в розподіленому інформаційному середовищі. Різнорідні джерела даних в такому середовищі з'єднуються за допомогою універсального керуючого фреймворка.
Штучний інтелект почне нас розуміти. До 2020 року половина всіх аналітичних запитів буде генеруватися за допомогою засобів пошуку та обробки природної мови, в тому числі усними командами і автоматично. Згодом аналітичні інструменти стануть такими ж простими у використанні, як інтерфейси пошуку і спілкування з віртуальним асистентом.
За прогнозом Gartner, до 2022 року 75% нових рішень для кінцевих користувачів на базі штучного інтелекту і машинного навчання буде створюватися за допомогою комерційних інструментів, а не платформ з відкритим кодом. Також планується масове використання технології блокчейн, однак поки вартість її впровадження перевищує можливу користь. Втім вже незабаром все може змінитись.
